免責宣告：這個故事并不是要勸阻您， 相反，它是一面可以長時間檢視自己的鏡子，
所以你對資料科學很有熱情，你已經讀了幾十篇博客文章，完成了一些在線課程，現在你夢想著把它作為你的事業，畢竟，據《哈佛商業評論》稱，這是21世紀最性感的作業，
但是，盡管你很有熱情，資料科學可能并不適合你，在這個時刻，你持有太多的幻想和錯誤的刻板印象，
現在，你的任務很簡單:清除那些阻礙你前進的東西!你會對自己前進的速度感到驚訝，
你認為你的學位已經足夠了
您擁有相關領域的碩士學位，甚至博士學位， 現在您想在資料科學領域搶先一步，
但是你以前用過Shell編程嗎?當您偶然發現錯誤時，您是否感覺到了來自命令列介面的威脅?您曾經使用過tb級的大型資料庫嗎?
如果您以否的方式回答這些問題之一，則表明您還沒有準備好，您需要一些實際經驗并構建一些實際專案， 只有這樣，您才能遇到作為資料科學家每天都會遇到的問題， 只有這樣，您才能開發解決問題的技能，
那么祝賀你獲得學位，現在開始努力作業吧，
你缺乏熱情
你是否曾經把整個周末都投入到一個極客專案中?你是否曾經在朋友外出聚會的晚上瀏覽GitHub ?你是否曾經因為你更喜歡編程而對你最喜歡的愛好說不?
如果以上問題你都不能回答“是”，那說明你還不夠熱情，資料科學是關于面對真正困難的問題并堅持解決它們，直到你找到一個解決方案，如果你沒有足夠的熱情，你會在第一個困難面前退縮，
想想是什么吸引你成為一名資料科學家，是迷人的頭銜嗎?抑或是在海量資料中尋找真知灼見的前景?如果是后者，你正朝著正確的方向前進，
沒有激情，就不會有成功，
你還不夠瘋狂
只有瘋狂的想法才是好主意，作為一個資料科學家，你需要大量的資料，你不僅僅需要對意想不到的結果保持開放的心態——它們經常發生!
但你也必須為真正困難的問題找到解決方案，這需要非凡的水平，你不能用正常的想法完成，
如果人們總是對你說你精神失常了，那說明你正在朝著正確的方向前進，如果沒有，你就需要改變你的瘋狂，
當然，這需要一些勇氣，一旦你暴露了你的古怪行為，有些人會抓破腦袋，背對著你，（拒絕你）
但這是值得的，因為你對自己是真實的，你點燃了作為一名資料科學家所需要的火花，
你從課本和網路課程中學習
別誤會我的意思，教科書和在線課程是一個很好的開始方式，但只是開始!
你需要盡快投入到真正的專案中去，當然，如果不能用Python撰寫一行代碼，那么構建Python專案是沒有意義的，但是一旦你建立了一個適度的基礎，就要積極起來，
在實踐中學習是關鍵，
開始構建您的GitHub個人主頁， 參加一些Hackathons和Kaggle比賽， 以及寫一些關于您的經歷的博客，
每個人都可以使用教科書，要成為一名資料科學家，你必須做得更多，
你認為你可以在某個時候停止學習
您已訂閱了一些有關資料科學的在線課程，并且正在閱讀一些教科書，現在，您認為一旦掌握了這些知識，您就會學到足夠的知識，可以在資料科學領域取得突破，
錯了，這還只是開始，如果你認為你現在學到了很多，想想三年后你會學到多少，
如果您最終成為一名資料科學家，您的學習將比現在多十倍，這是一個不斷變化的領域，不斷需要新技術， 如果您一旦找到作業就停止學習，那么您的發展軌跡將會從資料科學的初學者變為糟糕的資料科學家，
如果您想在資料科學方面表現出色（如果您正在閱讀這篇文章，那么你確實是想），您需要面對這樣一個事實，即您的學習曲線會隨著時間的推移變得越來越陡峭，如果您不喜歡學習大量東西，請不要夢想成為一名資料科學家，
僅僅成為資料極客是不夠的，
你沒有其他領域的專業知識
所以你對計算機科學略知一二，而且你的數學能力也不是那么差，你能在資料科學領域找到作業嗎?
不,你不會的，你在IT和數學方面的技能是必不可少的，但還不足以讓你從所有其他資料科學愛好者中脫穎而出，
資料科學家在各種各樣的公司和行業作業，要為您的客戶提供關鍵的見解，您需要了解他們的領域，
例如，Kate Marie Lewis在6個月內獲得了資料科學的職位，但不同之處在于，作為一名神經學家，她擁有醫療保健領域的知識，
您擅長哪個領域？ 您在哪些領域有經驗？
試著把自己定位為你所在領域的專家，而不是一般的資料科學家，這才是你真正找到作業的方式，
你缺乏商業技巧
所以你更善于分析，你喜歡數字和定量分析，你討厭軟技能和人際交往，
這并不能使你成為一個好的資料科學家，我的朋友，軟技能甚至在定量作業中也很重要，軟技能最侄訓讓你在面試中脫穎而出，
在你可以獲得的所有軟技能中，你需要提升的是你的業務技能，記住，你的客戶是商業領袖，因此，他們需要懂業務的人，只有這樣，你才能產生對客戶有價值的見解，
你沒有任何有意義的聯系
你想在這個領域找到一份作業，但是你不認識其他的資料科學家嗎?是時候行動了，我的朋友，
去聚會，在LinkedIn上加入相關的群組，了解參加黑客馬拉松的人，在Twitter上關注正確的人，請與GitHub專案的其他貢獻者見面，做一些令人興奮的事情!
就像找作業一樣，你90%的成功并不取決于你的技能有多強，這取決于誰可以為你提供參考，誰可以給你介紹，
如果你在領英(LinkedIn)上的聯系僅限于你的媽媽和同事，而那份作業沒有前途，那么是時候為你的個人資料做一些推廣去毛遂自薦，如果你在Twitter上的關注者屈指可數，那就發推吧，如果你的博客沒有讀者，嘗試搜索引擎和跨平臺營銷，
連接會來的，但你得先行動起來，
去見面，去合作，建立您的網路，
你不喜歡臟活累活
你已經聽過所有關于機器學習和人工智能的討論，你認為資料科學可以打開與前沿技術合作的大門，
也許你會，但我向你保證，你做這件事的時間不會超過5%，
一旦你找到了理想的作業，你將花費大量的時間來清理資料，恭喜你，你剛找到一份看門人的新作業!
如果你不喜歡，那就回家吧——你不應該看這篇文章，如果讀完這篇文章后，你仍然想成為一名資料科學家，那么現在是時候愛上這項骯臟的作業了，
資料科學不是職業選擇，這是一個職業
資料科學家是非常受歡迎的個人，這使得很多人都在涉獵它，但要在這個領域找到一個位置，涉獵是不夠的，你需要努力作業，
如果讀完這篇文章后，你仍然相信自己會成為一名資料科學家，那么恭喜你，你可能在一條很好的道路上努力了，
如果在這一點上你不確定是否要成為一名資料科學家，找出你懷疑的最大原因，然后開始處理這些問題，你能做到的!
原文地址：https://imba.deephub.ai/p/74d6a4b068d811ea90cd05de3860c663
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/182463.html
標籤：其他