原文： https://machinelearningmastery.com/become-data-scientist/
你是如何成为数据科学家的？
我认为这实际上取决于你现在的位置以及你作为数据科学家真正想做的事情。
尽管如此，DataCamp 最近发布了一个信息图，描述了成为数据科学家的 8 个简单步骤。在这篇文章中，我想强调并回顾一下 DataCamp 的信息图。
如何成为数据科学家 DataCamp 博客上发布的信息图的一部分
在定义成为数据科学家的步骤之前，图形定义了数据科学家使用三个关键资源的方式：
- Drew Conway 的数据科学维恩图结合了黑客技能，数学和统计知识以及实质性专业知识。
- 显示关于教育水平问题的调查结果的图表，与 O'Reilly 的分析分析器中的图表不同。
- Josh Wills 的引用了什么是数据科学家。
从信息图中，成为数据科学家的 8 个步骤是：
- 擅长统计，数学和机器学习。参加在线课程。
- 学习编码。计算机科学，发展和语言。
- 理解数据库。数据类型，技术存储它们以及检索数据的方法。
- 主数据调整，可视化和报告。工具。
- 升级大数据。更大的工具，如 hadoop，mapreduce 和 spark。
- 获得经验，实践并结识数据科学家。比赛，宠物项目和发展直觉。
- 实习，训练营或找工作
- 关注并与社区互动
乍一看，图形表明标准的口头禅在成为数学和编程天才之前，甚至在查看数据或算法之前，我认为这种方法是错误的。
仔细研究后，图形显示了从步骤 1-5 开始熟悉的路径。它建议学习课程，并掌握数据科学和数据的语言。
然后步骤 6-7 是关于实际工作问题和发展技能，然后在步骤 8 中加入和关注社区。
从这个更细微的角度来看，它是一个伟大的图形，我喜欢它。
我会走得更远。
我建议将步骤 1-5 进一步最小化，以便在这些领域提供术语和主题的速成课程。我建议尽快使用工具来处理数据集。在问题之后完成这个过程和工作问题将突出显示需求并为那些可以及时学习和编织的基础主题提供背景。
分段线性分解非常适合课程设计和信息图表，但不适合学习和获得结果。我认为应该整合模块或步骤。
学习计算机科学可以使你成为一名优秀的计算机科学家（对于任何需要的人）和更圆润的工程师，但要成为一名优秀的程序员，你需要练习编程。
我认为这同样适用于工作数据问题。为了在端到端的工作问题上取得优异成绩，您需要关注并实践这一过程，并在此过程的背景下学习相关理论。它将像一把伟大的刀子一样，将范围缩小到所需要和相关的范围，而不是课程和教科书中的所有内容。
你如何成为数据科学家，工作数据问题。很多。