Kaggle Learn创始人DanB.博士:学的太多,反而成不了数据科学家

Kaggle Learn创始人DanB.博士:学的太多,反而成不了数据科学家

从数字营销到数据科学

在获得工程学位后,我拥有了项目管理和编程的技能,但我仍小心翼翼地走出就业市场。我不确定是否真的想花时间设计几年长的Gantt Chart,所以我决定承担风险并进入数字营销。为什么是数字营销?因为当我意识到Google AdWords(现在是Google Ads)是整天盯着广泛的统计表并获得报酬时,我爱上数字营销。

但经过五年的数字营销,我意识到这不适合我。这并不会让我对上班感到头晕目眩。这不是我可以跟其他人喋喋不休的主题。

所以我决定休息一下,开始学习数据科学大规模在线开放课程,看看它是否像我想象的那样有趣。之后,我决定更上一层楼,在法国最古老的工程学院的数据科学入门计划中获得证书。

“我有个计划…”

“很好。所以Lai,现在你是一名数据科学家。你的故事有什么意义?”即使我获得了认证,我还是决定通过在咨询机构担任数据分析师来继续我的职业生涯。它介于我过去的数字营销和我未来的数据科学之间。这是一条非常有职业前景的道路。该证书让我对数据科学项目和Python编程有了稳定的了解,所以我可以和我的销售工程师一起讨论:“所以,Clara,我有一个两到四年的计划。我将继续在线学习Python,同时通过成为数据分析师获得数据项目的知识,当我对自己的Python技能有信心时,我将成为一名数据科学家。”

自从我说过这些以来,我已经做了一些调整,将两到四年变为一到两年。但是,Dan Becker仍然用世界上所有的仁慈粉碎了我这个计划。

是时候改变战略了

“在频谱上,有两个极端:短频 Sal,长频 Lee”

Dan 以这种方式解释他的观点:进入数据科学有两种方法。

第一种方法是短频 的Sal, 即指那些只获得他们工作所需的知识,潜心研究,然后找到一个数据科学的工作,边做边学剩余知识的人。 第二种方法是长频的Lee,即那些不断地学习,学习,再学习,最后获得一份数据科学家的工作得人。不错,那就是我,那就是Dan 所说的职业轨迹。

但是实际上来说,Sal很快就能找到工作,快速获得实践经验(就是Lee从教科书中得不到的实用知识),并且在自己的领域获得一个人际交往圈。这是Lee无法从他的学习隐士生活中的得到的。所以,这才是真正发生的轨迹:

在这一点上,我很恼火的盯着研讨会。“Dan,你怎么敢这样粉碎我的梦想!” 但是Dan 考虑到了我们,一群可怜的Lees正看着所有参加YouTube现场直播的Sals指着Lees并在讨论区笑话Lees。他的一些观点可能对于某些人来说很简单,但是对我的方法产生了巨大的影响。

|“找到你的激情项目,开展工作,发布它,推特它。”

“好吧,等一下,Dan。到目前为止,我只是设法复制了预先准备好的泰坦尼克号生存分析,修改了一些分类算法,并为我的认证做了一个非常成功的文本挖掘项目。你是否认为我会把我的任何工作都放在那里被顶尖的数据科学家评价?“在这一点上,我坚信Dan可以读懂意识,因为他之后解释说是的,第一个项目可能不太好但没关系,将它们放在那里可能会吸引一些建设性的反馈,这将使下一个更好。这就是Lee如何成为Sal。”

|“好吧,Dan。Jeff,是时候挑战一下Kaggle比赛了。”

谢谢你,Jeff,为本文的证明以及成为我的Lee的Sal.

跟进

在本文中,我想将Dan的答案添加到LinkedIn的帖子中。再一次,我非常欣赏富有洞察力的观点。

| Kaggle 比赛是一个很好的学习方式。尤其是因为你可以尝试一个问题,然后看看你的方法与其他人的对比(因为很多人在易于访问的“内核笔记本”中发布他们的作品)。但是我不认为这是一个快速通往投资组合,让你获得第一份工作的途径(但我认为这是大多数人的一个真正的转折点)。原因在于:比赛有很多技巧型参赛者,你需要得到非常好的评分才会让雇主注意到。而且,大多数人会在平均或低于平均的水平。

相反,我建议找一个你感兴趣的话题做一些数据探索。搜索相关数据,进行探索,直到你可以写一篇关于这个主题的精彩的博客文章(并在会议中展示)。话题可以是关于新闻,你的爱好等。确保你的项目可视化(图表),可以清楚地沟通,或者甚至可以思考是否可以利用你的数字营销背景来帮助它提高曝光率。无论如何,去做一些创造性的事情。这更有可能让你注意到,或者让更多的读者发现它的乐趣。

自己做Kaggle不知道从何入手?无人指导名词上不去?数据科学最重要的 Kaggle 比赛如何从入门到精(fang)通(qi) 了解一下?2016年8月,数据应用学院学员在无数个昼夜的连续奋战下,成功夺取第一块Kaggle竞赛金牌!至今为止,数据应用学院已在Kaggle竞赛中获取1枚金牌,4枚银牌,11枚铜牌,与北美Data Camp第一阵营Insight, Data Incubator, Galvanize, NYC Data Academy等旗鼓相当。戳7月20日,16周数据科学家求职训练营全面启动! 了解更多详情。

原文作者:Lai Queffelec

翻译作者:Haolin Kong

美工编辑:Miya

校对审稿:冬冬

原文链接:https://towardsdatascience.com/becoming-a-data-scientist-when-dan-becker-pointed-out-i-had-it-all-wrong-86fb81397e8c