數(shù)據(jù)科學(xué)剛剛度過(guò)了它的黃金五年。

自2012年以來(lái)，這個(gè)行業(yè)發(fā)展迅速。它幾乎完整經(jīng)歷了Gartner技術(shù)成熟度曲線的每個(gè)階段。

度過(guò)了初期使用階段、有關(guān)AI和偏見(jiàn)的負(fù)面新聞、Facebook等公司的第二三輪風(fēng)投?，F(xiàn)在的數(shù)據(jù)科學(xué)正處于高增長(zhǎng)使用階段：即使是銀行、醫(yī)療保健公司和落后市場(chǎng)五年的其他100強(qiáng)企業(yè)，也在招聘機(jī)器學(xué)習(xí)中的數(shù)據(jù)科學(xué)崗位。

但現(xiàn)實(shí)正在發(fā)生巨大的變化。

來(lái)自captech基金的資深數(shù)據(jù)科學(xué)家Vicki Boykis發(fā)布了一篇《數(shù)據(jù)科學(xué)不一樣了》的文章，引起了廣泛討論。五年前被譽(yù)為“最性感“職業(yè)的數(shù)據(jù)科學(xué)家，正在進(jìn)入一個(gè)新的階段。

我們?cè)撊绾螒?yīng)對(duì)？一起看看。

大數(shù)據(jù)（還記得Hadoop和Pig嗎？）已經(jīng)出局，R語(yǔ)言的采用率急劇上升，Python在《經(jīng)濟(jì)學(xué)人》雜志中被表?yè)P(yáng)多次，“云”已經(jīng)再次改變了一切。

不幸的是，大眾媒體在數(shù)據(jù)科學(xué)領(lǐng)域的炒作始終沒(méi)有改變。

直到今天，在各類不負(fù)責(zé)任的媒體口中，數(shù)據(jù)科學(xué)家依然是“21世紀(jì)最性感最容易找工作的職業(yè)”。而事實(shí)上，希望進(jìn)入這個(gè)行業(yè)的初級(jí)數(shù)據(jù)科學(xué)家已經(jīng)供過(guò)于求，他們一旦獲得夢(mèng)寐的“數(shù)據(jù)科學(xué)家”稱號(hào)后，實(shí)際展現(xiàn)出來(lái)的能力并不能達(dá)到預(yù)期的那樣。

新數(shù)據(jù)科學(xué)家的供過(guò)于求

首先，我們來(lái)談?wù)劤跫?jí)數(shù)據(jù)科學(xué)家的供過(guò)于求。

圍繞數(shù)據(jù)科學(xué)的持續(xù)媒體炒作極大地提高了過(guò)去五年市場(chǎng)上的初級(jí)人才數(shù)量。

這純粹是傳聞，你大可不必相信。但是，基于我參與篩選簡(jiǎn)歷、做剛?cè)腴T的數(shù)據(jù)科學(xué)家的導(dǎo)師、做采訪者和受訪者以及與處于類似職位的朋友和同事們的對(duì)話的經(jīng)歷，可以初步感受到，每個(gè)數(shù)據(jù)科學(xué)職位而言，特別是入門級(jí)的職位，候選人都已經(jīng)從20個(gè)增加到100個(gè)或更多。

我最近和一個(gè)朋友談話，他的一個(gè)開放職位收到了500份簡(jiǎn)歷。

這并不奇怪。更多的傳聞是來(lái)自像機(jī)器學(xué)習(xí)教父吳恩達(dá)的職位空缺，他的AI創(chuàng)業(yè)公司每周要求70-80小時(shí)的工作時(shí)間。

即便如此，他依然收到了很多人試圖免費(fèi)為他志愿工作。截止到目前，據(jù)他所說(shuō)，他的辦公室已經(jīng)全部坐滿。

正確估計(jì)市場(chǎng)供需當(dāng)然不容易，但Wired的一篇文章可以提供一些線索：

”對(duì)2018年4月份招聘廣告的研究發(fā)現(xiàn)，美國(guó)有超過(guò)10000個(gè)職位空缺，面向有人工智能或機(jī)器學(xué)習(xí)技能的人?！?/p>

文章繼續(xù)表明：

”超過(guò)10萬(wàn)人開始學(xué)習(xí)Fast.ai提供的深度學(xué)習(xí)課程，F(xiàn)ast.ai是一家專注于擴(kuò)大人工智能應(yīng)用的創(chuàng)業(yè)公司?！?/p>

讓我們做一道簡(jiǎn)單的數(shù)學(xué)題。

假設(shè)MOOC（慕課）的平均完成率約為7%，那意味著，這一年會(huì)有7000人可以填補(bǔ)這10000個(gè)工作崗位。這一年如此，但明年又如何呢？我們是否假設(shè)數(shù)據(jù)科學(xué)的就業(yè)率穩(wěn)定？如果是這樣，數(shù)據(jù)科學(xué)的就業(yè)市場(chǎng)看起來(lái)就會(huì)縮小很多。

我們?cè)賮?lái)看一項(xiàng)更廣泛的研究，LinkedIn表示市場(chǎng)上缺少151，717個(gè)具有數(shù)據(jù)科學(xué)技能的人才。雖然目前還不清楚這是指數(shù)據(jù)科學(xué)家還是僅具有部分技能的人，但我們假設(shè)是前者。那樣的話，該國(guó)數(shù)據(jù)科學(xué)家有150000個(gè)職位空缺。

鑒于有100000人已經(jīng)開始了數(shù)據(jù)科學(xué)課程，我們假設(shè)其中有7000人能完成課程。

但是，這些數(shù)字還都沒(méi)有考慮到所有創(chuàng)造新的數(shù)據(jù)科學(xué)候選人的計(jì)劃和途徑：有像Coursera這樣的Fast.ai之外的MOOC，有超過(guò)10個(gè)像Metis和GA（General Assembly）這樣的每季度25人參加的全國(guó)性訓(xùn)練營(yíng)，還有像加州大學(xué)洛杉磯分校等地的遠(yuǎn)程學(xué)位——分析和數(shù)據(jù)科學(xué)的學(xué)士學(xué)位，YouTube等，還有大量無(wú)法在極其緊張的就業(yè)市場(chǎng)找到工作、正從學(xué)術(shù)界轉(zhuǎn)向數(shù)據(jù)科學(xué)的博士們。

這里有第三個(gè)確鑿證據(jù)，來(lái)自PWC，它指出2015年數(shù)據(jù)科學(xué)家有4萬(wàn)個(gè)職位空缺。它還從總體上估計(jì)，認(rèn)為分析技能的市場(chǎng)供應(yīng)（再次說(shuō)明，它比數(shù)據(jù)科學(xué)范圍更大，但也是一個(gè)比較點(diǎn)）到2018年將會(huì)使市場(chǎng)過(guò)度擁擠。

將此與數(shù)百個(gè)數(shù)據(jù)科學(xué)課程的訓(xùn)練營(yíng)相結(jié)合，如果有人要進(jìn)入某個(gè)行業(yè)，你將看到一場(chǎng)大風(fēng)暴。

根據(jù)我在業(yè)內(nèi)工作并與100多名同事交談的直覺(jué)，這兩條推特最終使我確信數(shù)據(jù)科學(xué)行業(yè)存在供應(yīng)泡沫。

首先，是這個(gè)有關(guān)入門數(shù)據(jù)科學(xué)課程的推特：

Cal的入門數(shù)據(jù)科學(xué)課程是Data 8，這門課很受歡迎，位于澤勒巴赫教室。開課時(shí)間是2018年秋季學(xué)期第一天。

和UVA開設(shè)數(shù)據(jù)科學(xué)學(xué)院的消息：

UVA很自豪地宣布計(jì)劃中的數(shù)據(jù)科學(xué)學(xué)院成立，它將滿足社會(huì)增長(zhǎng)最快的需求之一

由于在適應(yīng)工業(yè)界的新趨勢(shì)上，學(xué)術(shù)界通常是滯后的，因此這個(gè)趨勢(shì)真的該引起初級(jí)數(shù)據(jù)科學(xué)家們的重視，所有人都希望找一個(gè)數(shù)據(jù)科學(xué)的職位。考慮到他們?cè)谑袌?chǎng)上的競(jìng)爭(zhēng)者數(shù)量，剛獲得數(shù)據(jù)科學(xué)學(xué)位的人很難找到真的入行。

在三、四年前情況還并非如此，然而現(xiàn)在數(shù)據(jù)科學(xué)已經(jīng)從一個(gè)流行詞匯轉(zhuǎn)變?yōu)楣韫扰菽飧蟮墓菊衅傅穆毼?，相關(guān)的職位不僅更加正式化，而且有著更嚴(yán)格的準(zhǔn)入要求（即傾向于曾經(jīng)具備數(shù)據(jù)科學(xué)工作經(jīng)驗(yàn)的人）。數(shù)據(jù)科學(xué)職位的面試仍然難以把握，并且與工作完全不匹配。

正如許多博客文章指出的那樣，你未必在第一次嘗試時(shí)就能找到理想工作。 因此，就業(yè)市場(chǎng)相當(dāng)艱難，對(duì)于大量入門者來(lái)說(shuō)更加困難重重。

Hinton對(duì)于機(jī)器學(xué)習(xí)領(lǐng)域現(xiàn)狀的想法：

“我們應(yīng)該采取全新的想法。我們都知道從長(zhǎng)遠(yuǎn)來(lái)看，一個(gè)全新的想法將比一個(gè)個(gè)微小的改進(jìn)更有效。當(dāng)我們這個(gè)群體只有一些資深人士和一大批青少年時(shí)，這就是缺點(diǎn)。”

數(shù)據(jù)科學(xué)存在有誤導(dǎo)性的工作需求

第二個(gè)問(wèn)題是，一旦這些初學(xué)者進(jìn)入市場(chǎng)，他們會(huì)對(duì)數(shù)據(jù)科學(xué)的工作模式產(chǎn)生不切實(shí)際的期望。每個(gè)人都認(rèn)為他們將進(jìn)行機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和貝葉斯模擬。

這并不是他們的錯(cuò)，這正是一些數(shù)據(jù)科學(xué)課程和技術(shù)媒體們一直以來(lái)強(qiáng)調(diào)的內(nèi)容。自從很久之前我第一次過(guò)分樂(lè)觀地瀏覽Hacker News 上邏輯回歸的帖子以來(lái)，情況并沒(méi)有發(fā)生多大變化。

現(xiàn)實(shí)情況是，“數(shù)據(jù)科學(xué)”從未像機(jī)器學(xué)習(xí)那樣關(guān)注數(shù)據(jù)清洗，數(shù)據(jù)轉(zhuǎn)換以及將數(shù)據(jù)從一個(gè)地方移動(dòng)到另一個(gè)地方。

我最近進(jìn)行的極其非科學(xué)的調(diào)查問(wèn)卷證實(shí)了這一點(diǎn)：

作者2019年1月在推特上做的調(diào)查溫暖：

近一段時(shí)間以來(lái)對(duì)此非常好奇，所以我決定創(chuàng)建一個(gè)調(diào)查問(wèn)卷：

“作為2019年被稱為'數(shù)據(jù)科學(xué)家'的人，我花了大部分時(shí)間在（60％以上）：”

選擇了（“其他”）也歡迎在回復(fù)中添加。

調(diào)查結(jié)果：

6% 選擇特性/模型

67% 清理數(shù)據(jù)/移動(dòng)數(shù)據(jù)

4% 在產(chǎn)品中部署模型

23% 分析/呈現(xiàn)數(shù)據(jù)

許多行業(yè)專家發(fā)送的推文也是如此：

“在我最近的幾個(gè)機(jī)器學(xué)習(xí)項(xiàng)目中，復(fù)雜的地方不再是建模或培訓(xùn)里；二是在在輸入預(yù)處理中。我發(fā)現(xiàn)自己耗盡的是CPU而不是GPU，并且在一個(gè)項(xiàng)目中我真的不確定如何進(jìn)一步優(yōu)化python（我也正在考慮c ++）?！?/p>

— mat kelcey

“我在初級(jí)ML/ CV工程師身上看到的最失敗的一面是對(duì)構(gòu)建數(shù)據(jù)集完全缺乏興趣。雖然這是一項(xiàng)無(wú)聊的工作，但我認(rèn)為在整理數(shù)據(jù)集時(shí)能夠?qū)W習(xí)到很多東西。這就像是問(wèn)題的一半。“

— Katherine Scott

伴隨著數(shù)據(jù)清洗，當(dāng)炒作周期繼續(xù)發(fā)揮著它的效應(yīng)時(shí)，更加清晰的是，數(shù)據(jù)工具和將模型投入生產(chǎn)變得比在一臺(tái)機(jī)器上從頭開始構(gòu)建ML算法更加重要，特別是隨著云資源可用性的爆炸式增長(zhǎng)。

顯而易見(jiàn)的是，在炒作周期的后期階段，數(shù)據(jù)科學(xué)將逐漸接近工程學(xué)，而數(shù)據(jù)科學(xué)家需要的技能不再主要基于可視化和統(tǒng)計(jì)學(xué)，而是更符合傳統(tǒng)的計(jì)算機(jī)科學(xué)課程：像單元測(cè)試和持續(xù)集成這樣的概念，很快就成了術(shù)語(yǔ)，并被用作數(shù)據(jù)科學(xué)家和從事ML工程的數(shù)值科學(xué)家常用的工具集。

這也導(dǎo)致了幾件事的發(fā)生：首先是“機(jī)器學(xué)習(xí)工程師”這個(gè)頭銜的崛起，在過(guò)去的3-4年里，它帶來(lái)了更多的聲望和更高的收入潛力。

其次，它導(dǎo)致了數(shù)據(jù)科學(xué)家職稱的嚴(yán)重縮水。由于數(shù)據(jù)科學(xué)家職稱的聲望，像Lyft這樣的公司會(huì)招聘這類職位，但要求擁有數(shù)據(jù)分析師的技能，這就造成了別扭的情況——數(shù)據(jù)科學(xué)的職位究竟需要做什么，又有多少職位提供給新入職的工作者。

我們作為資深從業(yè)者、記者、經(jīng)理、行業(yè)會(huì)議發(fā)言人、撰寫工作要求的人力資源經(jīng)理，仍然不能很好地解決這個(gè)重要的難題。

給新數(shù)據(jù)科學(xué)家的建議

因此，本著繼續(xù)為初學(xué)者提供建議的精神，我將給任何在2019年向我咨詢?nèi)绾芜M(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的人發(fā)送這封郵件。

這是一個(gè)兩步計(jì)劃：

不要一味追求數(shù)據(jù)科學(xué)的工作

為成為數(shù)據(jù)科學(xué)家做好準(zhǔn)備，而不是單單為了數(shù)據(jù)科學(xué)。調(diào)整你的技能組合。

這些聽起來(lái)真是令人沮喪!但是，讓我來(lái)詳細(xì)說(shuō)明這兩個(gè)問(wèn)題，希望它們看起來(lái)不那么黯淡。

謹(jǐn)慎選擇數(shù)據(jù)科學(xué)

鑒于每個(gè)初級(jí)崗位有50或100或200個(gè)人投簡(jiǎn)歷，因此不要與那些人競(jìng)爭(zhēng)。不必攻讀數(shù)據(jù)科學(xué)學(xué)位，不必參加訓(xùn)練營(yíng)（邊注：我見(jiàn)過(guò)的大多數(shù)訓(xùn)練營(yíng)都是效率低下的，他們?cè)诤芏痰臅r(shí)間內(nèi)讓求職者處理太多的信息，使得求職者無(wú)法有效地對(duì)數(shù)據(jù)科學(xué)有所了解，在這里我就不細(xì)說(shuō)了）。

不要做別人正在做的事情，因?yàn)檫@樣不能使你脫穎而出。你是在和一個(gè)堆積如山、過(guò)度飽和的行業(yè)競(jìng)爭(zhēng)，這只會(huì)讓事情變得更困難。在我之前提到的那份PWC報(bào)告中，數(shù)據(jù)科學(xué)職位的數(shù)量估計(jì)為5萬(wàn)。數(shù)據(jù)工程職位的數(shù)量為50萬(wàn)。而數(shù)據(jù)分析師的數(shù)量是12.5萬(wàn)。

通過(guò)“后門”進(jìn)入數(shù)據(jù)科學(xué)和技術(shù)的職位要容易得多，比如從做初級(jí)開發(fā)人員開始，或者從DevOps、項(xiàng)目管理開始，以及從事最相關(guān)的數(shù)據(jù)分析師、信息管理員等類似職位，而不是直接申請(qǐng)其他人也同時(shí)競(jìng)爭(zhēng)的5個(gè)崗位。這將花費(fèi)更長(zhǎng)的時(shí)間，但是在你從事數(shù)據(jù)科學(xué)工作的同時(shí)，也在學(xué)習(xí)對(duì)你的整個(gè)職業(yè)生涯至關(guān)重要的IT技能。

了解當(dāng)今數(shù)據(jù)科學(xué)所需的技能

下面是一些你在數(shù)據(jù)空間中實(shí)際需要處理的問(wèn)題:

創(chuàng)建Python包

將R語(yǔ)句投入實(shí)際生產(chǎn)

優(yōu)化Spark工作，使其更有效地運(yùn)行

版本控制數(shù)據(jù)

使模型和數(shù)據(jù)可復(fù)制

版本控制SQL

在數(shù)據(jù)湖中建立和維護(hù)干凈的數(shù)據(jù)

大規(guī)模時(shí)間序列預(yù)測(cè)工具

擴(kuò)展Jupyter筆記本的共享

考慮清洗數(shù)據(jù)的系統(tǒng)

大量的JSON

雖然在數(shù)據(jù)科學(xué)中有許多有趣的統(tǒng)計(jì)問(wèn)題需要考慮，但這些博客鏈接都沒(méi)有解決它們。盡管調(diào)整模型、可視化和分析占據(jù)了你作為數(shù)據(jù)科學(xué)家的部分時(shí)間，但數(shù)據(jù)科學(xué)一直主要的工作是如何得到可以直接使用的干凈數(shù)據(jù)。

所有這些博客文章有什么共同之處？那就是良好的數(shù)據(jù)背景下的各個(gè)工程技能。

你該如何準(zhǔn)備解決這些問(wèn)題，并為工作做好準(zhǔn)備？學(xué)習(xí)以下三種技能，它們都是基礎(chǔ)技能，并且相互之間有關(guān)聯(lián)，從入門到精通。

所有這些技能的真正關(guān)鍵之處在于，它們對(duì)于數(shù)據(jù)科學(xué)之外的軟件開發(fā)也是基礎(chǔ)和重要的，這意味著如果你找不到數(shù)據(jù)科學(xué)相關(guān)的工作，也可以快速地過(guò)渡到軟件開發(fā)或devops。我認(rèn)為這種靈活性與針對(duì)特定數(shù)據(jù)相關(guān)任務(wù)的培訓(xùn)同樣重要。

1.學(xué)習(xí)SQL

首先，我建議無(wú)論目標(biāo)是成為數(shù)據(jù)工程師、ML專家還是AI 專家，每個(gè)人都需要學(xué)習(xí)SQL。

SQL并不吸引人，它也不是我剛才列出的問(wèn)題的解決方案。但實(shí)際上，為了理解如何訪問(wèn)數(shù)據(jù)，你極有可能在某個(gè)地方遇到需要編寫一些SQL查詢并獲得答案的數(shù)據(jù)庫(kù)。

SQL非常強(qiáng)大且受歡迎，以至于NoSQL和鍵值存儲(chǔ)解決方案也在復(fù)現(xiàn)它。只需查看Presto、Athena，它們由Presto、BigQuery、KSQL、Pandas和Spark等等提供支持。如果你發(fā)現(xiàn)自己被大量的數(shù)據(jù)工具所淹沒(méi)，那么很可能有SQL是適合你的。而且，一旦你理解了SQL范式，就能更容易理解其他查詢語(yǔ)言，從而開辟一個(gè)全新的領(lǐng)域。

在學(xué)好SQL之后，下一步是了解數(shù)據(jù)庫(kù)如何工作以及為什這樣就可以學(xué)習(xí)優(yōu)化查詢。你不會(huì)成為數(shù)據(jù)庫(kù)開發(fā)人員，但是許多概念將延續(xù)到你的其他編程生活中。

2.學(xué)好編程語(yǔ)言、學(xué)習(xí)編程概念

前文我們談?wù)撨^(guò)如何學(xué)習(xí)SQL的問(wèn)題，當(dāng)你使用SQL的時(shí)候，你會(huì)有這樣一個(gè)疑問(wèn)，這樣的數(shù)據(jù)庫(kù)處理軟件，它是不是一個(gè)編程語(yǔ)言呢？答案是肯定的，不過(guò)它屬于聲明式編程。你可以指定所需要的輸出（就是你想從數(shù)據(jù)表中把哪幾列提取出來(lái)），但沒(méi)法控制它用什么方式把結(jié)果反饋。SQL抽象出大量發(fā)生在數(shù)據(jù)庫(kù)內(nèi)的信息。

與之相對(duì)的，如果你需要一種可以指定數(shù)據(jù)從哪里、用什么方式被選取出來(lái)。像Java、Python、Scala、R、Go等等這些都是現(xiàn)在流行的面向?qū)ο蟮倪^(guò)程化語(yǔ)言。

大家現(xiàn)在對(duì)用哪種語(yǔ)言去做數(shù)據(jù)科學(xué)依舊有很多爭(zhēng)論，當(dāng)然也不會(huì)在這里指定一種語(yǔ)言是最合適的。但我想說(shuō)的是，在我的日常工作中，Python對(duì)我的幫助真的很大。作為一個(gè)初學(xué)者來(lái)說(shuō)，Python很容易上手，而且也是數(shù)據(jù)領(lǐng)域里最流行的編程語(yǔ)言。為什么這么說(shuō)呢，因?yàn)樗梢蕴幚砗芏鄶?shù)據(jù)問(wèn)題，如構(gòu)建一個(gè)模型放入到scikitlearn里、訪問(wèn)AWS API云平臺(tái)服務(wù)接口、制作網(wǎng)頁(yè)服務(wù)應(yīng)用、清洗數(shù)據(jù)、創(chuàng)建深度學(xué)習(xí)模型等等。而在統(tǒng)計(jì)領(lǐng)域里，R還是更為廣泛使用。

但同樣的，我還是建議不用去深究統(tǒng)計(jì)領(lǐng)域，Python基本可以滿足編程需求了。

當(dāng)然Python在大規(guī)模應(yīng)用、打包依賴關(guān)系、一些特定數(shù)字處理、特別是時(shí)間序列和R那樣開包即用（Python不像R有很多成型的功能包、更細(xì)致的統(tǒng)計(jì)功能模型） 等等問(wèn)題上也不是很適用。

如果你不選擇Python，那也沒(méi)什么問(wèn)題。但你應(yīng)該選擇一門語(yǔ)言讓你在數(shù)據(jù)科學(xué)之外的領(lǐng)域，一樣可以大展拳腳。舉個(gè)例子來(lái)說(shuō)，如果你的第一份工作是數(shù)據(jù)分析師、質(zhì)量保障員、初級(jí)的軟件開發(fā)人員或者其他崗位，這都將是作為你進(jìn)入這個(gè)行業(yè)的敲門磚。

如果說(shuō)一旦你選擇掌握某種編程語(yǔ)言，就會(huì)開始學(xué)習(xí)它的范式，研究它與整個(gè)計(jì)算機(jī)生態(tài)系統(tǒng)的關(guān)系。

在開始研究之后，你就會(huì)面對(duì)這樣一系列問(wèn)題。如何用你掌握的編程語(yǔ)言進(jìn)行面向?qū)ο缶幊蹋∣OP）？什么是面向?qū)ο缶幊?？如何讓你的代碼更簡(jiǎn)化？你使用的語(yǔ)言是通過(guò)什么樣依賴關(guān)系工作的？對(duì)你寫好的代碼如何打包，怎樣進(jìn)行版本控制、持續(xù)集成、模型部署？到哪里去找這種語(yǔ)言社區(qū)去交流學(xué)習(xí)，他們什么時(shí)候進(jìn)行交流研討會(huì)？

然后你需要做的就是不斷地了解這門語(yǔ)言，知道它的優(yōu)缺點(diǎn)，然后用這門語(yǔ)言做些有趣的編程，找到其中的樂(lè)趣。

然后就像武俠小說(shuō)里練就奇功一樣，當(dāng)你打通任通二脈，這種編程語(yǔ)言能力成為你身體的一部分，然后你就去學(xué)習(xí)第二種編程語(yǔ)言，它將會(huì)教給你更多關(guān)于語(yǔ)言設(shè)計(jì)、算法和模式的內(nèi)容，了解這個(gè)更豐富有趣的語(yǔ)言世界。

3.學(xué)會(huì)如何在云平臺(tái)進(jìn)行操作

現(xiàn)在你知道如何進(jìn)行編程，那下一步要做的就是把這些能力和理論推廣到云平臺(tái)上，跟其他編程者進(jìn)行共享。

現(xiàn)在云服務(wù)無(wú)處不在，很有可能你的下一份工作就是需要在云平臺(tái)上完成的。有了云技術(shù)，如果能夠搶先一步，就越容易走到前列，就比如現(xiàn)在有越來(lái)越多的機(jī)器學(xué)習(xí)范例轉(zhuǎn)移到了云服務(wù)供應(yīng)商（如亞馬遜的SageMaker、谷歌的Cloud AI、微軟的Azure Machine Learning），那上面會(huì)有更多現(xiàn)成的模板來(lái)實(shí)現(xiàn)你想要的算法、也有更多的公司數(shù)據(jù)會(huì)存儲(chǔ)在云上。

當(dāng)然你也有機(jī)會(huì)跟AWS行業(yè)領(lǐng)導(dǎo)者合作，但越來(lái)越多的地方開始使用Google Cloud云服務(wù)，還有一些較為保守的傳統(tǒng)企業(yè)也開始用Microsoft Azure云服務(wù)。我的建議是對(duì)這上文提到的三家云服務(wù)公司做一個(gè)用戶調(diào)查，然后選擇一個(gè)更適合你們的。云設(shè)計(jì)范式是通用的，所以你應(yīng)該更關(guān)心如何將服務(wù)連接在一起、如何將你使用的部分與云上其他應(yīng)用做邏輯隔離，以及如何解析處理大量的JSON。

一個(gè)很酷的事情是，現(xiàn)在三家云服務(wù)供應(yīng)商都開始提供他們的產(chǎn)品認(rèn)證。我通常不太相信認(rèn)證是知識(shí)獲取的標(biāo)志，但是你可以通過(guò)認(rèn)證學(xué)到云平臺(tái)很重要的工作原理，這也是工程里另一個(gè)組成部分——網(wǎng)絡(luò)。

所以在你找到下一份工作之前，可以有時(shí)間充分學(xué)習(xí)一下這三家的證書，并且在云平臺(tái)上自由發(fā)揮一下，也是不錯(cuò)的選擇。

還有一大部分我們沒(méi)有講到，就是“軟技能”（知道如何構(gòu)建、知道如何在工作環(huán)境下交流、知道其他人的需求）。這種能力與技術(shù)能力同樣重要，也有很多博客專門提到這種能力。

4、最后一步

現(xiàn)在深呼吸，我知道你已經(jīng)做好準(zhǔn)備了。

如果說(shuō)上面說(shuō)的內(nèi)容已經(jīng)足夠打動(dòng)你，說(shuō)明在2019年，你已經(jīng)做好成為一名數(shù)據(jù)科學(xué)家、或機(jī)器學(xué)習(xí)工程師、或云專家、AI法師的準(zhǔn)備了。

請(qǐng)記住，遵循這些建議的最終目標(biāo)是打敗那些具有數(shù)據(jù)科學(xué)學(xué)位、通過(guò)訓(xùn)練營(yíng)和通過(guò)教程的工作人員。

你想進(jìn)入這個(gè)行業(yè)，得到一個(gè)數(shù)據(jù)相關(guān)職位，朝你期待的工作而努力，并且盡可能多的了解整個(gè)科技行業(yè)的發(fā)展。

我的最后一點(diǎn)誠(chéng)懇建議和鼓勵(lì)是：這些東西對(duì)任何一個(gè)人來(lái)說(shuō)都相當(dāng)困難，而且看起來(lái)你需要了解成百上千的事情，永遠(yuǎn)不要失去信心。（不忘初心）

就像上面這個(gè)博客里，這個(gè)作者學(xué)習(xí)MOOC一開始都是幺蛾子，每個(gè)都是新東西，而且并沒(méi)有接觸過(guò)除了Windows以外其他操作系統(tǒng)，也沒(méi)有接觸過(guò)終端，但是經(jīng)過(guò)努力終于做出了自己想要的分類器。

所以她也說(shuō)到，在這個(gè)領(lǐng)域?qū)τ诿總€(gè)人來(lái)說(shuō)都不容易，任何事情都是挑戰(zhàn)，但是最終你都會(huì)克服并且一點(diǎn)點(diǎn)解決掉，你會(huì)發(fā)現(xiàn)車到山前必有路，柳暗花明又一村。

不要被分析問(wèn)題的困難所擊倒。從一個(gè)小問(wèn)題入手，積跬步以至千里，最終問(wèn)題會(huì)迎刃而解。告訴大家請(qǐng)記住，你的第一份在數(shù)據(jù)科學(xué)領(lǐng)域的工作不一定就是數(shù)據(jù)科學(xué)家。

我最喜歡的其中一本書是安妮.拉莫特的《Bird By Bird》，是一本關(guān)于寫作的書。很有趣的是，這本書的書名是作者的哥哥當(dāng)年不得不寫的一份讀書報(bào)告。

“三十年前，我十歲的哥哥正在努力寫一份關(guān)于鳥類的研究報(bào)告。他本來(lái)有三個(gè)月的時(shí)間進(jìn)行寫作，但是明天就要交了。我們?cè)诎亓职⑺沟募依镄∥堇?，哥哥他絞盡腦汁地寫那份報(bào)告，幾乎要留下眼淚，而他被這艱巨的任務(wù)禁錮在廚房餐桌旁，周圍散落著活頁(yè)紙、鉛筆和一些沒(méi)有開封過(guò)的鳥類書籍。這時(shí)候父親來(lái)到旁邊坐下，抱住哥哥的肩膀說(shuō)道，“Bird by bird，孩子。就是把鳥一個(gè)個(gè)列出來(lái)””

后來(lái)他就完成了。

不要讓天花亂墜宣傳信息壓倒你。不要因?yàn)槟切r(shí)髦的詞或者帶著MacBook那種時(shí)尚人士形象所蒙蔽。集中在一只鳥的身上，從那里開始。