在2017年人工智能的爆發(fā)年，對于機器學(xué)習(xí)領(lǐng)域的有價值，含金量搞得知識和技能有哪些呢？一起來看看吧！

　　一、來自Vladimir Novakovski的回答：

　　對機器學(xué)習(xí)做出最大貢獻(xiàn)的通常都是通才。特別是在2017年，有很多關(guān)于機器學(xué)習(xí)的大肆炒作。很多求職者在網(wǎng)上學(xué)習(xí)一些深度學(xué)習(xí)的課程，這讓我想起20世紀(jì)90年代時，有很多人不去讀計算機科學(xué)教材，而是去讀一些號稱“20天學(xué)會VBScript”的速成書籍。（其實今天依然有這樣的人）

　　依舊重要的技能包括：（a）了解統(tǒng)計學(xué)、優(yōu)化、建立量化模型的基本原理;（b）了解模型和數(shù)據(jù)分析是如何實際應(yīng)用到產(chǎn)品和業(yè)務(wù)中的。

　　除了上述兩點以外，以下幾點技能在2017年也至關(guān)重要：

　　知道如何編寫高質(zhì)量的軟件。 一個團隊編寫質(zhì)量垃圾的軟件，另一個團隊負(fù)責(zé)完善的時代已經(jīng)過去了。使用Python和R這樣的編程語言和它們的軟件包，可以輕松處理數(shù)據(jù)和模型，因此數(shù)據(jù)科學(xué)家和機器學(xué)習(xí)工程師應(yīng)該能夠具備較高水平的編程能力，并了解系統(tǒng)設(shè)計的基礎(chǔ)知識。

　　使用大型數(shù)據(jù)集。雖然“大數(shù)據(jù)”這個術(shù)語使用的太過頻繁，但數(shù)據(jù)存儲的成本確實呈現(xiàn)急劇下降趨勢。這意味著愈來愈多的來自不同領(lǐng)域的數(shù)據(jù)集在處理和應(yīng)用模型。

　　是的，一旦你對一些知識有基本的理解和相應(yīng)的技術(shù)水平后，了解至少一個熱門領(lǐng)域，例如計算機視覺和感知的深度學(xué)習(xí)、推薦引擎、NLP（自然語言處理）等，都會對你大有裨益。

　　二、來自Shivam Kohli 的回答：

　　技能#1：編程

　　這也許是數(shù)據(jù)科學(xué)家必備的最基本的技能——數(shù)據(jù)科學(xué)家的工作要比傳統(tǒng)統(tǒng)計學(xué)家的工作實際的多。編程在許多方面都很重要，包括以下三點：

　　編程能增強你做數(shù)據(jù)統(tǒng)計的能力。如果你有一大堆統(tǒng)計數(shù)據(jù)，但卻沒有辦法去處理，那么你的統(tǒng)計知識將無用武之地。

　　編程能使你有分析大型數(shù)據(jù)集的能力。你在業(yè)界工作的數(shù)據(jù)集并不像樣本iris數(shù)據(jù)集（Iris數(shù)據(jù)集是常用的分類實驗數(shù)據(jù)集，由Fisher， 1936收集整理。）那么小可愛，你能輕松獲得數(shù)以百萬計甚至更多的數(shù)據(jù)。

　　通過編程，你可以創(chuàng)建更好的數(shù)據(jù)處理工具。這包括建立數(shù)據(jù)的可視化系統(tǒng)，創(chuàng)建自動分析實驗的框架，以及管理公司的數(shù)據(jù)流，以便所需的數(shù)據(jù)可以手到擒來。

　　技能#2：定量分析

　　定量分析是數(shù)據(jù)科學(xué)家必備的核心技能。數(shù)據(jù)科學(xué)的大部分內(nèi)容是通過分析自然科學(xué)和實驗所產(chǎn)生的數(shù)據(jù)來理解一個特別復(fù)雜的科學(xué)系統(tǒng)的行為。定量分析技能在許多方面都很重要，包括以下三點：

　　試驗設(shè)計和分析：特別是對從事消費互聯(lián)網(wǎng)應(yīng)用的數(shù)據(jù)科學(xué)家—數(shù)據(jù)記錄的方式和實驗的運行方式，為大量的實驗測試各種假設(shè)提供了途徑。實驗分析是很可能出錯的（這一點可以詢問任何統(tǒng)計學(xué)家），因此，在這方面，數(shù)據(jù)科學(xué)家可以提供很多幫助。

　　復(fù)雜型經(jīng)濟/增長系統(tǒng)建模：一些經(jīng)典建模是較為常見的，如客戶流失模型或客戶終身價值模型。更復(fù)雜的建模，如供應(yīng)和需求建模，匹配供應(yīng)商和供應(yīng)商之間經(jīng)濟最優(yōu)方法，以及建模公司的增長渠道，來更好的量化分析哪些增長途徑最有價值。最著名的例子是Uber的價格飆升建模。

　　機器學(xué)習(xí)：即使沒有實現(xiàn)機器學(xué)習(xí)模型，對于數(shù)據(jù)科學(xué)家來說，他們也可以提供幫助創(chuàng)建原型來測試假設(shè)，選擇和創(chuàng)造的功能，以及判定現(xiàn)有機器學(xué)習(xí)系統(tǒng)中的優(yōu)勢和在該領(lǐng)域的機會。

　　哪些數(shù)據(jù)科學(xué)領(lǐng)域的人員對這項技能最有需求呢？1。物理學(xué)家2。統(tǒng)計學(xué)家3。經(jīng)濟學(xué)家4。運籌學(xué)家5。更多，他們非常習(xí)慣通過自上而下的方法（模型）或自下而上的方法來理解復(fù)雜的系統(tǒng)（數(shù)據(jù)推斷）。

　　技能#3：產(chǎn)品直覺

　　產(chǎn)品直覺是一種技能，它與數(shù)據(jù)科學(xué)家對系統(tǒng)進(jìn)行定量分析的能力有關(guān)。產(chǎn)品知識意味著要理解生成數(shù)據(jù)科學(xué)家分析的所有數(shù)據(jù)的復(fù)雜系統(tǒng)。這個技能的重要性體現(xiàn)在：

　　產(chǎn)生假設(shè)：一個非常了解產(chǎn)品的數(shù)據(jù)科學(xué)家可以用一種特定的方式改變系統(tǒng)的行為方式。假設(shè)是基于“預(yù)感”關(guān)于系統(tǒng)的某些方面如何表現(xiàn)，你需要知道系統(tǒng)對它是如何工作的有預(yù)感。

　　定義度量標(biāo)準(zhǔn)：傳統(tǒng)的分析技能集包括確定公司可以用來跟蹤特定目標(biāo)成功的主要和次要指標(biāo)。數(shù)據(jù)科學(xué)家需要了解產(chǎn)品，以便創(chuàng)建兩個產(chǎn)品指標(biāo)：1。衡量意圖2。衡量具有推動價值的東西。

　　調(diào)試分析：“難以置信”的結(jié)果常常是由于系統(tǒng)的“令人難以置信”的特性而引起的。良好的產(chǎn)品知識有助于提升產(chǎn)品檢查速度，幫助更快地識別出可能出錯的東西。

　　產(chǎn)品知識通常包括使用公司創(chuàng)造的產(chǎn)品。如果那是不可能的，那么至少試著去了解那些實際使用產(chǎn)品的人。

　　技能#4：溝通能力

　　這項技能很重要，有助于顯著提高上述所有技能的影響力。這一點特別重要，是區(qū)別好的數(shù)據(jù)科學(xué)家和偉大的數(shù)據(jù)科學(xué)家的重要標(biāo)準(zhǔn)。良好的溝通可以以多種方式體現(xiàn)，包括：

　　溝通見解：一些數(shù)據(jù)科學(xué)家將其稱之為“講故事”。這里最重要的是以清晰、簡明和有效的方式交流見解，以便公司中的其他人能夠有效地理解這些見解。

　　數(shù)據(jù)可視化呈現(xiàn)：一幅清楚明晰的圖表勝過千言萬語。

　　總體溝通：作為一名數(shù)據(jù)科學(xué)家，幾乎總是意味著作為一個團隊在工作，包括與工程師、設(shè)計師、產(chǎn)品經(jīng)理、運營人員以及更多的角色合作。良好的總體溝通有助于促進(jìn)信任和理解，對于被委托管理數(shù)據(jù)的人來說，這是極其重要的。

　　技能#5：團隊合作

　　最后這項技能將以上4個技能連接起來。特別是數(shù)據(jù)科學(xué)家不能孤立地存在，要依靠團隊工作。從我所看到的，數(shù)據(jù)科學(xué)家深入到公司的方方面面（或者至少存在于產(chǎn)品開發(fā)組織中）時，結(jié)果做得最好。

　　團隊合作之所以重要，有很多原因，包括：

　　無私：這包括為他人提供幫助和指導(dǎo)，并將公司的使命放在自己的個人職業(yè)生涯野心之上。

　　不斷迭代：數(shù)據(jù)科學(xué)家重視反饋，他們的大部分工作都需要與其他人進(jìn)行反復(fù)迭代和反饋，以達(dá)成有影響力的解決方案。

　　與他人分享知識：由于數(shù)據(jù)科學(xué)職業(yè)是一個新近出現(xiàn)的工作，基本上沒有人具備完整的技能，尤其是當(dāng)你需要收集所有可能有用的統(tǒng)計技術(shù)、框架、庫、語言和工具時。由于知識可能分散在不同數(shù)據(jù)科學(xué)家及其組織中，因此對于數(shù)據(jù)科學(xué)家來說，不斷地分享他們的知識、方法和成果尤其有用。