許多“如何將科學數據化”的課程和文章，包括我自己的課程和文章，都傾向于強調統計學、數學和編程等基本技能。然而，最近，我通過自己的經歷注意到，這些基本技能很難轉化為實際技能，從而使你能夠就業。

因此，我想創建一個唯一列表，其中包含實用技能，這些技能將使您具有工作能力。

我談到的前四項技能對任何數據科學家來說都是絕對關鍵的，無論你是什么專業的。以下技能（5-11）都是重要的技能，但用法會因你的專業而異。

例如，如果你最有統計基礎，你可能會花更多的時間在推斷統計上。相反，如果你對文本分析更感興趣，你可能會花更多的時間學習NLP，或者如果你對決策科學感興趣，你可能會專注于解釋性建模。你明白重點了。

說到這里，讓我們深入研究一下我認為最實用的11項數據科學技能：

1.編寫SQL查詢&構建數據管道

學習如何編寫健壯的SQL查詢，并在像Airflow這樣的工作流管理平臺上調度它們，將使您成為一名數據科學家，這是第1點的原因。

為什么？原因有很多：

1. 靈活性:像數據科學家這樣的公司可以做的不僅僅是建模數據。公司喜歡全棧數據科學家。如果您能夠介入并幫助構建核心數據管道，您將能夠改進收集的洞察力，構建更強大的報告，并最終使每個人的生活更加輕松。
2. 獨立性:在某些情況下，您需要一個不存在的模型或數據科學項目的表或視圖。能夠為您的項目編寫健壯的管道，而不是依賴于數據分析師或數據工程師，這將節省您的時間，并使您更有價值。

因此，作為數據科學家，您必須是SQL方面的專家。沒有例外。

資源

• 一個完整的15周的課程來掌握數據科學的SQL
• 模式SQL教程

2.數據爭論/特征工程

無論您是在構建模型、探索要構建的新特性，還是在進行深度挖掘，您都需要知道如何處理數據。

數據爭論意味著將數據從一種格式轉換為另一種格式。

特征工程是數據爭論的一種形式，但具體指從原始數據中提取特征。

如何操作數據并不重要，不管是使用Python還是SQL，但您應該能夠隨心所欲地操作數據（當然，在可能的參數范圍內）。

資源

• 面向機器學習的特征工程基本技術
• 發現特征工程，如何工程特征和如何獲得良好的It-機器學習掌握

3.版本控制/GitHub

當我說“版本控制”時，我特別指的是GitHub和Git。Git是世界上使用的主要版本控制系統，GitHub本質上是一個基于云的文件和文件夾存儲庫。

雖然Git不是一開始學習的最直觀的技能，但對于幾乎每一個與編碼相關的角色來說，了解它是必不可少的。為什么？

• 它允許您與其他人并行地在項目上進行協作和工作
• 它跟蹤代碼的所有版本（以防您需要恢復到舊版本）

花時間學習GIT。它會帶你走很遠的！

4.講故事（即溝通）

建造一個視覺上令人驚嘆的儀表板或一個精確度超過95%的復雜模型是一回事。但是如果你不能把你的項目的價值傳達給其他人，你就不會得到你應得的認可，最終，你的職業生涯就不會像你應該做的那樣成功。

講故事指的是你“如何”交流你的見解和模型。從概念上來說，如果你想一本圖畫書，洞察力/模型就是圖畫，而“講故事”指的是連接所有圖畫的敘述。

在科技界，講故事和交流是被嚴重低估的技能。從我職業生涯中所見，這種技能是大三學生與大四學生和經理人之間的區別。

5.回歸/分類

構建回歸和分類模型（即預測模型）并不是你總是要做的事情，但如果你是一名數據科學家，雇主會希望你知道這一點。

即使這不是你經常做的事情，也是你必須擅長的事情，因為你希望能夠構建高性能的模型。在我的職業生涯中，到目前為止，我只生產了兩個機器學習模型，但它們都是對業務產生重大影響的關鍵任務模型。

因此，您應該很好地理解數據準備技術、增強算法、超參數調優和模型評估度量。

資源

• 2021年你應該知道的所有機器學習算法
• 如何為機器學習模型準備數據

6.可解釋的人工智能/可解釋的機器學習

許多機器學習算法在很長一段時間內被認為是“黑箱”，因為不清楚這些模型是如何基于各自的輸入得出預測的。這種情況現在正在改變，因為廣泛采用了可解釋的機器學習技術，如SHAP和Lime。

SHAP和LIME是兩種技術，它們不僅告訴您每個特征的特征重要性，還告訴您對模型輸出的影響，類似于線性回歸方程中的系數。

使用SHAP和LIME，您可以創建解釋性模型，也可以更好地交流預測模型背后的邏輯。

資源

• Shap：解釋Python中的任何機器學習模型
• 用LIME理解模型預測

7.A/B測試（實驗）

a/B測試是一種實驗形式，您可以比較兩個不同的組，根據給定的指標，看看哪個組表現更好。

A/B測試可以說是企業界最實用、應用最廣泛的統計概念。為什么？A/B測試允許您將100s或1000s的小改進組合在一起，從而隨著時間的推移產生重大的變化和改進。

如果您對數據科學的統計方面感興趣，A/B測試對于理解和學習是必不可少的。

資源

• A/B檢驗。統計檢驗的完整指南

8.集群

就我個人而言，我在職業生涯中沒有使用過集群，但它是數據科學的核心領域，每個人至少都應該熟悉。

集群是有用的，原因有很多。您可以找到不同的客戶細分，您可以使用聚類來標記未標記的數據，您甚至可以使用聚類來為模型找到截止點。

下面是一些參考資料，介紹了您應該了解的最重要的集群技術。

資源

• 數據科學家需要知道的5種聚類算法
• 掌握Python機器學習的10種聚類算法

9.推薦系統

雖然我一生中還沒有構建過推薦系統，但它是數據科學中最實際的應用之一。推薦系統之所以如此強大，是因為它們有能力推動收入和利潤。事實上，亞馬遜聲稱在2019年，由于他們的推薦系統，他們的銷售額提高了29%。

因此，如果您曾經在一家公司工作，其中的用戶必須做出選擇，并且有許多選項可供選擇，推薦系統可能是一個有用的應用程序。

10.NLP

NLP，或自然語言處理，是人工智能的一個分支，專注于文本和語音。與機器學習不同，我認為NLP還遠未成熟，這正是它如此有趣的原因。

NLP有很多用例…

• 它可以用于情緒分析，以了解人們對一個企業或企業產品的感覺。
• 它可以通過分離正面和負面評論來監控一家公司的社交媒體。
• NLP是構建聊天機器人和虛擬助手的核心
• NLP還用于文本抽?。êY選文檔）

總的來說，NLP是數據科學世界中一個非常有趣和有用的利基領域。

資源

• 每個數據科學家都應該知道的10種NLP技術

11.衡量標準的制定

最近，數據科學家采用了度量開發的職責，因為表面度量依賴于1）數據來計算度量和2）代碼來計算和輸出度量。

度量開發涉及幾個方面：

1. 它涉及到選擇一個團隊或部門應該使用的正確度量來幫助他們監控他們的目標。
2. 它涉及澄清和建立為使度量標準成立而需要做出的任何假設。
3. 它包括開發度量，對其進行編碼，并建立一個管道來定期監控它。

我希望這有助于指導你的學習，并給你一些未來一年的方向。有很多東西要學，所以我肯定會選擇幾個聽起來對你來說最有趣的技能，然后從那里開始。

請記住，這更多的是一篇由軼事經驗支持的固執己見的文章，所以從這篇文章中獲取你想要的東西。但我一如既往地祝你在學習上取得最好的成績！