數據科學家泰勒·理查茲@臉書

大約每個月，我都會收到一封電子郵件，問我如何進入數據科學，我已經回答得夠多了，所以我決定把它寫在這里，這樣我就可以把人們鏈接到它。所以如果你是這些學生中的一員，歡迎！

我將把它分成基本的建議，如果你只在谷歌上搜索“如何進入數據科學”，就可以很容易地找到這些建議，以及不太常見的建議，但我多年來發現這些建議非常有用。我將從后者開始，然后轉向基本建議。顯然，對此要半信半疑，因為所有的建議都帶有一點生存偏見。

較少的基本建議:

1。查找堅實的社區

如果你在大學里，在那里的一半意義是找到像你這樣聰明、有抱負、有動力的人來學習和成長。對我的母校來說，這個社區是數據科學和信息學俱樂部。社區/網絡幫助你開始，讓你保持動力，并且是獲得實習和長期全職工作的關鍵。

2。將數據科學應用于您喜歡的事物

擅長任何事情都很難（杜），將數據科學應用到你關心的領域或領域可以幫助你保持動力并脫穎而出。我舉了幾個例子：Usinguf（母校）的學生政府選舉，學習機器學習方法，或者通過記錄我們的乒乓球比賽來跟蹤我朋友的Elo成績。這些項目教會了我基本的技能，但沒有明顯的工作感覺。

獲得代表你將來想要執行的工作的有用的實踐是至關重要的，因為通過這種實踐，你只能得到兩件事中的一件：

a.意識到你實際上并不喜歡這種類型的數據科學，在這種情況下，你應該立即停止閱讀

B.你可以很容易地寫（博客）或談論（給想付錢給你的人）的寶貴經驗

這就引出了我的下一個觀點。

3。盡量減少“能力證明點擊”

招聘人員會花15秒在你的簡歷上，潛在團隊會花1-5分鐘（最多）在你的簡歷+網站/GitHub上（訪問者tomy投資組合網站平均會花2分16秒再繼續）。這兩個群體都經常使用GPA、學校質量或科技公司數據的經驗等能力指標（我稱之為身份證明）。因此，你應該仔細考慮向讀者發出信號所需的時間，告訴他們你可以做他們想招聘的任何工作。要考慮的一個粗略指標是點擊證明能力。

如果招聘人員不得不點擊Github中正確的存儲庫，然后點擊文件，直到他們發現Jupyter筆記本中有不可讀的代碼（但沒有注釋），你就已經輸了。如果招聘人員在你的簡歷上看到機器學習，但你需要點擊5次才能看到任何ML產品或代碼，你就已經輸了。任何人都可以在簡歷上撒謊；用一個觀點來迅速引導讀者的注意力，你就會處于一個明顯更好的位置。

在我的網站上，我想優化這個指標的方式非常清楚。瀏覽文本大約需要10秒鐘（我敢打賭大多數人不會一直讀下去），然后人們可以立即選擇一個數據科學項目來查看，這些項目根據它們展示我所能做的工作的程度進行排序。對于在DS中開始，我強烈建議制作一個網站（即使是一個引導模板網站也很好），并將其托管在Github頁面或heroku上。

4。通過研究或入門級工作學習

在你做了這三件事之后，看看你是否能說服某人付錢給你學習數據科學。我喜歡UF有一個很棒的選舉數據科學小組（麥克唐納博士和史密斯博士目前負責），但如果你去任何一個研究小組采訪他們，他們可能會為你的工作付錢。最終，有了這樣的經驗，你就可以申請實習并獲得豐厚的報酬。這里的關鍵是不要一開始就尋找那些令人難以置信的花哨的DS實習機會，而是在當地有數據科學任務但沒有足夠的錢雇傭一名全職數據科學家的公司或研究小組。數據科學學習快速復合，所以現在就開始吧！考慮到所有這些，讓我們繼續討論更基本的建議。

非?；镜慕ㄗh:

數據科學主要是應用于任何領域的編程和統計，所以這兩個領域的背景是至關重要的。

1。統計信息

盡快獲得一個良好的統計背景（參加課程，在線學習）。教科書會帶你走得更遠，好奇心會帶你走得更遠。

書籍/資源：

• 裸體統計（基礎、付費）
• 統計學習概論（教科書，免費）
• 統計與概率：可汗學院（基礎，免費）

2。編程

學習Python或R，并真正擅長它。每天做一些新的事情，每周至少花5-10個小時在上面。在此之后學習SQL。你不能跳過這個。

書籍/資源：

• 數據科學R（免費）
• 機器學習Python食譜（付費）
• 數據科學從無到有（付費）
• 數據分析的SQL教程（免費）
• 介紹Comp Sci和Python編程（麻省理工學院課程，免費）

3。業務經驗

在寶潔，我的數據科學工作被應用于零售業。在臉書，誠信問題。保護民主，呃，民主。學習數據科學在某些業務環境中的應用是很困難的，需要實踐，并且通常涉及到對度量、產品分析和激勵結構的扎實理解。這非常符合第二個不太基本的建議。

總結

學習數據科學很難，但我發現它非常有價值。我給你的最后一個提議，作為閱讀這篇長篇文章的交換，是說一旦你把數據科學應用到你感興趣的問題上，并把它發布到網上的某個地方，在推特上把它寫給我，我保證會閱讀并轉發它。祝你好運！