想要從事數(shù)據(jù)科學(xué)，5種類型項目需要掌握

一年一度的秋招已經(jīng)打響了發(fā)令槍，從去年的薪酬排行來看，算法工程師和數(shù)據(jù)分析等工作排在前列，很多相關(guān)專業(yè)的學(xué)生一直在自學(xué)一些網(wǎng)絡(luò)上的公開課并閱讀一些專業(yè)書籍，比如“西瓜書”、“花書”等，如果你現(xiàn)在仍然什么也沒有準(zhǔn)備的話，然而還想從事數(shù)據(jù)科學(xué)領(lǐng)域這個似乎令人望而生畏的工作話，現(xiàn)在就要抓緊補補相關(guān)的知識了。在這里要提示一點，自我完善的知識不要局限于數(shù)據(jù)分析相關(guān)的知識，還要額外補充下相關(guān)領(lǐng)域的知識。另外，簡歷上展示個人技能的最佳方式是使用技能組合的形式，這樣能讓雇主相信你可以使用你已經(jīng)學(xué)習(xí)的技能。為了展示這些技能，以下是你應(yīng)該著重補充的5種數(shù)據(jù)科學(xué)項目組合類型：

1.數(shù)據(jù)清理

數(shù)據(jù)科學(xué)家預(yù)計在一個新項目的清理數(shù)據(jù)處理上花費多達(dá)80%的時間，這對于團(tuán)隊來說是一個巨大的代價。如果你可以證明你在數(shù)據(jù)清理方面經(jīng)驗豐富，那么你將立即變得更有價值。練習(xí)這項能力的方法是創(chuàng)建一個數(shù)據(jù)清理項目，找到一些混亂的數(shù)據(jù)集并開始進(jìn)行清理。

如果你使用Python語言進(jìn)行編程，那么Pandas是一個很好用的庫，如果你使用R語言編程，那么你可以使用dplyr數(shù)據(jù)包。你實踐的數(shù)據(jù)清洗項目應(yīng)該確保展示以下技能：

導(dǎo)入數(shù)據(jù)

加入多個數(shù)據(jù)集

檢測缺失值

檢測異常

輸入缺失的值

數(shù)據(jù)質(zhì)量保證

2.探索性數(shù)據(jù)分析

數(shù)據(jù)科學(xué)的另一個重要方面是探索性數(shù)據(jù)分析(EDA)，這是一個生成問題并用可視化方法對其進(jìn)行調(diào)查的過程。 EDA允許分析人員從數(shù)據(jù)中得出結(jié)論來推動業(yè)務(wù)影響，它可能包括基于客戶細(xì)分的有趣洞察，或基于季節(jié)效應(yīng)的銷售趨勢。通常你可以通過探索性數(shù)據(jù)分析來得到一些有趣的發(fā)現(xiàn)。

用于探索性分析的一些有用的Python庫有Pandas和Matplotlib。對于R用戶而言，ggplot2軟件包將會很有用。你實踐的EDA項目應(yīng)該顯示以下技能：

能夠制定相關(guān)的調(diào)查問題

識別趨勢

識別變量之間的協(xié)變

使用可視化有效地傳達(dá)結(jié)果(散點圖，直方圖，餅圖等)

3.交互式數(shù)據(jù)可視化

交互式數(shù)據(jù)可視化包括諸如儀表板之類的工具，這些工具對于數(shù)據(jù)科學(xué)團(tuán)隊以及更多面向業(yè)務(wù)的最終用戶都是很有用的。儀表盤允許數(shù)據(jù)科學(xué)團(tuán)隊進(jìn)行協(xié)作并共同繪制見解。更重要的是，它們?yōu)槊嫦蛏虡I(yè)的客戶提供了交互式工具，這些人專注于戰(zhàn)略目標(biāo)而不是技術(shù)細(xì)節(jié)。數(shù)據(jù)科學(xué)項目的交付成果往往以儀表板的形式出現(xiàn)。

對于Python用戶而言，Bokeh和Plotly庫是非常適合用來創(chuàng)建儀表板的。而對于R用戶，可以使用RStudio的Shiny軟件包。你實踐的儀表板項目應(yīng)該強調(diào)這些重要技能：

包括與客戶需求相關(guān)的指標(biāo)

創(chuàng)建有用的功能邏輯布局(易于掃描的“F模式”)

創(chuàng)建最佳刷新率

生成報告或其他自動操作

4.機器學(xué)習(xí)

機器學(xué)習(xí)項目是數(shù)據(jù)科學(xué)產(chǎn)品組合的另一個重要組成部分。現(xiàn)在，在開始進(jìn)行一些深度學(xué)習(xí)項目之前，請保持耐心。不要一開始就構(gòu)建復(fù)雜的機器學(xué)習(xí)模型，而要堅持從基礎(chǔ)知識開始學(xué)起。線性回歸和邏輯回歸是很好的開始，這些模型更容易解釋并能清晰地與上層管理人員溝通。此外，我還建議專注于具有業(yè)務(wù)影響的項目，例如預(yù)測客戶流失，欺詐檢測或貸款違約等，這些比預(yù)測花型更實用。

如果你是Python用戶，請使用Scikit-Learn學(xué)習(xí)庫。而對于R用戶，請使用Caret軟件包。你實踐的機器學(xué)習(xí)項目應(yīng)該傳達(dá)以下技能：

選擇使用某個具體機器學(xué)習(xí)模型的原因

將數(shù)據(jù)分成訓(xùn)練/測試集(k-fold交叉驗證)以避免過度擬合

選擇正確的評估指標(biāo)(AUC、adj-R ^ 2、混淆矩陣等)

特征工程和選擇

超參數(shù)調(diào)整

5.溝通

溝通是數(shù)據(jù)科學(xué)的一個重要方面，對于工科人員而言這點尤其欠缺。能夠有效地傳達(dá)結(jié)果是區(qū)分優(yōu)秀的數(shù)據(jù)科學(xué)家與偉大的數(shù)據(jù)科學(xué)家的重要衡量標(biāo)準(zhǔn)之一。無論你的模型多么華麗，如果你不能向隊友或顧客解釋它，你都不會得到他們的支持，就如同對牛彈琴一般?；脽羝蚇otebook都是很好的溝通工具，可以將你的機器學(xué)習(xí)項目按照項目過程以PPT的形式展示，也可以使用Jupyter Notebook或RMarkdown文件進(jìn)行溝通。

確保了解你的目標(biāo)受眾是誰，向高管呈現(xiàn)的內(nèi)容與向機器學(xué)習(xí)專家呈現(xiàn)的內(nèi)容二者是完全不同的。確保具備這些技能：

了解目標(biāo)受眾

提供相關(guān)的可視化

幻燈片不要寫太多的內(nèi)容

確保演示文稿流暢

將結(jié)果與業(yè)務(wù)影響聯(lián)系起來(降低成本，增加收入)

確保在Jupyter筆記本或RMarkdown文件中記錄自己的項目。然后，也可以使用Github 免費將這些Markdown文件轉(zhuǎn)換為靜態(tài)網(wǎng)站。這是向潛在雇主展示個人技能組合的好方法，即GitHub主頁或CSDN博客等。

最后，在求職的道路上請保持積極的態(tài)度，作為應(yīng)屆生，不要被一次次面試、筆試所擾亂心態(tài)，請保持繼續(xù)補充知識、練習(xí)項目并參加一些競賽等。不要慌張，秋招過去，還有春招，春招過去還有社招，只要你一直努力提升自己，相信最終會有好的結(jié)果等著你，希望你能夠快樂求職，并且在數(shù)據(jù)科學(xué)領(lǐng)域工作順心。