年薪20W+的資料科學家有哪些必備技能？先從Python資料分析開始！

去年我決定從傳統水利行業跨行到資料科學領域的時候，滿腦子都是困惑與擔心，猶豫放棄所學多年的專業知識值不值得，擔心萬一轉行失敗怎麼辦，糾結實際工作比想象中的難怎麼辦。

沒遇到指點迷津的大佬，只好網上各種搜，眾說紛紜，最後在「要不要轉行」這個問題上浪費了很長時間。在跨過這個坎之後，回頭來看以前那些問題，思路清晰很多。

一路走來，我也積累了不少有用的技巧，現在就將資料科學家必備的技能分享給大家！

在開始階段，相比具體的專業知識，更重要的是大方向把握。好比，你告訴我旅途上的風景有多麼多麼美，但我想先知道是哪條路，好判斷能不能去到。

1 .R程式設計

對於資料科學家來說， R的至少是所有分析工具最應該深入瞭解工具，因為R專為滿足資料科學需求而設計。你可以使用R來解決資料科學中遇到的任何問題，事實上，43%的資料科學家正在使用R來解決統計問題。然而，R有一個陡峭的學習曲線。如果你已經掌握了某種程式語言，那麼就會更難學習。不過不要擔心， 網際網路 上還有很多資源可以幫助你開始使用 R，例如Simplilearn的R程式語言資料科學，它是有抱負的資料科學家的重要資源。

技術 技能 ：電腦科學

2.Python編碼

Python 是適合資料科學家學習的一種優秀程式語言，也是我在資料科學角色中看到的最常見的編碼語言，其中還有 Java，Perl或C/C ++。O'Reilly曾經調查過資料科學家，調查的受訪者中有40%使用Python作為他們的主要程式語言。

由於 python的多功能性，你可以將其用於資料科學過程中涉及的幾乎所有步驟。它可以採用各種格式的資料，同時可以輕鬆地將 SQL 表匯入程式碼中，並且還允許你建立資料集，這樣你就可以在 Google 上找到所需的任何型別的資料集。

3.Hadoop平臺

雖然這個不是硬性要求，但在許多情況下它是非常有用的，擁有 Hive或Pig的經驗也是一個很好的加分項。CrowdFlower對3490個LinkedIn上資料科學工作者進行的一項研究發現Apache Hadoop被評為資料科學家第二重要技能。

作為資料科學家，你可能會遇到這樣的情況，即你擁有的資料量超過系統記憶體或需要將資料傳送到不同的伺服器，這時 Hadoop就能發揮其作用了。你可以使用Hadoop快速將資料傳輸到各種系統上的點。同時你還可以使用Hadoop進行資料探索、資料過濾、資料取樣和彙總。

4.SQL資料庫/編碼

儘管 NoSQL和Hadoop已經成為資料科學的一個重要組成部分，但大多數人還是希望能夠在SQL中編寫和執行復雜查詢。SQL(結構化查詢語言)是一種程式語言，可以幫助你執行新增，刪除和從 資料庫 中提取資料等操作。它還可以幫助你執行分析功能和轉換資料庫結構。

作為資料科學家，你需要精通 SQL，因為SQL可以專門用於幫助你訪問和處理資料。當你使用它來查詢資料庫時你會發現，它簡潔的命令可以幫助你節省時間並減少執行困難查詢所需的程式設計量。學習SQL將幫助你更好地理解關聯式資料庫並提升你作為資料科學家的形象。

5.Apache Spark

Apache Spark正在成為全球最受歡迎的大資料技術。它就像Hadoop一樣是一個大資料計算框架，唯一的區別是Spark比Hadoop更快。這是因為Hadoop需要讀取和寫入磁碟，這使得速度變慢，但Spark將其計算快取在記憶體中。

Apache Spark專為資料科學而設計，它可以幫助更快地執行復雜的演算法。它還有助於資料科學家處理複雜的非結構化資料集，你可以在一臺機器或一組機器上使用它。Apache spark使資料科學家能夠防止資料科學中的資料丟失。Apache Spark的優勢在於其速度和平臺，這使得開展資料科學專案變得容易。藉助Apache spark，你可以執行從資料採集到分散式計算的分析。

6.機器學習和AI

大量資料科學家並不精通機器學習領域和技術，這包括神經網路，強化學習，對抗性學習等。如果你想從其他資料科學家中脫穎而出，你需要了解機器學習技術，如監督機器學習、決策樹、邏輯迴歸等。這些技能將幫助你解決基於主要組織結果預測的不同資料科學問題。

資料科學需要應用於機器學習的不同領域。 Kaggle在其中一項調查中發現，一小部分資料專業人員具備先進的機器學習技能，如監督機器學習、無監督機器學習、時間序列、自然語言處理、異常值檢測、計算機視覺、推薦引擎、強化學習和對抗性學習。

7.資料視覺化

商業世界經常產生大量資料，這些資料需要被翻譯成易於理解的格式。與原始資料相比，人們可以更自然地以圖表和圖形的形式理解資料，常言道： “一張圖片勝過千言萬語”。

作為資料科學家，你必須能夠藉助資料視覺化工具 (如ggplot，d3.js和Matplottlib以及Tableau)視覺化資料。這些工具將幫助你將專案中的複雜結果轉換為易於理解的格式。問題是，很多人不瞭解序列相關性或p值，你需要直觀地向他們展示這些術語在結果中的表示。

資料視覺化使組織有機會直接處理資料，他們可以快速掌握並且幫助他們在競爭中抓住新商機。

8.非結構化資料

資料科學家能夠處理非結構化資料至關重要。非結構化資料是未定義的內容，不適合資料庫表，其中包括影片、部落格 文章 、客戶評論、社交媒體帖子、音訊等。對這些型別的資料進行排序很困難，因為它們沒有邏輯可言。由於其複雜性，大多數人將非結構化資料稱為 “黑暗分析”。使用非結構化資料可以幫助你揭示對決策有用的洞察力。作為資料科學家，你必須能夠理解和操縱來自不同的平臺的非結構化資料。

9. 那麼 新手 應該 如何入行資料科學領域？

下面 這份報告中提出了一些資料科學老司機給新手學習者的建議，可以說是非常良心了！這一部分可能是本份報告中最有價值的部分，敲黑板劃重點！

“你們會推薦新手先學哪門語言？”

先學 Python！這是綜合了超一萬名老司機的意見給出的結論。

如何 入門 Python資料分析 呢？推薦大家一套Python資料科學的相關資料，需要的話可以給我留言！