很多同学来问君君 ， 虽然疫情肆虐 ， 严重影响了就业市场 ， 唯独一个神秘的职业——数据科学家 。

文章图片

作为Linkedin上增长最快的工作 ，数据科学的前景可谓是非常可观 ， 预计到2026年将创造1150万岗位 。
除此之外 ， 数据科学也是收入最高的行业之一 ， 根据Glassdoor网站统计 ， 数据科学家的平均年薪高达$113K 。

文章图片

又多金、岗位需求又大的神仙职业 ， 今天 君君就带大家来了解一下！！看看如果要胜任数据科学家 ， 你将要做哪些准备？
岗位需求
虽然名字叫“数据科学家” ， 但是你别被名字吓倒 ， 实际上 ， 数据科学家囊括了好几类职业——
Business Analyst(BA)
在数据行业 ， 最基础的职位就是Business Analyst(BA) 。 需要注意的是 ， 在真正的招聘过程中 ， Business Analyst 可能会按照Data Analyst的Title来招 。 这类岗位一般只要有基础的数学能力 ， Excel能力 ， 和基本的Business Scene ， 就有希望拿到面试 。
Data Analyst(DA)
Data Analyst(DA)与BA相比之下 ， 显得更Technical一点 ， 需要掌握SQL ， 有统计方面的知识 ， 以及会做一些简单的模型 ， 比如线性模型 ， 回归模型等 。
Data Scientist(DS)
如果想再更进一步 ， 去做Data Scientist(DS)的岗位 ， 除了掌握Data Analyst的技能 ， 还需要掌握Python ， Machine Learning ， 以及足够的编程技能 。
Research Scientist ， MLE
如果有PHD学位 ， 精通Research ， 或者很强的工程实践能力 ， 我们也可以考虑更上一层楼 ， 去做Research Scientist ， 或者做Machine Learning Engineer(MLE)也是不错的选择 。

文章图片

也如上图金字塔模型所示 ， 市场上 具有BA、DA技能的人占绝大多数 ， 这也意味着求职竞争会非常激烈；而当你掌握的技能足够多之后 ， 竞争的压力也在逐步递减 。
技能掌握
统计学知识
统计学是数据分析必须掌握的基础知识 。 在具体工作中 ， 寻找指标之间的相关性、设计ab测试、显著性检验、结果分析、预测建模等都需要一定的统计学知识 。
【人才缺口大、年薪百万的数据科学家了解一下？】面试的时候 ， 面试官一般会考察“什么是p－value 、什么是假设检验、什么type 1/2 error、怎么解决违背了假设的问题、怎么看模型好不好、怎么test假设有没有满足”等问题通常是考察的重点 。

文章图片

统计学知识
对于想要从事数据科学工作的同学来说 ， 机器学习是必学的学科 。
工作面试当中最重要的环节就是 ， 通过情景或者白板问答的方式考察申请者对于机器学习算法的理论及应用的了解 。
为了能够快速培养这方面的能力 ， 最好的准备方式就是在学习理论知识的同时 ， 通过课外的Project或者作业锻炼自己 ， 手动实现算法/建立机器学习训练Workflow的能力 。

文章图片

深度学习
深度学习（Deep Learning）是机器学习中的一个分支方法 。 一般特指学习高层数的网络结构 。
Deep Learning目前非常流行 ， 因为他们在图像 ， 视觉 ， 语音等各种应用中表现出了很好的Empirical Performance 。 并且在模型相当复杂 ， 数据特别大量的情况下 ， 依然可以达到很理想的学习速度 。