开启数据科学职业生涯的8个基本技巧

下面让我们开始吧！

但是，如果你不清楚这些职位之间的区别或者你不确定自己应该怎么做？那么我建议：

与业内人士交流，弄清楚每个角色的工作职责。

接受他人的指导，占用他们少量时间向他们提出相关的问题。我相信没有人会拒绝帮助有需要的人！

弄清楚你自己想要什么、擅长什么，并选择适合于你自己的角色。

你可以选择免费的MOOC（译者注：massive open online courses，大型开放式网络课程），或加入认证计划。

当你学习一门课程的时候，要积极主动地去学习。顺着课程、作业和课程中的讨论一步一步进行。

这里有一些不错的网络课程：

<a href="https://www.edx.org/course/analytics-edge-mitx-15-071x-3">edX上的Analytics Edge</a>

<a href="https://www.coursera.org/learn/machine-learning">Andrew Ng的机器学习课程</a>

正如我之前提到过的，理解你所追求的方向非常重要。此时，你要面对的一个难题是：我应该选择哪种语言和工具？

现在你已经知道自己想要选择哪个角色，并且已经准备好了，下一件重要的事情就是加入一个兴趣组。为什么这很重要？因为一个兴趣组能激发你的动力，让你与时俱进。

这里有一些不错的兴趣组：

<a href="https://discuss.analyticsvidhya.com/">Analytics Vidhya</a>

<a href="https://stackexchange.com/">StackExchange</a>

<a href="https://www.reddit.com/">Reddit</a>

在参加课程学习和培训的同时，你应该关注一下与你当前正在学习的知识相关的实际应用。这不仅可以帮助你理解相关的概念，还可以让你更深入地了解它是如何在现实中得到应用的。

在参加课程时，你应该做到以下这几点：

完成所有的练习和作业来理解相关的应用。加入讨论组，提问和回答问题。

研究一些开放的数据集并应用到你的学习中。

永远不要停止学习，你必须掌握你能找到的每一个知识点。最有用的信息常常来源于知名数据科学家的博客。这些数据科学家在社区中非常活跃，并会随着行业的发展不断更新他们的追随者。

<a href="http://www.wildml.com/">WildML</a>

<a href="https://cds.nyu.edu/newsletter/">纽约大学</a>

<a href="http://www.kdnuggets.com/">KDnuggets新闻</a>

人们通常认为，只要自己在技术上很优秀，就一定能通过面试。这实际上并不一定。面试官在听完你的介绍后说了声“谢谢”，也许就是拒绝了你。

当你从事这个行业工作时，沟通技巧甚至更为重要。为了有效地与同事分享你的想法，或者在会议中证明你的观点，你应该知道如何高效地进行交流。

一开始，你应该把自己的重点放在学习上。如果在最开始的时候就做太多的事情，那么最终可能会让你放弃这一切。

关系网可能会：

向你提供你所感兴趣领域正在发生的事情和内部信息。

提供指导和支持。

帮助你寻找工作。

文章原标题《8 Essential Tips for People Starting a Career in Data Science》，作者： Faizan Shaikh，译者：夏天，审校：主题曲。