商科转向工程并成为一名数据科学家的
商科转向工程并成为一名数据科学家的？
因此，在这个故事中，我将深入研究我的个人旅程，并与您分享我遵循的步骤、面临的挑战以及我获得的宝贵经验，这些课程促使我直接成为一名技术领域的数据科学家。
成为数据科学家没有一种特定的方法。俗话说，条条大路通罗马。但是，我在这里分享可以做到这一点的多种方法之一。
特别是对于那些从商业学位开始并且几乎没有科学背景的人。
就业市场上的边界是模糊的，知道你想成为哪种类型的数据科学家将影响你需要具备的技能。
最常见的数据科学家原型是：
-
数据/决策科学家： 利用数据产生见解和价值，从而推动决策。通常需要了解机器学习。
-
研究数据科学家：将机器学习模型作为产品开发。具有强大的数学背景是非常需要的。它主要是技术博士（但不仅如此）所占据的角色。
-
数据科学家/机器学习工程师：决策和研究数据科学家的交叉角色。
在我的文章中，我将主要关注我成为技术数据/决策科学家的旅程，根据我的经验，这似乎是最主要的数据类型。
为什么 在深入研究如何之前，我们首先需要为原因奠定基础。 相信我，如果你从一开始就不明白你为什么直截了当，你就不会走得太远。
成为数据科学家的旅程充满挑战，但肯定也是最有价值的旅程之一。事实上，数据科学家拥有当今最酷和最令人垂涎的工作之一的原因清单很长。现在，我将专注于位于我列表顶部的那个。
对于任何问我为什么选择数据科学的人？无论是在面试中还是只是好奇的人，我的回答总是相同的。 我想成为一名侦探，所以我决定成为一名数据科学家。
您可能想知道这两者之间有什么关系？ 我见过的第一批数据科学家立刻觉得他们体现了现代福尔摩斯的样子。
数据科学家每天都在利用知识来解决难题。最终，他们把大部分时间花在研究数字上，为只有敏锐的分析头脑才能解决的复杂问题提供解决方案。这正是侦探所做的。
我有时如何想象自己 我有时如何想象自己——阿列克谢·图伦科夫（Alexey Turenkov）在Unsplash上的照片 在经历了福尔摩斯的冒险之后，我一直有一种深深的兴奋感。他不安地追寻着一条又一条线索，直到谜团被揭开。我想成为像他一样的冒险家。但我几乎想象自己放弃学业去和警察一起破案。
我想这感觉有点太极端了，不符合我的口味，我有点希望不要在生命的早期与坏人对抗。因此，作为一名数据科学家感觉两全其美。
只是过了一段时间，这种顿悟才开始。到那时，成为一名商业学位感觉与我当时所追求的有很大的不同——商业学位。
回想起来，我和福尔摩斯唯一的共同点是我一头扎进看似不可能的任务的诀窍。考虑到我对编码的经验为零，它们很牵强。
但我几乎不知道，拥抱这种信仰的飞跃将是我追求我生命中最大的激情的金票：音乐。
步骤 1 — 面对和拥抱数学怪物
尽管长期以来一直对科学着迷，但上帝并不认为我配得上轻松破译科学术语的高度独家礼物。我也没有完美的音高，但这与此无关。
所以，无论如何，毕业后，我自然而然地被这个地区大多数对科学科目很糟糕的无知高中生所做的事情所吸引——商业研究。
我与数学的关系相当动荡。我在高中时主修经济学。物理学让我觉得自己置身于平行宇宙中，数学概念听起来像是来自外星文明的密码。课程需要时间才能开始，但是..他们迟早会介入。有时，很晚。
我很早就知道，在我的行李里携带数学在某个时候会派上用场。所以我不会让我的科学缺陷阻止我做超出我能力的梦想。
在高中的最后一年，我决定一劳永逸地面对数学怪物。我把所有的精力都投入到驯服野兽上，直到它最终屈服。
这是一个改变游戏规则的时刻。
它给了我必要的信心，让我在大学期间除了主修商业专业外，还辅修数学。
在我辅修期间学习的所有数学课程中，这些是为解决数据科学和机器学习问题奠定基础的基础课程：
微积分
线性代数
统计与概率理论
对于所有害怕数学的灵魂，请记住，我们讨厌某件事的程度取决于我们在其中的表现有多差。我们越早在一门学科上进步和超越，我们的感知变化就越大。
所以，如果你的目标是成为一名坏蛋数据科学家，那么是时候直面数学怪物，向他展示谁是老板了！
生意显然不是我的使命。我太享受被数学怪物诱人的魔掌折磨了。因此，在我的最后一个学期，我深入研究了与数学相关的职业道路。
最终，我的搜索将我带到了数据科学领域。我抓住了一个实习数据分析师的机会，同时进入了纽约大学的城市信息学硕士（智能城市领域的应用数据科学的一个花哨的词）。
一系列其他里程碑中的第一个里程碑
第 2 步 — 建立编码直觉需要时间
您可能想知道一个没有任何编码经验的商科毕业生是如何设法进入工程学校的？嗯，还记得我在本科时上过的那些数学课程吗？
碰巧除了这 3 门课程之外，您不需要太多内容即可开始使用 ML（机器学习）。
纽约大学的学位是一个身临其境但紧张的12个月课程，我从一开始就被扔进了使用Python进行ML建模，
使用SQL构建数据库，并在Spark上争论大数据（或至少尝试）同时进行。
我在这里必须透明。从业务到工程的一夜之间转换是忙碌的。那一年感觉就像是自始至终几乎濒临死亡的经历。
第一次学习多种语言意味着要为每种编程语言培养独特的直觉，这需要时间。在压缩的时间范围内同时掌握所有这些，
沉重的学费岌岌可危（以及您家门口的大流行）不是我建议胆小的人的事情。
对于在此之前从未编写过一行代码的人来说，这感觉就像是我的大脑的巨大冲击波，完全超载。可怜的东西不知道我们是如何从管理原则到一夜之间运行全面的ML模型的。
事后看来，我会做的一件事是，在深入研究机器学习之前学习编码方式，而不是同时学习。
图片来源：作者（中途）
玩ML是一个爆炸，但这还远远不够。我仍然未能完全理解这些Python包的幕后情况。
除非你能够更深入地挖掘，否则你永远不会被认为是技术就业市场上真正的数据科学家。您必须流利地解释这些预打包的 ML 算法背后的底层机制。
所以我知道我必须了解这些机制，但到目前为止，我一年能取得的成就已经只有这么多了。
当时，COVID-19 开始发挥作用，美国的工作机会和我以前的编码技能一样不存在。所以我想我可以在学术界多用一年（或 2 年）。
我申请并被法国这个独特的双元制课程录取，该课程结合了数据科学的两全其美：商业和机器学习。
第 3 步 — 从库导入器到解释器：释放真正的数据科学家
事实证明，攻读这个学位是我一生中最好的决定之一。它促使我在法国顶尖的商学院和工程学院学习，这一壮举曾经似乎不可想象。
我从来都不是学校里最聪明的饼干，但我一直有穿越最崎岖道路的天赋。坚定和固执是我最重要的资产，所以我在生命的早期就把它们投入到工作中。
在這兩年轉變的年麗中，我學到了我甚至不知道我需要學習的數據科學材料。我一路上捡到的武器今天仍然指导着我，我在这里与大家分享：
了解 ML 算法背后的数学原理可以将专业人士与 Python 库用户区分开来。 我学会了如何证明数学证明，但我相信掌握理论背后的关键概念就足够了。无需直接干预方程本身。
精通Python和SQL是“技术中的数据科学”入门包中的一项基本技能。 为数据提取和构建管道需要停止使用通常由 SQL 提供支持的数据仓库（如 BigQuery）。
在花时间掌握这些Python基础知识的同时，您将帮助进行数据准备和分析。
您将需要线性代数和微积分来帮助您理解ML理论的基础知识，但没有什么比在您的工具箱中拥有统计学和概率概念更好的了。
统计数据在数据科学家的日常工作中有直接应用，因此最好确保您尽早了解统计显著性和概率分布的基础知识。
如果您不能将数据见解传达给非技术人员，那么它们就毫无价值。 对于数据科学家来说，提高讲故事的技能是一个持续的过程，所以最好尽早登船。 在与聪明的头脑和经验丰富的同行一起工作时培养韧性和耐心。冒名顶替综合症很容易蔓延，尤其是当您来自不同的背景时。
自我怀疑是一种讨厌的野兽，所以最好尽早熟悉它以摆脱它。
通过学习这些课程，我已经升级为数据科学家。他们为我提供了开始技术职业生涯所需的必要工具。
最好的程序员不一定是最好的数据科学家。为了在科技界成为一名数据科学家，来自商业背景，我了解到必须：
拥抱数学的不适。 掌握线性代数，微积分和统计与概率论的基础知识。 花点时间彻底学习Python和SQL。
避免用太多的编程框架压倒自己。
深入了解机器学习的数学基础，揭开预打包算法的神秘面纱。 准备好解释他们的机制。
从一开始就磨练你的讲故事技巧。 掌握以引人注目且易于理解的方式传达复杂概念的艺术。
将业务概念与从前面步骤中获得的知识集成在一起，以创建强大的组合。 过去，我低估了商业学士学位的价值。
我常常觉得自己花了数年时间走错了路。
但在加入Spotify后，我发现商业和数据科学专业知识的融合创造了最优秀的数据科学家。
真正的力量在于那些能够无缝驾驭这两个领域的人。你没有理由不成为他们中的一员！
它最终总是有回报的。
本文由 mdnice 多平台发布