转载

天龙八步:8步让你变成数据科学家.

大数据文摘授权转载

编译：焦剑，康欣;

校对：孙沁(Kiki)；

大数据文摘[微信ID: BigDataDigest]

OK, 这些步骤不是那么简单。但是，它们都是可操作的，并且大多数步骤都是免费或者花钱很少，只是要你投入时间。

首先，什么是数据科学家？ 数据科学 ，是一个多学科知识的交集，甚至包括黑客技巧。 数据科学家 ，是比软件工程师更擅长统计学，比统计学家更擅长软件工程的人。目前，数据科学家的 典型教育背景 是：高中5%，技校5%，大专14%，本科37%，硕士/专业学位31%，博士9%。

天龙八步:8步让你变成数据科学家.

第一步：学好统计、数学和机器学习

数学：可汗学院（Khan Academy）的数学，MIT公开课的线性代数；统计学：Udacity和Openintro；机器学习：Stanford在线中吴恩达（Andrew NG）的机器学习，Coursera上John Hopkins的实用机器学习

第二步：学习编写代码

掌握计算机科学的基础知识；掌握从头至尾的开发过程（end-to-end development），因为你做的东西终将被整合到其它系统中；确定你的首选编程语言，开源的R , Python等，商业软件SAS, SPSS等。用DataCamp, tryR, Codecademy和Google Class进行交互式学习。

天龙八步:8步让你变成数据科学家.

第三步：理解数据库

作为学生，你会经常与文本数据打交道。但是，一旦进入该领域，你会发现该领域几乎都是用数据库存储数据，如MySQL, Postgres, CouchDB, MongoDB, Cassandra等。

第四步：掌握数据整理、可视化和报表制作

1）数据整理，是将原始数据转换成方便实用的格式。可自学Coursera中John Hopkins的Getting and Cleaning Data课程，实用工具有DataWrangler和R。

2）数据可视化，是创建和研究数据的视觉表现。实用工具有ggvis, D3, vega。

3）数据报表，作为数据分析的最后一步，是将数据分析和结果制作成易于理解的报告。实用工具有Tableau, Spotfire和R Markdown。

天龙八步:8步让你变成数据科学家.

第五步：提升到大数据级别

当你开始处理网络级规模的数据时，数据分析的基本方法和过程就都改变了。绝大多数的数据科学家要解决的问题，都无法在单机上完成。他们面对的是需要分布式处理的大型数据集，使用的工具是Hadoop，MapReduce，Apache Spark。

天龙八步:8步让你变成数据科学家.

第六步：获得经验、实践，结交大牛

［古人云：］熟能生巧！你可以参加比赛，结交数据科学专家，通过小项目小试牛刀，培养自己的直觉。

天龙八步:8步让你变成数据科学家.

第七步：实习、实战、或找份工作

甄别自己是不是一个真正的数据科学家的最佳途径，就是用你新学的知识迎难而上，进入数据分析的丛林。

第八步：关注并参与社区

关注网站：DataTau, Kdnuggets, fivethirtyeight, datascience101, r-bloggers；关注大牛：Hilary Mason, David Smith, Nate Silver, dj patil; 需要数据？上quandl看看。

天龙八步:8步让你变成数据科学家.

完整信息图

天龙八步:8步让你变成数据科学家.

来源：

1. http://blog.datacamp.com/how-to-become-a-data-scientist/

2. http://blog.datacamp.com/wp-content/uploads/2014/08/How-to-become-a-data-scientist.jpg

【译者简介】

焦剑：小牙医一名，因课题原因接触大数据，现正在努力学习相关知识中，希望在这里与大家交流学习。

孙沁(Kiki)： 美国留学五年，现为Emory University生物统计在读硕士。对Clinical Trails, Cancer Prevention, HIV/AIDS以及Food Science/Nutrition的领域很感兴趣。毕业后希望在Pharmaceutical, Biotechnological Healthcare Industry或者Hospital工作，也想尝试医疗健康方向的咨询工作(Life Science Consulting)。希望结交对医疗数据有兴趣的朋友，也希望大家帮忙推荐此方向的实习和工作机会给我。

康欣： 博士，西门子中国研究院高级研究员。多年从事图像及数据处理和分析、计算机视觉、模式识别、机器学习、增强现实等领域的技术研究和创新应用。希望借此平台，与大数据分析爱好者以及专家学者交流。

更多相关知识请回复“ 数据科学家 ”。