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%。
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
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。
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。
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。
[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。
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。
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 ”。
友情推荐:数说互联网(ID: shushuoweb ),在这里,读懂数据;在这里,理解互联。
回复 “ 月光宝盒 ”, 开启精彩的数据人生 ;
数据分析 (ID: ecshujufenxi ) 是WeMedia自媒体成员之一,WeMedia是自媒体第一联盟,覆盖3000万人群。