关于做一名数据科学家，我有一些想法。成为一名数据科学家并不容易，需要付出很多努力，但如果你对数据科学充满兴趣，那一切都是值得的。
时常有人问我：如何成为一名数据科学家？必修的课程是什么？需要多长时间？你是怎么成为数据科学家的？我已多次回答过这些问题。所以在我看来，写一篇汇总的文章也许能帮助那些想要成为数据科学家的人。
关于我自己
我（俄罗斯，莫斯科）在密歇根州立大学经济学院获得硕士学位，并在 ERP 系统规划领域做了 4 年的分析师和顾问。我的工作涉及与客户交谈，讨论他们的需求并将其落地，编写文档，向程序员说明任务，测试结果，组织项目和许多其它事情。
这是一项压力很大的工作，需要处理很多问题。更重要的是，我并不喜欢它。尽管我喜欢处理数据，但我做的大多数事情还是令人索然无味。所以，在 2016 年的春夏之交，我开始另谋出路。我通过了精益六西格玛（Lean Six Sigma）的绿带测试，但还未找到新的就业机会。有一天我发现了大数据（BigData）。在 google 上搜索和阅读了许多文章后，我意识到这可能是我的梦想职业。
我辞去工作，并在八个月后在一家银行找到了第一份数据科学家的工作。从那之后，我先后就职了几家公司，但我对数据科学的热情日益增加。我完成了一些关于机器学习和深度学习的课程，实践了一些项目（如聊天机器人或数字识别 APP），先后参加了许多机器学习的比赛和活动，在 Kaggle 上获得了三枚银牌。总之，我有一些学习数据科学和作为数据科学家工作的经验。当然，我还有很多技能需要学习。
免责声明
本文所述仅为我自己的观点。可能有些人会对其中的内容持反对态度，但我无意冒犯任何人。我认为想成为一名数据科学家必须投入大量的时间和精力，否则将一事无成。Course 或 MOOC 声称可以让你在几周或几个月内成为机器学习/深度学习/数据科学专家的广告语并不是真的。你可以在数周/数月内获得一些知识和技能。但如果没有广泛的实践（大多数课程内不包含这一部分），你无法真正掌握它。
你确实需要内在的动力，但更重要的是，你需要严格地规范自己，这样你可以在动力消失后继续努力。
再说一遍——你需要自己动手动脑。如果你在提出最基础的问题之前没有用 Google/ StackOverflow 或思考几分钟，那你将永远无法赶上专业人士。
在我参加的大多数课程中，只有大约 10-20％的人完成了这些课程。半途而废的人基本都缺乏耐心和决心。
什么样的人能成为数据科学家？
上图显示了数据科学家所需的一些核心技能，比如：数学和统计学，编程和开发，领域相关知识和软技能。
这么多技能！怎么可能完全掌握呢？嗯，需要花费很多时间。但告诉你一个好消息：没必要掌握全部。
2018 年 10 月 21 日，Yandex 上有一个有趣的演讲，其中提到数据科学专家类型有很多，他们只是拥有上述技能中的某几种而已。
数据科学家应该处于图片中间的位置，但实际上他们可以处于三角形的任何位置，不同位置对应了不同的专家能力。
在本文中，我将讨论的一类数据科学家是那些可以与客户交谈，进行分析，构建模型并实施项目的人。
转行？这意味着你已有所了解！
有人说转行相当困难。虽然这是事实，但转行也通常意味着你对现在工作已经有所了解。也许你有编程和开发经验，也许你在数学/统计学领域工作过，或者你每天锻炼你的软技能。至少你拥有一些自己领域的专业知识。你可以扬长避短。
来自 Reddit 的数据科学路线图
实际上这里有两个路线图:)
第一个来自 Reddit：
首先，阅读 Hastie、Tibshirani 和 Jerome Friedman 所著的《The Elements of Statistical Learning》第 1-4 章和 7-8 章。就算暂时不理解，也要坚持阅读。
如果需要，你可以阅读该书的其它部分。假设你对全书都已有所了解。
观看 Andrew Ng 的 Coursera 课程。用 python 和 R 语言完成所有练习。确保你能写出正确答案。
然后阅读一本深度学习书。在 Linux 系统中运行 tensorflow 和 pytorch 框架并实践示例项目，直到完成。尝试使用卷积神经网络、循环神经网络和前馈神经网络。
完成所有这些后，继续在 arXiv 上阅读最新的有用论文。文献不断在更新，所以要跟上大部队。
完成这些的你现在会被大多数公司录取。如果你需要完善简历，可以参加一些 Kaggle 比赛。如果你有调试问题，请使用 StackOverflow。如果在数学方面有问题，请多读文献。如果生活上问题，自己看着办吧。
原文地址：https://www.cnblogs.com/chuangye95/p/10204534.html