本篇文章針對三種不同類型的人群：零基礎的初學者、軟件工程師、計算機數學或物理專業的應屆畢業生，給出相應的職業轉型建議。
在大學我學習物理時，每當遇到不理解的術語，我就會上網搜索，這時我常會用到的就是維基百科。
雖然維基百科很好用，但是上面很多文章都不適合我的水平。那些文章要不就是超出我的理解，或者對我來說太簡單了。這種情況時常發生，因此我從中總結的經驗就是，維基百科上的技術詞條很難既提供有效信息，又做到易於理解。
很多數據科學方面的職業建議也是如此，有些是針對完全零基礎的初學者；有些是針對初級數據科學家磨練技能；有些則針對資深的軟件工程師。而這容易讓許多想成為數據科學家的人群感到無從下手，他們不知道該如何花在哪裡。
在本文中，我打算針對三種不同類型的人群給出相應的職業轉型建議。
第一類：零基礎的初學者
如果你剛剛進入數據科學領域，請記住該領域的發展速度非常快，也許現在我給出的建議在你準備求職時已經過時了。如今數據科學的招聘標準與一兩年後的標準之間的差距可能會更大。
在明確這點的基礎上，如果你想進入數據科學領域，並且沒有任何編程方面的背景，我要給出的建議如下：
首先要保持開放的心態
如果你是一名初學者，那麼你可能完全不知道數據科學的具體內涵。那麼可以先和一些數據科學家聊一聊；關注相關的科學播客。成為一名數據科學家需要花費大量的時間和精力，因此只因為你認為自動駕駛汽車很酷就一頭扎進去，這並不是一個很好的理由。確保自己瞭解數據科學中不那麼高大上的部分，數據處理和構建數據管道等，這些方面佔數據科學家日常工作的大部分。
如果你決定繼續前進，這太好了！首先你要做的第一件事就是學習Python。參加一些在線課程，並儘快建立一個基礎項目。當你掌握一定Python技能時，學習如何使用Jupyter notebook。
在找工作時，一開始就從全面的數據科學職位並不是最好的。相反，可以選擇數據可視化或數據分析職位，這類職位市場需求量大，而且要求沒有數據科學家那麼高。這些職位經常與數據科學家一起工作，當你獲得了一些經驗後，也可以著手向這個方向發展。
如何發揮自己的優勢：
當你準備好找工作時，你會發現學會推銷自己在在數據科學中非常重要。你可能會擔心，因為你沒有任何專業經驗或計算機科學的研究生學位，推廣自己是一個難題。但這也可以成為你最大的優勢：你是從零開始，自學成才的數據科學家，公司需要這些努力而且學習能力強的數據科學家。為此你需要符合自己的這種形象，不斷提高技能，解決一個個挑戰，但當中的回報絕對是值得的。
第二類：軟件工程師
我遇到的想成為數據科學家的人中，可能有20%都是軟件工程師。一方面，有將代碼部署到生產和與開發團隊合作的相關經驗，這是非常重要的資產。另一方面，如今對全棧開發人員的需求非常高，有時公司會將軟件工程師歸為這個方向。因此想轉為數據科學家時，你要避免被當作軟件工程師，而不是數據科學家。
其他建議：
首先你可以考慮轉為專注後端或數據庫相關方向。熟悉數據管道是一個良好的開端，這可以幫助你構建核心數據操作技能組。
機器學習工程可能是最接近數據科學的職位，這更容易過渡。在求職時，你可以找哪些強調部署模型，或將其集成到現有應用程序的職位，這些職位將最有效地利用你現有的技能。
你很可能要建立機器學習或數據科學項目來打動僱主。利用你的軟件工程技能，將這些技能整合到可以向招聘人員展示的應用程序中。這特別有效，因為這更為明確，而且突顯了你作為全棧數據科學家的潛力。
要記住，在職業轉型時你的薪資很可能會減少。即使是高級軟件工程師，當他們轉行數據科學時，也需要從初級的職位開始。
如何發揮自己的優勢：
最好的方法就是利用你在軟件開發方面的經驗。你已經知道如何編寫乾淨、文檔記錄良好的代碼，以及該如何與他人協作，這是大多數初級職位求職者所缺乏的優勢。
第三類：計算機科學、數學或物理專業的應屆畢業生
如果你是一名本科、碩士或博士生，你可能在統計學和數學方面有很好的基礎。但你可能從未申請過科技方面的工作，而且你不確定如何準備面試。此外，假設你讀書時一直在編程，你很可能無法寫出乾淨、結構良好的代碼。
幾點建議：
你在讀書期間學的R語言還不夠。如果你是學物理的，那你的MATLAB或數學技能也是不夠的，去學學Python吧。
這些內容你需要儘快學習：協作版本控制，比如如何與其他人一起使用GitHub）；容器化，比如如何使用Docker；開發運營，學習如何使用AWS或其他類似服務在雲中部署模型；SQL也是必須的。
學習Python中的測試驅動開發。學習如何使用文檔字符串，如何將代碼模塊化，以及如何使用Jupyter notebook。
如果你在以數學為導向的領域，那麼深度學習是一個很好的探索方向。要注意先從更傳統的“scikit-learn”型數據科學職位開始，然後轉向深度學習更容易。對你來說，最重要的是先入行，並儘快開始生產代碼。
如何發揮自己的優勢？
如果你是數學或物理專業，你最好的策略就是發揮有深厚理論知識的特定。為此，你需要能夠自信地解釋各種模型的原理，熟悉文獻中最新的文章。
結語
注意：我這裡提供的建議並不能完全使用與所有情況。有些軟件工程師可能要學習的更多，而有些初學者有很好的數學基礎，更適合成為深度學習研究人員。但希望本文能你一個不錯的起點。
最後，無論你是軟件工程師，剛畢業的大學生，還是零基礎的初學者，你都要問自己一個關鍵的問題：哪種職業發展軌跡最接近你的情況？很多情況下，通過稱為數據分析師或數據可視化專家進入該領域都是不錯的選擇。
作者：eremie Harris，翻譯：Mika
本文由 @CDA數據分析師 原創發佈於人人都是產品經理。未經許可，禁止轉載
相關推薦
