干货 ：送你12个关于数据科学学习的关键提示（附链接）

Fralick提到了数据科学工作需要的非技术性技能。这也是为什么KDnuggests清单包括了这4项：求知欲，团队合作，沟通技巧和商业头脑。Zhan给列出的清单中也包含了一些关键的软技能，如 “有效沟通能力”，“领域经验” 与上面的 “商业头脑” 类似。总之，都是指将数据科学实际应用到商业中。

Olivia Parr-Rud提供了她自己的想法，又加入了另外2项软技能：创新，勇于坚持。她说：“我认为数据科学是科学也是艺术。它需要利用大脑两侧的力量。很多人谈及数据科学，说它主要使用左脑。但我发现，想要成功，数据科学家就得充分调用他们的全脑。”

她解释道，在该领域前行，不仅需要技术能力，，还要有创造性和领导性远见。

大多数左脑/线性任务可以被自动化或外包。为了提供身为一名数据科学家的竞争优势，我们必须能识别大量信息中的模式(patterns)和综合性(synthesize)，也就要用到左右脑。我们必须是有创造力的思考者。很多优秀的结论都是来自于左右脑的协同工作。

她还强调为什么清晰地表达远见是基本的：

• “作为数据科学家，我们的目标是帮助客户增长利润。大多数主管不理解我们是做什么的，我们是如何去做的。所以我们需要像领导者一样去思考，以股东们可以理解和信任的方式，表达我们的发现与建议。”

总结

这个提示单里包含大量地技术工具，技能，和能力，还有可量化的品质，像创造力，领导力。数据科学不仅仅是个数字游戏。数据科学家也不是在虚空中建模，而是要能提出实用的，能解决商业中实际问题的灼见。那些可以在该领域中获得成功的人，不仅仅精通技术，还能理解工作中团队各成员的需求。

译者简介：国相洁，马德里自治大学本科，经济与金融专业。从数据分析师起步，梦想成为一名优秀的数据科学家。希望在成长的路上，结交志趣相投的朋友，不负青春。

【编辑推荐】

1. Gartner报告：正处于数据科学与机器学习工具 “大爆炸”的时代
2. 2019 年，Python 数据科学该怎么学
3. 这些数据科学家必备的技能，你拥有哪些？
4. 数据科学难在实践，有哪些弯路可以不走？
5. 数据科学的下一个「超能力」：模型可解释性

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!