两年来，我一直在自学数据科学，通过这个过程，我获得了许多见解，我想与刚起步的新数据科学家们分享。

你可以自由地从这篇文章中获取你想要的内容，但我只是想为那些有点迷失方向、希望得到更多指导的人分享我的观点。以下这5件事情是我希望我在开始学习数据科学时就知道的。

1) 在成为一个好的数据科学家之前先成为一个好码农和好统计人员

如果你读过我以前的文章，你可能已经听过我这样说 —— 数据科学家实际上是一个利用编程来实现统计方法的现代统计学家。

从长远来看，理解这些基本原理会让你的生活变得更容易，实际上也会节省你的时间。几乎所有的机器学习概念和算法都是基于统计和概率，而在此之上，许多其他数据科学概念，比如A/B测试，也是纯统计的。

最终，作为一名数据科学家，你有多优秀取决于你在编程和统计方面的知识有多丰富。

TLDR：在学习其他知识之前，先具备良好的编程和统计基础。从长远来看，这会为你节省更多的时间。

2) 少花点时间在网络课程上，多花点时间在自己的项目上。

我知道这可能会引起你们一些人的争议，所以让我先说几句话：

1. 这完全是基于我的个人实践以及我从同事那里观察到的。
2. 显然，有一些很棒的在线课程不在我所说的里面，比如deeplearning.ai的课程。
3. 我还想说的是，如果没有别的选择，最好还是去上网课。

话虽如此，以下是网课的几个问题

1. 就材料的深度而言，它们往往非常肤浅，不仅如此，它们还往往给人一种对所学材料理解错误的感觉。
2. 它们在记忆信息方面也不是很好。我认为你会同意你花在学习一门学科上的时间越多，你就越有可能记住这些信息。这些网课的问题在于，尤其是那些标榜“在5周内成为专家”的网课，并没有给你足够的时间去真正理解你正在学习的东西。
3. 最后，它们通常没有足够的挑战性。许多网课只是要求你跟随和复制他们的代码，这并不要求你批判性地和深入地思考。

为什么你应该做一些数据科学项目

个人数据科学项目是一种很好的学习方式，因为你将被迫批判性地思考问题和自己的解决方案。

通过这个，你会学到比任何网课都要多的东西。你将学习如何问正确的问题，如何回答正确的问题，如何处理适合你的数据科学项目，如何有条不紊，等等……

通过对自己的项目投入更多，你也会更有动力去学习更多，投入更多时间，创造一个积极的反馈循环。

TLDR：少花点时间在数据科学网课上，多花点时间在自己的数据科学项目上。

3) 专注于一些精选的工具，并真正擅长它们

有这么多的数据科学软件包和工具，这很酷，因为你可以自己选择你的数据科学工具包。

然而，我们很容易被想要学习尽可能多的包和工具的想法冲昏头脑。不要犯这样的错误。

如果你能熟练地使用其中一些工具，而不是使用一些你几乎不会去用的工具，那么 你将会获得更好的效果。(在简历上列出一长串的技能和工具不应该是你的最终目标！)

举个例子，现在有几个很棒的数据可视化包：Matplotlib、Seaborn、Plotly、Bokeh等等……没有必要花时间去掌握其中的每一个 —— 这是在浪费你宝贵而有限的时间。

另一个例子是，如果你想要使用pandas操作数据，那么就把pandas用的非常熟练。如果你更喜欢用NumPy，那就去好好使用它。当然，理想情况下，你想要同时擅长pandas和NumPy，但我的观点是，坚持使用其中一个并掌握它可能更好一点，而不是不断地跳来跳去。

同样的事情还有：

• Python vs R
• Tensorflow vs Pytorch
• Postgresql vs MySQL

TLDR：构建你自己的数据科学工具箱并坚持使用它！熟练掌握5种工具比20种工具都会一点要好

4) 对各种机器学习算法的理解只占数据科学的一小部分。

就我个人而言，让我进入数据科学的是所有不同的机器学习模型，它们是如何工作的，以及它们在哪些应用中有用。我可能花了至少6个月的时间学习和尝试了几种机器学习模型，才意识到这只是数据科学家需要知道的一小部分。

数据建模只是整个机器学习生命周期的一部分。你还需要了解数据收集、数据准备、模型评估、模型部署和模型调优。事实上，我认为大部分时间都花在了数据准备上，而不是数据建模(机器学习建模)。

除此之外，你还需要学习其他一些东西，比如版本控制(Git)、从api提取数据、云的理解，等等。

TLDR：不要把所有的时间都花在试图掌握每一个机器学习算法上，它只占数据科学家需要知道的一小部分。

5) 作为一个数据科学家，感觉到名不副实很常见的。

从我开始学习数据科学的第一天到今天，我经常感觉到名不副实。但我知道这是完全正常的。

为什么数据科学家会经常感觉到名不副实？

1. “数据科学”是一个模糊的术语，因为它是一个跨学科的领域，包括统计学、编程、数学、商业理解、数据工程等。除此之外，还有很多数据科学家的同义词(数据分析师、数据工程师、研究科学家、应用科学家)。我的观点是，你永远不会成为数据科学包含的所有方面的专家，而且你也不应该觉得必须成为专家。
2. 就像编程和技术中的其他事物一样，数据科学也在不断发展。20年前，pandas还没有被创造出来Tensorflow是5年前才发布的。总是会有新的技术出现，因此你必须学习新的东西。
3. 这和我的第一个观点有关，但因为你不太可能是所有事情的专家，这意味着总有人在你花费较少时间的事情上做得更好。这也没关系。

TLDR:作为一名数据科学家，你总是会感到名不副实，这没什么