数据行业非完全入门指南！

之前给从传统制造业转行的数据行业的朋友列的一个笔记，这里把原文贴出来。现在看来概括性不够，不过适合对大数据没有太多了解但想入行的人阅读。(语言环境问题，笔记里中英文交错，也没太整理，望见谅)

1. Data相关行业介绍与入门要求。
2. Entry level 的相关职位。
3. Junior level员工职业发展路径。

一、Data相关行业介绍与入门要求

Data算不上行业，每个行业都会产生数据，公司越大产生的数据越多，需要的人才也越多。

也有的公司自己不存数据，只提供技术给其他大公司做数据建模的。

做Data的有几种情况：

• Data Scientist as analyst
• Data Scientist as model builder
• Data Scientist as engineering
• Data Scientist as full-stack

对Data职位来说，一般数学有一定要求，概率论和数据统计会经常面试考到，常见的考题会发给你看看，但如果你没有这个基础，还是要从头学习一下的。

1. 数学要求：概率论和数据统计,线性代数等，面试常见考题包括：

• 均值与方差及其公式
• 什么是高斯分布
• 什么是正态分布
• 贝叶斯公式
• 三门问题

2.技能树（从入门到必须）:

• python或者R。python资源较多，建议先学python
• 数据可视化。其实excel也可以做到，但还是
• 数据建模。会用到机器学习的知识

3. 学习资源：（coursera旁听audit不花钱，其实花钱拿证书含金量也不高，企业不怎么认可）

• 统计基础 https://www.coursera.org/learn/basic-statistics
• Python 入门 https://www.coursera.org/specializations/python
• DS 方向的python https://www.coursera.org/specializations/data-science-python
• Python 数据可视化 https://www.coursera.org/learn/python-for-data-visualization
• 机器学习 https://www.coursera.org/learn/machine-learning

如果是偏深度学习方向，例如计算机视觉，自然语言处理，会考到线性代数，要知道怎么进行矩阵运算。但为了先入门，这里就不介绍太多，怕消化不来。

引申：几种常用的机器学习

1. 监督式学习（supervised learning）需要标记数据
2. 非监督式学习（unsupervised learning）不需要标记数据。代表算法：k-means
3. 强化学习（为了不压垮你的大脑，先跳过介绍）

业界常见模型：

• CNN: 主要用于识别图像
• LSTM：处理时间序列 ，自然语言处理等

二、Entry level 相关职位

两个方向：

• Data Engineer 编程语言：Scala, Java。软件框架包括hadoop, spark, hive, postgreSQL 等等。

• Data Scientist 编程语言: Python(最常用）, R（少数公司用）。软件有的公司会自建Data Science Studio.也有很多服务提供商提供了DSS，例如DataRobot, Dataiku等。但建议不要依赖语言。Jupyter notebook是比较适合调试python 的工具，某些课程上会讲到。

• 两个方向都需要的：SQL语句(https://link.zhihu.com/?target=https%3A//www.coursera.org/learn/analytics-mysql)

• 如何入行与关注职位要求变化

• 学习上述的基本课程。
• 上linkedin看职位需求（注：国内linkedin用得少，可以看其他招聘网站）

三、Junior level员工职业发展路径

• Data Scientist 路线：senior → lead, 足够经验后可以做独立consultant或者加入咨询公司
• Data Engineer，senior → lead → 架构师
• 全栈方向，DS和DE都懂，现在有的公司招的是两方面都懂的，但建议先在某个方向做好了再去做另一个方向。两个方向都懂的consultant更吃香

原文：https://zhuanlan.zhihu.com/p/101111340