想从事数据行业？你必须掌握这个最核心的技能

结果表明，相对于2017年上半年，R、Hadoop、Java、SAS及MatLab现在的需求略微下降，而对Tableau的需求则在上升。加上KDnuggets开发者调查这类的辅助性结果，我想这就是我预期的结论。R、Hadoop、Java和SAS均呈现出多年的下降趋势，而则显示出明显的上升势头。

建议

基于这些分析的结果，以下是对当前和想要成为数据科学家的人提供的提升自我价值的建议。

• 证明你可以进行数据分析并且专注机器学习，要变得非常擅长。

  对你的沟通技能进行投资。我建议去读读《Made to Stick（让创意更有粘性）》这本书来让你的想法产生更大影响。此外还可以用Hemmingway Editor这款app改进写作的清晰性。

  掌握一种深度学习框架。精通一种深度学习框架在精通机器学习中占据了越来越大的部分。深度学习框架在使用情况、流行度等方面的对比情况可以看我的这篇文章。

  如果你要走学习Python和R语言之间做选择的话，选Python。如果你对Python不感冒，那就选择R。如果你也懂R的话在市场上一定会更加抢手。

  当雇主寻找懂Python技能的数据科学家时，他们可能也会预期应征者了解常见的python数据库库：numpy、pandas、scikit-learn以及matplotlib等。如果你想学习这里提到的工具的话，我建议你看看以下这些资源：

  • DataCamp及DataQuest——均为定价合理的在线SaaS数据科学教育产品，可以一边编码一边学习。这两个都教若干的技术工具。

    Data School上面有各种资源，其中就包括了一套很好的YouTube视频，里面解释了数据科学的概念。

    McKinney的《Python for Data Analysis》。这本书是pandas库的主要作者写的，聚焦的是pandas，同时也讨论了python基础、numpy以及scikit-learn的数据科学功能。

    Müller & Guido的《Introduction to Machine Leaning with Python》。Müller是scikit-learn的主要维护者之一。这本书非常优秀，是学习用scikit-learn做机器学习的好读物。

    如果你寻求去学习深度学习的话，我建议先从Keras或者FastAI开始，然后再转到TensorFlow或者PyTorch。Chollet的《Deep Learning with Python》是学习Keras的好资源。

    除了这些推荐以外，我还建议你学习自己感兴趣的东西，尽管在决定如何分配学习时间方面显然有很多考虑因素。

    LinkedIn

    如果你要通过在线门户找数据科学家岗位的话，我建议你从LinkedIn开始——这个地方总是有最多的结果。

    如果你在求职网站上寻找工作或者职位的话，关键字很重要。每个网站搜“数据科学”返回的结果数几乎是“数据科学家”的3倍。但如果你要找的就是数据科学家的工作的话，最好还是搜索“数据科学家”。

    无论你去哪里找，我建议你要制作一份在线作品集来证明你擅长许多亟需的技能。我也建议你在LinkedIn档案上展示你的技能。

    原文链接：http://towardsdatascience.com/the-most-in-demand-skills-for-data-scientists-4a4a8db896db

    编译组出品。编辑：郝鹏程。

    （编辑：上饶站长网）

    【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!