如何成为一名数据科学家

数据科学领域是一个严格的领域，无论是在智力上还是在发展该领域所需的教育方面。要想知道这个领域是否适合你，最好的方法就是参加考试免费数据科学课程通过在线学习门户网站EdX．

另一种了解大数据的方法是关注一些业内人士:
Twitter上值得关注的10位大数据内部人士

在数据科学领域长期工作的基本基础是学士学位。而一个数据科学学位这是显而易见的职业道路，并不是所有的大学都提供该学科的指定本科课程。因此，有抱负的数据科学家通常会获得相关领域的学位，比如计算机科学，统计数据，物理，应用数学，管理信息系统，计算机工程,或信息学．这些专业的毕业生通常具有应用于数据科学的广泛技能，包括实验、编码、定量问题解决、数据管理等。

对于未来的数据科学家来说，学士学位是最初学习的推荐课程，原因有二:

•它为获得硕士学位提供了坚实的基础，这在数据科学领域非常常见
•在许多大学，学士学位是攻读硕士课程的先决条件

然而，除了正规的本科课程，还有两种选择:

大规模公开在线课程(mooc)
一个蕴藏是一种在线自学课程，通常免费提供给任何能上网的人。这通常是支离破碎的不连贯的教育选项要求学生构建自己的学术道路，允许他们按照自己的节奏完成项目。mooc不提供任何求职资源或帮助。

训练
训练营是一种加速和强化的数据科学教育方法。他们注重体验式学习，将项目内置于课程中。它们的教员和人事经理——通常是从事数据科学工作的人——通常与潜在雇主建立了关系。

完成学士课程的学生可以获得学位，选择MOOC课程的学生可以获得证书，而集训营的毕业生离开训练营时，会带着一系列项目。

十分之九的数据科学家拥有研究生水平的学位。大多数人选择攻读硕士学位，但在该领域实践的人中，几乎有一半拥有博士学位。

数据科学课程的目标学科领域包括:
•数学-线性代数，微积分和概率
•统计—假设检验和汇总统计
•机器学习工具和技术- k近邻，随机森林，集成方法等。
•软件工程技能——分布式计算、算法和数据结构
•数据挖掘
•数据清理和数据修改
•数据可视化- ggplot和d3.js;报告技术
•非结构化数据技术
•R和/或SAS语言
•SQL数据库和数据库查询语言
•Python(最常见)，C/ c++ Java, Perl
•Hadoop、Hive和Pig等大数据平台
•云工具，如Amazon S3

一些入门级的工作——如数据可视化专家、管理分析师和市场研究分析师——可能只需要本科学历。

像机器学习算法开发人员、统计学家或数据工程师这样的职位肯定需要硕士学位。

竞争业务解决方案科学家、数据科学家和企业科学分析经理等职位通常需要博士学位。

由于全球几乎每个企业、组织和机构都需要数据科学，因此专业化是一种选择。一些数据科学家选择只在特定的商业部门工作，如汽车或保险。有些人更喜欢专注于商业的某个方面，比如营销或定价。还有一些人专门帮助初创企业寻找和留住客户。

虽然是自愿的，但在数据科学领域获得专业证书是很常见的。

数据科学在不断发展，因为它使用了不断发展的技术。因此，该领域的继续教育是极为重要的。这个职业提供了一系列的学习和网络资源:

•数据科学协会
•运筹学与管理科学研究所
•国际分析研究所(IIA)
•计算机学会知识发现和数据挖掘特别兴趣小组(SIGKDD)