数据科学职业没有单一的线性路径。作为一种命名的学科，数据科学直到过去二十年才出现。这意味着数据科学家和相关职位的人可能从不同的职业路径开始。
那么，如何成为一名数据科学家呢？
由于没有一个正确的答案，我们决定与五位 Anaconda 员工交谈，了解他们的看法。他们是如何培养自己当前职位所需的技能的？对于那些希望进入数据科学领域的人，他们会推荐什么？
继续阅读，了解有关他们经验的更多信息。
问：你在学校学习了什么？
这个问题的答案各不相同。虽然有一些常见的学位，但没有 STEM 背景也可以过渡到数据科学。也就是说，您确实需要对数学和科学有兴趣和热爱。
最常见的本科专业
“我从小就对技术感兴趣。我大学学习了电气工程，专注于计算机硬件和软件。我的目标是成为一名教授和学者。然后，在我读研的时候，互联网热潮出现了，我的计划发生了变化。我发现自己擅长将软件开发和高级数学结合起来。有很多种方法可以做到这一点，但我的训练恰好与机器学习和人工智能相契合。”
– Michael Grant 服务副总裁
“我获得了统计学硕士学位和教育心理学博士学位。心理学实际上都是关于数据和统计的。在研究生院，我所做的一切就是收集数据、处理数据、寻找数据中的模式，并使用统计模型从数据中生成见解。我爱上了处理数据，我想在毕业后继续做这件事。
Sophia Yang高级数据科学家
“我拥有物理学硕士学位和天体物理学博士学位。在我第二次博士后期间，我花太多时间写论文和等待。我不想成为一名天文学教授。与此同时，我做了很多编程来完成工作。最初，Python 和所有工具对我来说就是这样。它们是一种从数据到结果再到可发表文章的方法。我意识到我可以利用这些，因为它非常有用。”
– Martin Durant软件与数据工程师
问：您认为高级学位是进入该领域的前提条件吗？
数据科学领域中许多人都在学术界工作多年。根据Indeed 的研究，75% 的数据科学家拥有高级学位（MBA 或博士学位）。
虽然还有其他方法可以学习技术技能，但正规教育可以培养独立思考能力，重点关注基础技能和研究，并且被我们采访的每个人普遍认为非常有价值。
“高级学位当然不是能够完成这项工作的前提条件。但能够找到工作就不同了。如果您能证明自己拥有这些技能，那么学位就不是最重要的。话虽如此，获得学位的人比例很高，而继续获得硕士学位或更高学位的人比例比以往任何时候都要高。因此，您将面临与您有相同经验但拥有学位的人的竞争。这种竞争使得脱颖而出变得很困难。”
– Martin Durant 软件与数据工程师
问：您是否在正规教育之外接受过其他继续教育或补充培训？
在一个发展如此迅速的领域，持续学习是必需的。数据科学的伟大之处在于，您可以在大学学习的许多技能可以通过自学、替代培训或实际工作经验来获得。
如果您对数据科学感兴趣，您必须展示学习相关技术技能的主动性和奉献精神。幸运的是，在线培训和替代教育的兴起，使得您可以轻松找到适合您需求的自学资源或专门课程。
这些替代培训似乎最适合初学者或有经验但希望学习新技能的人。
“我通过 Coursera 和其他一些平台参加过课程。学校的课程更深入地讲解了基础知识。在线课程时间短，节奏快；您可以快速学习一些实用的东西，比如工具或语言。如果您是数据科学新手，或者想学习新技能的基础知识，这些在线课程值得您尝试。我仍然通过在线培训不断学习新东西。”
– Sophia Yang数据科学家
“我基本上是自学成才的——通过实践学习。但我也敢于利用第三方资源，比如 Stack Overflow 和其他通过 Google 搜索找到的东西。我还通过 Coursera 和 Udacity 参加了两个不同的机器学习和 AI 课程。从专家的角度了解这个领域很有价值，这也证实了我的数学背景让我很适合这个领域。我绝对建议参加 Coursera 或 Udacity 这样的课程，但如果您有数学基础，您将从中获得更多价值。”
– Michael Grant 服务副总裁
“在线或补充培训可以表明您正在付出努力。希望您在这个过程中能学到一些可以付诸实践的东西——仅仅拥有证书并不一定意味着您学会了这些知识。如果您没有书面记录的经验，或者以前从未做过需要这些特定技能的工作，那么很难向人事部门展示您的经验，他们没有时间在做出初步筛选之前与您详细交谈。参加课程或参加强化培训是表明您至少在投入时间和精力学习相关技能的方法。”
– Martin Durant 软件与数据工程师
“当我成为产品管理组织的一员时，有人建议我获得实用营销方面的认证。这项培训让我了解了组织及其团队需要如何运作才能交付软件产品，这对我来说是一项宝贵的技能。我目前的职位与产品开发团队而非数据科学团队对接，因此这项培训让我了解了产品管理领域，以便更好地理解我的同事。”
– Albert DeFusco 产品数据科学家
问：您需要哪些技术技能才能在数据科学领域取得成功？
虽然个人可能通过不同的旅程进入这个领域，但他们拥有共同的基础技术技能。
在我们与所有人的谈话中，这些技能多次被认为是数据科学和相关领域取得成功的关键技能
“编程能力被低估了。那些参加过数据科学强化培训的人，如果他们本身不是程序员，那么他们不一定能成为非常优秀的程序员。在数据科学领域成为一名非常优秀的程序员的好处在于，您具有极强的适应能力。”
– Michael Grant 服务副总裁
“生成可视化很容易，但以有意义的方式生成可视化却难得多。很难教授，也很难学习。您需要了解您的受众，并且需要了解您的数据——彼此独立。然后，您可以将两者结合起来，以神奇的方式创造出一些东西，将受众与数据联系起来。擅长数据可视化是找到工作的好方法。您如何向世界展示自己？一个好的、易于理解的可视化会吸引人们的注意力。”
– Martin Durant 软件与数据工程师
“对我来说，这些技术技能之间存在着等级制度。例如，机器学习几乎将数学和编程作为前提条件。如果您没有数学和编程的基础，您在机器学习方面就不会取得应有的进步。”
– Michael Grant 服务副总裁
值得注意的是，软技能与技术技能一样重要，但经常被忽视。阅读我们关于哪些软技能对数据科学成功至关重要的单独博客。
问：您的职业生涯如何发展到包含或专注于数据科学？
您会注意到，我们每位员工的职业路径都非常不同。他们的职业生涯最终都发展到包含数据科学。
“在我博士后期间，我做了很多编程来完成工作。最初，Python 和所有工具对我来说就是工具。它们是将数据转化为结果，进而发表文章的一种方式。我意识到我可以利用它，因为它本身非常有用。我一直试图为了自己编写好的代码，但我注意到这在世界上并不常见。将了解数据和科学统计的人与能够将这些东西转化为代码的人结合在一起，这就是让我成为数据科学家的关键。”
– Martin Durant 软件与数据工程师
“我已经在软件工程领域寻找工作大约一年了，但没有太多收获。由于我的学术背景，我很难将自己推销给这些职位。然后我采取了一种完全不同的方法，开始领导培训和客户教育。Anaconda 为我提供了一个有趣的位置，让我教授基础编程和通用科学计算。这给了我一个独特的机会，让我能够在工作中学习更多关于数据科学的知识。”
– Albert DeFusco 数据科学家，产品
“过渡到数据科学的角色很自然。在学术界和自己的实验中，我对数据科学方法有了基本的了解。这与特定角色的要求相结合。在这种情况下，就是构建一个机器学习恶意软件检测产品。我满足了所有其他与我经验相关的条件：产品工程、网络安全理解等。这个角色 90% 是数据工程，10% 是数据科学。我很多软件工程技能已经准备就绪，只是在上面加了一点数据科学应用。我能够向周围的数据科学团队学习；他们给了我一些提示来填补空白。”
– Matthew Brock 首席工程师
“当我作为独立顾问工作时，我开始涉足数据科学。当你是顾问时，你会尝试接手你擅长的工作，但你会发现自己会接手更多不同的工作。有一次，我被雇用来开发定制机器学习算法。尽管当时我不是机器学习从业人员，但底层的数学非常适合我。这也是我同时开始使用 Python 的契机。”
– Michael Grant 服务副总裁
问：对于希望成为数据科学家或希望转型到该领域的专业人士，你有什么建议？
数据科学所需的技能是通过教育和实践经验学习的。我们采访的每一个人都提到了现实世界经验的重要性：实习、实践课程、开源项目等。
“当你申请工作时，你可以通过开源项目来展示你的成果。一切都是公开的。你可以说，“这些是我对这些特定项目的实际、具体的改变。这些项目对数据科学和机器学习领域很重要。” 这是一个很好的证明，可以表明你了解你在做什么。”
– Martin Durant 软件与数据工程师
“从其他职业道路转型到数据科学最成功的人是那些能够逐步进行的人。换句话说，你可以学习编程或机器学习，然后找到将它应用于你现有领域或角色的方法。成为你团队或组织中的数据科学推动者。这更像是一个演变过程，而不是一个巨大的跳跃。你可以先爬行，然后再行走，然后奔跑。不要从最先进的 AI 深度学习算法开始。从良好的数据工程实践、可视化和报告开始，然后再处理基本的机器学习。找到逐步增加数据素养的方法，看看你能走多远。”
– Michael Grant 服务副总裁
想要从事数据科学职业吗？好消息是：通往目标的路有很多。
