「译」如何成功入职成为数据科学家

核心要点：大多数人正在做着仅是心理安慰的无效努力，要想成为技术达人你应该这么做。

原文链接：https://www.kdnuggets.com/2018/11/get-hired-as-data-scientist.html

我还记得我哥哥决定卖出他的比特币的那一刻。2017年，星巴克。一个中年大妈向我们走来，她正在给人发放比特币的小册子，上面大大的字体写着，“比特币：通往提前退休之路”。

我很好奇，因此问她如何看待虚拟货币市场，结果她除了比特币并不知道其他虚拟货币。以太币？“没听过”。莱特币？“是便宜版的比特币吧？”

如今，即使一个啥都不懂的大妈都在跟你讲最新的技术趋势，那么这个技术估计也到顶点了，换句话说，泡沫来了。

Frax Finance将推出以太坊Layer2网络Fraxchain:6月16日消息，稳定币协议Frax Finance官方表示，将推出名为Fraxchain的以太坊Layer2网络，该网络将致力于创建一个智能合约平台，重点关注去中心化金融领域，所有Frax资产都将在Fraxchain上得到原生支持。

Frax Finance联合创始人Sam Kazemian透露，frxETH将用于支付Fraxchain上的Gas费用，Fraxchain很可能在今年年底推出。[2023/6/16 21:42:34]

这当然不是一个新发现。每个人都知道，在投资领域，如果你的决策和周围每个人都一样，估计你也挣不到什么钱。奇怪的是，投资领域的这条规律，人们很少套用在自己身上。

大多数人的努力都是无效的心理安慰

欧盟官员：欧盟议会的智能合约计划限制了统一标准制定:3月15日消息，欧盟内部市场专员Thierry Breton周二告诉记者，欧盟有争议的规定要求对某些智能合约设置“终止开关”，这可能会限制为该行业设定标准的关键能力。

他的言论暗示，议员们当天早些时候投票通过的条款不再符合2022年委员会法律提案“数据法案”（Data Act）中设定的目标。

Breton称：“我们需要协调这些智能合约的基本要求，以确保互操作性、法律确定性和大规模部署，当提出这个提案时，我们打算要求相关组织制定这些标准。”

“我注意到议会提议修改这些基本要求，”他说，“值得注意的是，这些变化可能会限制制定智能合约统一标准的可能性。”（CoinDesk）[2023/3/15 13:05:25]

假设现在你的目标是入职某公司的数据科学家。如果你按照普遍的“我想要成为数据科学家”的行动点去做，大致意味着你得不到想要的工作。现在市场上到处都是有才能有经验的人，意味着，能力一般的、渴望转行成为数据科学家的人得不到太多的机会。如果你想避免成为平庸的大多数中的一员，为什么要做大多数人做的事情呢？

CNBC报告：FTX在2021年创造了超过10亿美元的收入:金色财经报道，根据CNBC的一份新报告，FTX在2020年的收入仅为9000万美元，2021年的收入是2020年的10倍以上。FTX在2021年创造了超过10亿美元的收入。首席执行官Sam Bankman-Fried在Twitter上证实，该报告中的数字\"正确\"。[2022/8/21 12:38:12]

问题在于，大多数人踏上他们的“数据科学家”之旅时，并没有这么想过。我在SharpestMinds工作时，跟上百个有志成为数据科学家的职场人士聊过，80%说得都差不多：

第一步，学工具链。然后上点切分成小部分的MOOC课。读下职位描述，担心自己够不上条件。再上一个别的MOOC，或者从某个平台开始申请工作。没有回音。灰心失望，考虑上Master，继续申请工作。面临选择：继续重复2-7直到瞎猫撞上死耗子，还是放弃？如果这些事也发生在你身上，那么你可能也面临着一个“自我提升的泡沫”：你做着和其他人同样的努力，但期望一个不同的回报。你需要做的第一件事，就是停下来。

美国参议员：我们正在用20世纪的法规来监管这一21世纪的技术:金色财经报道，美国参议员Cynthia Lummis在社交媒体上表示，超过3400万美国人报告拥有某种形式的数字资产。我们正在用20世纪的法规来监管这一21世纪的技术。现在是升级的时候了，Lummis-Gillibrand计划实现了这一点。[2022/6/15 4:28:22]

期望高回报，意味着不能走寻常路。但是为了避免做寻常事，你需要了解什么寻常事都有哪些。

例如：如果你需要通过MOOC来学习工具链，可以。但是不要陷入MOOC陷阱。MOOC本身就是针对大多数人设计的，仅靠重复在MOOC上学习很难在某个领域出类拔萃。同样的，如果已经有了四五个JupyterNotebook上面写满了sklearn/Pandas/seaborn/Keras的基本语句，你也没必要再新加一个了。

总的来说，首要原则是：如果下一步很明显是大家都去做的，那么就不要做。相反，你要去寻找没人在做的事，尽快去做。

推荐你做这些

这些有效的实践都有哪些？例如：

重复论文。对深度学习尤其有效。这么做的人比较少，相反，随便找一组数据用简单的ANN或者XGBoost做个分类算法多简单啊。你应该去ArXiv找一篇相关的、最感兴趣的论文，理解，然后重复该论文，最好选用一组新的数据。之后把整个经过总结成博文发布。不要停留在舒适区。当你开始一个新项目时，最好以学习新framework/libraries/tools为目标。如果你到了第六个JupyterNotebook还是以df=pd.read_csv(filename)开头，以f1=f1_score(y_true,y_pred)结尾的话，你也是时候换一下自己的策略了。学习无聊的内容。没人喜欢无聊。很多被公司迫切需要求职者具备的技能，比如Gitflow，Docker，用Flask建app，在AWS或GoogleCloud上用模型，都因为学起来无聊，被求职者忽略了。做烦人的事。1）去当地的datascienceMeetup分享一篇论文。或者至少要去参加当地的datascienceMeetup。2）去LinkedIn发私信。坦率，展示你的价值。不要一上来就要工作机会。提问尽量清晰。尝试与人建立关系，拓宽你的人际网络，这需要耐心。3）参加会议与关系网活动。4）开创学习小组。做“疯狂”的事。每个人都会用UCI数据库或者某些股市数据库来建自己的项目。不要这么做。学习获取数据，建立自己配置的数据库。实际中获取数据还是挺难的，公司会期望其工程师能够自己取得数据。你的目标应该是，成为痴迷于datascience的疯子，如果需要的话，建立自己的数据组自然必不可少。以上提到的每种策略，都是基于招聘单位每天面对的疑难杂症提出的。这里面没有新技术新概念，但却能保证你在datascience的工作市场上获得更多的关注，并成为一个能力全备的数据科学家。

每天结束时，记得提醒自己，训练技能是对自己的投资。这意味着，投资领域的经济学原理在此同样适用：如果你期望突出的回报，你需要做异于常人的事情。

如果你有关于如何优化machinelearning算法或datasciencetrajectory的问题，可以向我提问。给我发DM或者Twitter@jeremiecharris:)

作者介绍：

JeremieHarris是@SharpestMindsAI的合作创办者，兴趣领域包括物理，机器学习，哲学，创业。

相关阅读：

·TheMostinDemandSkillsforDataScientists·DiversityinDataScience:OverviewandStrategy·DataScientistInterviewsDemystified

标签：MOO比特币莱特币MOO币MOO价格比特币中国官网联系方式40亿比特币能提现吗比特币最新价格行情走势莱特币官网查询莱特币中国区创始人pz莱特币减产日期是多少

Polygon热门资讯