眼下資料科學家正夯，被哈佛商業評論稱為「21世紀最性感的職業」，Google、FB、Apple等大公司也爭相搶奪資料科學人才，並給出令人咋舌的薪資。性感的背後是人才的緊缺和人才培養的高難度。那麼成為一名資料科學家都需要些什麼，為什麼那麼困難呢？

首先，需要深入而廣泛的知識儲備。

這其中包括：

1、熟悉基本的編程語言。

資料科學家其實也是工程師，雖然不像前端工程師那樣編寫Web應用程序，但是需要負責架構資料處理管道，設計和實現模型，以及開發系統評估和度量計算的基礎架構。可以想像，執行這些任務需要使用高級編程語言（例如Python，R，Matlab或Julia）以及資料科學特定庫（例如Pandas，Scikit-learn，Matplotlib，或Tensorflow）。僅僅這一項技能可能就需要一年以上本科計算機科學學習。

2、數學知識。

資料科學家必須熟悉各種數學方面的知識，例如統計學，概率論和線性代數。通常在傳統的資料科學角色中，你需要能夠閱讀描述某些模型或資料集的學術論文，並利用和實現論文的關鍵思想，做到這點很不容易，因為數學領域的論文不是面向普通公眾的科普文，要弄懂它需要對數學概念和符號非常熟悉。這項技能比編程語言更加重要，它是資料科學家成為好的資料科學家之所在。

3、資料處理能力。

使用，理解和操縱資料與其他傳統工程工作完全不同。你可能經常看到未經過濾，不完整和稀疏的資料集，並期望從中獲得有意義的內容。這就要求你能夠輕鬆處理遇到的各種資料，比如：

如何補全缺失值？
如何處理/刪除異常值？
如何獲得更多均勻的標籤分佈來訓練我的模型？
哪種特徵與我的模型最相關？
如何檢測/處理模型過度擬合/欠擬合？
哪些指標對評估模型性能最有用？
“““

可以看到，要想成為一名資料科學家，需要了解的知識非常廣泛，而且每一門知識都需要深入研究學習而不是淺嘗輒止，這也是它為什麼入門門檻高的原因。但很多人都可以通過系統學習掌握這些知識技能，不一定非要進入頂尖的大學學習。

關於資料科學家需要掌握的知識，可以閱讀：

書單 | 從入門到精通，數據分析不得不看的10本「好書」！

10年數據老手建議：從入門到專家，如何規劃資料分析職涯

2018資料科學網路資源大推薦！線上課程&博客

其次，資料科學家不是一個基礎職位，需要大量的實踐。

很多人一上來就說怎麼樣才能成為一個資料科學家？要知道實際上這個職位並不是一個基礎性職位，你剛畢業或是剛剛讀完幾本資料分析的書就可以勝任的，理論知識只是第一步，是基礎的部分。接下來你還需要大量的實踐磨煉。在真實的工作環境中，遇到各種各樣的資料集，逐步去解決複雜問題，開發出實用的解決方案。

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！