如何在数据科学（业务分析）领域有所发展？
在上一篇文章中，我分享了一个框架来帮助您回答以下问题：“我应该成为数据科学家（或业务分析师）吗？”。对于清除界限的人们来说，下一个显而易见的问题是“我如何成为数据科学家？” 在本文中，我将分享如果我开始从事数据科学职业的旅程会做些什么。
在没有适当指导和计划的情况下开始数据科学事业可能会造成混乱。我们已经编制了一份明确的免费路线图指南，以建立数据科学事业，该指南由Analytics Vidhya的专家策展人创建，
下载此免费的综合数据科学路线图以开始您的职业生涯
背景–我作为数据科学家的旅程
我从一个分析师开始我的职业生涯，对我将要使用的工具一无所知–我所知道的就是如何在Excel中创建基本模型。我没有听说过数据透视表，甚至不知道条件格式在Excel中也存在！
值得庆幸的是，Capital One雇用我的原因是我的逻辑思维，而不是我需要使用的工具知识。在接下来的几年中，通过与多家雇主合作，自由职业和完成一些宠物项目–我学习了多种工具和技术–包括SAS，SPSS，R和Python！
话虽如此，如果我今天开始我的职业生涯，我会选择相同的道路吗？答案是不。我会走的是一条截然不同的道路。这条道路不仅可以消除我所经历的困惑期，而且可以利用过去几年在分析行业中发生的一些戏剧性变化。
数据科学事业-如何成为数据科学家业务分析师？
因此，我想，如果我今天必须制定自己的职业道路，我将分享如何规划成为数据科学家的旅程。这是我按照时间顺序计划行程的方式：
步骤1：从量化学科的一流大学毕业
幸运的是，这对我来说并没有太大变化。教育对您从事该行业的前景产生了巨大的影响。大多数从事新招聘的公司都是直接从最好的大学中选拔人才。因此，通过进入一流大学，您将有很大的机会进入数据科学世界。
理想情况下，我会将计算机科学作为研究主题。如果我没有参加计算机科学课程，那么我将选一门与计算领域有密切联系的学科，例如，计算神经科学，计算流体动力学等。
第2步：参加该主题的课程-但一次只做一门
如果我现在昏倒了，那可能是旅途中最大的变化。如果您花了一年的时间通过参加这些公开课程来学习该主题，那么与其他竞争该行业的人相比，您的处境将会好得多。我花了5年以上的经验来与R和Python带来的力量联系起来。您今天可以通过参加各种课程来做到这一点。
请注意，选择的课程要谨慎。我将专注于学习一个堆栈-R或Python。我今天建议使用Python而不是R，但这是个人选择。
参加一门综合课程–一门综合课程是一门完成的课程，一旦完成，您将成为顶尖的数据科学家。它必须包含成为全栈数据科学家的所有技能和工具，数十个现实生活中的项目以及指导支持。Analytics（分析）Vidhya的Blackbelt +计划可通过专家培训为他们提供所有服务。
本课程的一些好处–
精通15多种工具
数据科学，机器学习和深度学习主题方面的专业知识
解决现实行业问题的能力
与行业从业人员进行1：1指导
全面而个性化的学习路径
专门的面试准备和支持
参加一些免费课程-免费课程是在旅途的最初阶段基于您的知识的好方法。这些课程很好地介绍了数据科学概念。但是请注意，这些课程是针对初学者的，如果您精通一些主题，我建议您继续学习专业课程。让我们看看一些重要的免费课程列表–
AI和ML入门–了解和驾驭人工智能和机器学习行业的完美课程。它提到了成为AI和ML专业人士的所有技能，工具和职业道路。
用于数据科学的Python – Python是构建机器学习模型的最强大，使用最广泛的语言之一。本课程非常适合Python初学者，并提供免费认证！
自然语言处理入门–如果您是NLP爱好者，那么这是您的理想课程。通过本课程，您将学习使用机器学习的自然语言处理，正则表达式和文本情感分析的基础知识。
神经网络入门–过去十年来，深度学习已经普及，许多爱好者对学习神经网络感兴趣。该课程将回答诸如–什么是神经网络之类的问题。它是如何工作的？神经网络做什么？
步骤3：进行一些实习/自由职业
这是为了在您实际冒险之前获得一些实际经验。这也应该使您了解现实世界中发生的工作。在这里，您将面临大量有关数据收集和清理的现实挑战。
步骤4：参加数据科学比赛
在离开大学之前，您应该努力使Kaggle的成绩至少达到10％。这应该使您迅速进入招聘人员的视野，并为您提供强大的启动板。当心，这听起来比实际要容易得多。即使是最聪明的人，也可能要经过多次比赛才能跻身Kaggle的前10％。
这是增加您的工作成果的另一个提示–分享您在Github上的工作。您不知道哪个雇主可以从您的工作中找到您！
第5步：完成正确的工作，提供出色的体验
我会在一家初创公司工作，在分析/机器学习方面做得很棒。您为轻微的风险而获得的学习量可能是惊人的。有一些初创公司致力于深度学习，强化学习-选择适合您的一种（考虑到文化）
如果您不是初学者，请加入分析咨询公司，该公司致力于解决各种工具和问题。询问不同领域的项目，研究不同的算法，尝试新方法。如果您找不到顾问公司的职位，请担任俘虏单位的职位，但每12到18个月要换一个职位。同样，这是一个通用准则–根据您在角色中所学的知识进行调整。
最后是一些奖金提示：
导师的作用是无价的！您可以尝试找到在整个行业中都有所求职并接受建议的专业人员。AI和ML Blackbelt +计划提供指导课程和由专家指??导者定制的个性化学习路线图。
对已经使用的工具感到满意后，请尝试学习新工具。不同的工具可以解决不同类型的问题。例如，学习Vowpal Wabbit可以为您的Python编码增加很大的优势。
您可以尝试创建一些Web应用程序-这增加了有关Web上数据流的重要知识，我个人有时会很高兴满足我的黑客！
如果您已经大学毕业或没有工作经验，则可以对这些技巧进行一些修改：
万一您仍然可以重返大学，可以考虑获得硕士学位或博士学位。与从顶尖大学获得好的课程相比，获得合适工作的可能性没有任何提高。
如果无法进行全日制教育，请从一个好的学院/大学接受一份兼职课程。但要准备在这些认证/计划之外付出更多的努力。
如果您已经在工作并且您的公司具有高级分析设置，请尝试通过演示您的学习来进行内部调整。
我一直专注于R或Python，因为它们本质上是开源的。这些正在成为该行业的主流技术堆栈标准。
您如何看待这一通往数据科学职业的道路？您是否还有其他技巧可以帮助人们做出职业选择？请随意在下方发布这些提示，以使更多的读者受益。
题库