数据科学家光？

Question

我今年26岁，拥有MBA学位，我是一名ERP系统管理员。我对数据科学的兴趣已经有一段时间了。我一直喜欢统计和各种分析任务。

我真的很想在这个领域里努力工作，但感觉有点压倒性。人们提到必须学习Python、R、SQL、机器学习、高级代数、数据建模、大数据(hadoop等)、预测分析、各种商业智能工具、VBA、Matlab等。

到今天为止，我已经掌握了一些SQL知识，对BI、大数据、优秀的技能等有了大致的了解。我愿意学习上述的一些领域，但我没有钱也没有时间再回到全日制的大学学习。

因此，我的问题是:市场上是否有任何公认的数据科学家的“轻型版本”？他们通常叫什么？他们需要掌握什么技能？我应该学些什么，才能与大数据集和分析一起工作，而不需要再花5年的时间学习呢？

我住在斯堪的纳维亚，所以这里的就业市场可能不一样，但我想听到一些答案会很有趣。

Answer 1

商业智能对你来说是完美的，你已经有了商业背景。如果你想成为一名真正的数据科学家，请仔细研究你的计算机科学、线性代数和统计学。我认为这些是最基本的要素。

我不知道斯堪的纳维亚，但在美国，数据科学涵盖的任务范围很广，从全职软件开发到全职数据分析，通常需要在各种领域专长，如实验设计。你必须决定你的优势和兴趣所在来选择这个领域的立场，并做好相应的准备。有用的活动包括参加Kaggle竞赛，以及为开放源码数据科学图书馆作出贡献。

Answer 2

数据科学的业务分析师风格是非常适合的。

据我所见，该行业的业务分析师和商业智能工程师的大部分工作都集中在从Excel工作表中获得洞察力和编写SQL查询以挖掘出适当的数据。他们确实编写脚本，但这通常只是为了可视化目的，而不是像机器学习这样的高级分析。

在金融分析/量化领域，我也能看到你美好的未来。这也是一个学习曲线有点陡峭，但完全值得的领域。关于进入quant领域的这是我的答案。

然而，如果你想跟上数据科学的步伐，那么你必须慢慢地建立起强大的线性代数技能，以及在你所从事的任何领域中非常敏锐和有价值的领域知识。后者往往被低估，但根据我在这个行业的(短暂但有价值的)经验；我为这一事实担保。

奖金资源：

1. Quora数据科学主题wiki
2. 元学院学习路径
3. 开放式数学课程

如果您可以从数据科学的全面学习马拉松开始，那么我建议您使用以下方法：

1. 单变量微积分
2. 多变量微积分
3. 微分方程组
4. 线性代数
5. 概率论与组合学基础
6. 统计数据
7. 算法

以上所有课程均在开放式课程目录中提供。如果没有，那么您也可以在其他MOOC聚合器中找到它们。