数据科学家的基本技能

Question

数据科学家的武器库中有哪些相关技能？随着新技术的不断涌现，人们如何挑选和选择要点呢？

以下是与此讨论相关的一些想法：

在NoSql和非关系型数据库出现之前，

• 了解SQL和使用MySQL、PostgreSQL等数据库是很棒的。MongoDB、CouchDB等正变得越来越流行来处理web规模的数据。
• 知道像R这样的统计工具就足以进行分析，但要创建应用程序，可能需要添加Java、Python和其他类似的工具。
• 数据现在以文本、urls、多媒体的形式出现，关于集群计算、并行计算、云、亚马逊EC2、Hadoop ?
• OLS回归现在有人工神经网络、随机森林和其他相对奇异的机器学习/数据挖掘算法。对于公司

有什么想法？

Answer 1

引用Hadley's phd thesis简介中的内容

首先，您以一种可以使用的形式获取数据...其次，您绘制数据以了解正在发生的情况……第三，您可以在图形和模型之间进行迭代，以构建简洁的数据量化摘要……最后，回顾您所做的工作，并思考将来需要哪些工具才能做得更好

步骤1几乎肯定会涉及到数据过滤，也可能涉及到数据库访问或web抓取。了解创建数据的人也很有用。(我将其归入“网络”一栏。)

第2步意味着可视化/绘图技能。

第3步意味着统计或建模技能。由于这是一个愚蠢的宽泛类别，将任务委托给建模师的能力也是一项有用的技能。

最后一步主要是软技能，比如内省和管理型技能。

问题中也提到了软件技能，我同意这些技能非常有用。Software Carpentry有一个很好的列表，列出了你应该拥有的所有基本软件技能。

Answer 2

只是为了给其他人提供一些想法来阐述：

在某种可笑的高抽象级别上，所有数据工作都涉及以下步骤：

• Data Manipulation/Synthesis/Modeling
• Result Reporting
• Story存储/检索
• Data Collection
• Data Telling

数据科学家至少应该在这些领域中的每一个领域都有一些技能。但根据专业的不同，一个人可能会在有限的范围内花费更多的时间。

Answer 3

JD很棒，要更深入地了解这些想法，请阅读Michael Driscoll的优秀帖子The Three Sexy Skills of Data Geeks

1. Skill #1： (Suffering)
2. Skill #2：Data Munging #3：可视化(讲故事)