数据科学家职业发展路径与技术实践

数据科学家职业发展路径与技术实践

Daliana Liu是某中心机器学习解决方案实验室的高级数据科学家，她利用自己的经验帮助年轻数据科学家在这个不断扩展的领域中找到适合自己的定位。

Liu在中国大连出生并接受教育，她学习了数学和应用数学。本科毕业后，她在加州大学欧文分校获得了统计学硕士学位。

数据科学：持续学习的过程

研究生毕业后，她的第一份工作是在一家提供移动互联网接入的公司担任商业智能数据分析师。工作近一年时，某中心零售团队的招聘人员联系了她。

"我不确定自己是否具备必要的技能，比如A/B测试和SQL，但我决定试一试，"她说。

她通过学习获得了工作机会，并不断学习和进步。从零售团队转到人力资源部门，再到目前担任机器学习解决方案实验室的高级数据科学家和机器学习工程师。

如今，Liu支持某中心云服务客户将更多机器学习技术融入他们的业务。在最近的一个项目中，她与伊利诺伊大学厄巴纳-香槟分校的足球教练合作，开发了一个预测球队比赛结果的机器学习模型，显著减少了教练在比赛规划上花费的时间。在另一个项目中，她帮助一家实时体育数据提供商使用3D计算机视觉模型预测足球进球。

但Liu表示，她今天使用的许多技能——比如Python编程——都是在研究生毕业后培养的。她补充说，扩展功能技能组合是数据科学职业的一部分。

"这并不容易，但始终保持学习状态让人充满活力，"她说。

技术专长与应用

对Liu来说，数据科学的吸引力在于解决问题。每个行业都有数据，"如果你知道如何应用数据科学，你可以在任何行业工作，"她说。

这正是她现在作为机器学习解决方案实验室一员的工作内容。该团队为探索机器学习应用的客户提供咨询和支持。项目通常需要两到六周，这意味着她一年可以承担多个项目，涉及不同行业，大多数具有不同的商业模式。

"他们的问题非常有趣，"她说。"与客户建立关系并看到机器学习如何影响他们的业务是非常有意义的。"

指导他人找到合适方向

作为某中心的高级数据科学家，Liu现在在她的LinkedIn页面上提供日常职业建议，并为早期职业数据科学家撰写免费通讯《与Daliana的技术对话》。她的许多追随者都向她提出同样的问题：我应该成为什么样的数据科学家？

现代数据科学是一个相对年轻的领域，关于长期职业发展方向的指导并不多。

"我希望网上有更多已经走过这条路的人提供的材料，"她在回忆自己开始职业旅程时同样感到迷茫时说。

因此，她写了一篇LinkedIn帖子来提供帮助。在帖子中，她提供了一些问题来帮助新兴数据科学家决定追求哪条道路。她说，这实际上取决于你喜欢做什么样的工作。

"你是否喜欢应用对回归、统计理论、模型假设、统计测试和时间序列的深入理解？"她在帖子中问道。如果是这样，你可能会喜欢预测或战略规划方面的职业。如果你对看到产品增长和理解用户行为更感兴趣，她建议产品分析可能是一个不错的选择。

对于那些像Liu一样更喜欢深度学习、编码和使用数据构建工具的人，她推荐深度学习或机器学习工程。Liu最初是作为个人兴趣探索机器学习的。她通过某中心的机器学习大学参加了一些课程，这些课程曾经只对某中心员工开放，但现在免费向公众开放。最终，她开始将所学应用到构建预测客户行为的机器学习模型的工作中。

职业建议与技术发展

Liu表示，这篇在LinkedIn上获得数百次积极反应的帖子收到了很多感谢。"很多人说他们发现这篇帖子很有帮助，激励他们开始行动，而不是感到犹豫，"她说。

她还建议那些刚开始从事数据科学的人要大声说出自己的兴趣和想要发展的方向。"可能有些机会你错过了，仅仅因为你的经理不知道你想要提供帮助，"她说。

尽管她已经为自己打造了一个充实的职业生涯，但Liu很快强调这个过程不是一夜之间发生的。一路上也有拒绝。

"我被拒绝是因为我没有他们需要的特定技能，"她说。"你只需要继续寻找，直到找到一个适合你的职位。"

她还建议那些想要探索数据科学的人遵循"学习和保持好奇心"的领导原则。她说，没有哪个数据科学家已经掌握了该领域的每一项技能；关键是：让你的工作引导你学习新技能，并随时准备学习。

"注意什么让你感到兴奋，"她说。"这是获得充实职业生涯的关键。"