如何成为数据科学家

数据科学领域是一个严格的，在智力和教育方面都需要茁壮成长。一个很好的方式来找出这个领域是否适合你是为了服用免费数据科学课程通过在线学习门户edx.。

另一个方法来了解大数据是什么，是遵循一些内部人：
10个大数据内部人士在推特上遵循

数据科学长期职业生涯的基础是学士学位。虽然A.数据科学学位是明显的职业道路，并非所有大学都在纪律提供指定的本科课程。因此，有抱负的数据科学家经常在相关领域获得学位，例如计算机科学那统计数据那物理那应用数学那管理信息系统（MIS）那计算机工程， 或者信息学。来自这些程序的毕业生通常具有适用于数据科学的广泛技能，包括实验，编码，定量问题解决，数据管理等。

单身学士学位是预期数据科学家的推荐初始研究课程，原因如下：

•它为获得硕士学位提供了坚实的基础，这在数据科学领域非常普遍
•在许多大学中，学士学位是入学硕士计划的先决条件

但是，正式本科课程有两种替代方案：

大规模开放的在线课程（Moocs）
一种MOOC.是一种在线自我导向的学习课程，通常没有收费，任何人都可以访问互联网。这通常是零碎的刮胡子教育选择要求学生构建自己的学术途径，并允许他们以自己的步伐完成项目。MooCs不提供任何求职资源或帮助。

新手营
Bootcamps是数据科学教育的加速和强烈的方法。他们专注于经验学习，内置于该计划的项目。他们的教师和人员配备管理人员 - 通常练习数据科学家 - 通常与潜在雇主建立了关系。

虽然完成学士学位的学生，但是那些选择申请MOOC的学位赢得了证书，Bootcamp毕业生将营地与项目组合离开。

十分之一的数据学者持有毕业生级别。最选择硕士学位，但近一半的那些在现场练习的人持有博士学位。

数据科学计划目标主题领域，如：
•数学 - 线性代数，微积分和概率
•统计 - 假设检测和汇总统计
•机器学习工具和技术 - K-CORMALY邻居，随机森林，集合方法等。
•软件工程技能 - 分布式计算，算法和数据结构
• 数据挖掘
•数据清洁和数据营地
•数据可视化 - GGPLOT和D3.JS;报告技术
•非结构化数据技术
•R和/或SAS语言
•SQL数据库和数据库查询语言
•Python（最常见的），C / C ++ Java，Perl
•Hadoop，Hive＆Pig等大数据平台
•像Amazon S3这样的云工具

一些入门级工作 - 如数据可视化专家，管理分析师和市场研究分析师 - 可能只需要本科教育。

机器学习算法开发人员，统计学家或数据工程师等位置肯定会要求硕士学位。

博士通常需要争夺业务解决方案科学家，数据科学家和企业科学分析经理等角色。

由于几乎每个企业，组织和全球机构都需要数据科学，专业化是一种选择。一些数据科学家选择仅在特定的商业部门工作，例如汽车或保险。有些人更喜欢专注于企业的特定方面，如营销或定价。其他人专注于帮助初创企业找到并留住客户。

在数据科学中追求专业证书，同时自愿，非常常见。

数据科学是不断发展的，因为它使用了不断发展的技术。因此，该领域的持续教育是至关重要的。该职业提供了一系列学习和网络资源：

•数据科学协会
•运营研究所和管理科学（通知）
•国际分析研究所（IIA）
•知识发现和数据挖掘的计算机械的特殊兴趣组协会（SIGKDD）