详细内容或原文请订阅后点击阅览
如何开始您的数据科学职业之旅
初学者在选择数据科学和 AI/ML 技能提升资源时需要考虑的六个方面照片由 Zach Graves 在 Unsplash 上拍摄简介照片由 Jonathan Kemper 在 Unsplash 上拍摄显而易见，在过去十年中，数据科学已发展成为市场上最抢手的技能之一。传统企业、科技公司、咨询公司、初创公司 — — 随便什么 — — 都在不断招聘数据科学专业人士。该领域对经验丰富的专家的需求量大，而供应相对短缺，使其成为一个非常有利可图的职业机会。要进入该领域并取得成功，您不仅需要深入了解可用的算法和软件包，还需要培养对哪些方法适用于哪些用例的直觉。此外，您还需要学习如何将现实世界的问题转化为数据科学框架。在这篇文章中，我将讨论初学者如何建立对这个领域的根本和深入理解，从而在这个领域开创事业。你从哪里开始？照片由 marianne bos 在 Unsplash 上拍摄鉴于学习者可用的资源过多，选择哪种学习机制可能会令人困惑。虽然这取决于您的个人情况和目标，但在选择学习资源时，您可能需要考虑一些标准：· 内容：通常，强大的资源将涵盖监督学习（例如线性回归、逻辑回归、决策树、集成方法）、无监督
来源:走向数据科学您从哪里开始？
Marianne Bos Unplash鉴于学习者可获得的大量资源，因此选择什么作为一种学习机制可能会令人困惑。虽然这取决于您的个人状况和目标，但您可能需要在选择学习资源时考虑一些标准：
·内容：通常，强大的资源将涵盖监督的学习（例如线性回归，逻辑回归，决策树，集合方法），无监督的学习（例如，聚类，PCA）以及统计和概率的基础。许多程序都将重点放在高级方法上，包括深度学习，计算机视觉，自然语言处理和生成AI。一些程序甚至提供课程内容，学习视频和编码项目的免费预览，以帮助学习者做出决定。虽然找到一个详细介绍每个主题的程序可能具有挑战性，但您将旋转到数据科学领域的目的应决定课程工作的选择。
内容·听众：“谁将从课程中受益？”是帮助确定程序的关键问题。如果您是初学者，则中级课程可能被证明是学习的障碍。另一方面，对于已经具有某种分析方法背景的学习者而言，非常基本的概念可能不太有用。
观众 时间承诺·学习者经验：您可以在程序页面或在线其他位置上找到用户评论。这些可能有助于了解课程内容和教学的质量，尤其是如果评分和评论数量相当大。此外，该计划的覆盖范围是由当前注册和/或完成该计划的学习者数量来指示的。有人可能会说，验证评论的有效性和学习者数量可能具有挑战性。即便如此，给定其他信息，这些也可以作为三角测量点，以全面地查看程序。
成本