如何決定要不要當資料科學家？
全文共1969字，預計學習時長4分鐘
如今，手把手教你當資料科學家的文章不在少數。
“很簡單！你是應屆畢業生嗎？你要......換工作？那上至編碼、統計、機器學習，下至打造品牌故事、資料庫和大資料，這些關鍵能力都要掌握，你需要資源？那去看看吳恩達在Coursera 上的機器學習課程......”
確實，當你下定決心從事資料科學領域工作，這些都需要考慮。不過在這之前，你們應該問自己一個問題，並且這個問題是每個有抱負的資料科學家需要認真想一想的：“我要不要當資料科學家？”
這個問題更關注你選擇這一職業的原因，而非從事這一職業的方法。那麼，吸引你選擇這一領域，讓你在未來幾年都對其保持熱情的原因是什麼？
為了回答這個問題，需要了解資料科學的緣起和未來走向。只有經過充分了解，你才能確定這個領域對你是否有價值。
緣起
在電腦科學、資料技術、視覺化、數學和統計學融合為今日我們所稱的資料科學之前，這些領域互不相干，各自為開發工具和產品奠定了基礎，例如：Oculus 、Google Home、亞馬遜Alexa、自動駕駛汽車、推薦引擎等。
這些基礎理論已經有了幾十年的歷史...... 追溯到19世紀前期，不同領域的科學家攜手開發第一臺計算機，研究微積分、概率論和演算法，例如：CNN（卷積神經網路）、強化學習，最小平方迴歸等。隨著資料和計算能力的激增，我們能夠重構十年前的這些理論，並將其應用於解決現實問題。
2009年和2012年，麥肯錫和《哈佛商業評論》發表了文章吹捧資料科學家，展示了他們如何顛覆企業運營方式，以及他們對未來商業的成功至關重要。他們不僅看到資料驅動的優勢，而且還看到了未來預測分析對於保持競爭力和市場聯絡的重要性。大約在2011年的同一時間，Andrew Ng推出了一個關於機器學習的免費線上課程，AI FOMO（錯失恐懼症）隨之而來。
現狀
公司開始搜尋高技術人才，來幫助他們蒐集、儲存、視覺化，並理解所有資料。 “高薪高位急聘技術人才！”這些公司對自己尋找的人才知之甚少，因此湧現了大量崗位需求。
今天如果你在ZipRecuiter上搜索，會發現和資料科學相關的空缺職位超過了十九萬。每個人都在尋找自己的資料獨角獸。為了吸引人才進入市場，資料科學家的定義很快就會被擴大，因為不同的公司和個人會對其有不同的定義。
另一方面，對於應聘者來說前景一片大好：薪水可觀、需求旺盛，而且公司承諾福利和頭銜。人人趨之若鶩，急不可待地開發所有需要的技能，目標是競爭這個 “21世紀最具吸引力的工作”。
我們有供也有求，那麼問題是什麼？刺激需求利用其炒作的不在少數。好像每天都有新課程來滿足那些雄心勃勃的資料科學家，例如碩士課程，新手入門、線上課程等等。這彷彿一場軍備競賽，大家爭相報名，上對了課，就能找到機器學習相關工作。 “沒有博士學位？沒問題。你只需要三到六個月的時間，給自己一筆一萬到一萬五的小額投資，畢業後即可得到一份高薪工作！”
這些課程旨在提供一站式服務：無論程式設計、視覺化還是建模，應有盡有。你很快就會發現，許多問題都可以使用類似的方法解決（但並非所有），因此如果你正在找某種演算法，那麼肯定有一個現存的資料庫能幫助你解決問題，很簡單，對吧？
且慢...
如果你一直在關注資料科學，你肯定會發現一些重要現象：
1.公司在開始收集正確的資料之前就會僱傭資料科學家（他們現在面臨人工智慧的冷啟動問題），這意味著你需要參與資料流水線的每一步。包括資料收集、儲存和視覺化，然後才能進行建模。
2.如果你急於獲得資料科學的工作（採取了上述方法之一），便得和成千上萬的人競爭。你要假設他們和你有類似的經驗和專案經歷。為了讓自己脫穎而出，你需要展示自己的創造力和堅韌不拔的毅力。
3.自己開發演算法不太可能。除非你時間充足，否則一般都會使用現有信譽比較好的庫。與一群負責開發的博士競爭，並冒險將一些效果不佳的東西投入生產有何意義？如果是為了自己的特定用途，那便另當別論。
未來
相信未來會產生重要變化：
首先，資料科學家的技能以及對企業的預期影響將會更加明確。其次，AI模型將會走向自動化。不信的話，谷歌AutoML和TPot等軟體包已經表現出這一趨勢。技術上最具挑戰性、最吸引人的部分將自動化。正如他們所說：“不會機器學習？沒問題！”
未來的發展軌跡：
1.資料工程師或資料分析師不會再被冠上 “真正的”資料科學家的頭銜，享受不應得的薪酬，這可能會減少市場上資料科學家的數量。
2.人類洞察力和監督將變得越來越重要。並不是說技術專業知識地位降低，而是將分析與業務聯絡起來，瞭解軟體如何與人們互動（即資料科學的人性化方面），這些將會更加重要。
3.最後，由於作業中的機器學習部分表現最穩定，因此它將最先實現自動化（我們已經看到了這一點）。這意味著，資料科學家工作的大部分將涉及統一散亂資料、準備建模和評估。
因此，在回答 “要不要做資料科學家？的時候”，想象一下自己在未來這個熱門行業裡的表現：儘管挑戰重重，你是否能在持續快速發展的領域中成長？你是否擁有很高的應變和適應能力？如果是，歡迎來到資料分析的世界！
留言 點贊 發個朋友圈
我們一起分享AI學習與發展的乾貨
編譯組：安心、趙璇
相關連結：
https://www.kdnuggets.com/2018/12/should-i-become-a-data-scientist.html