維基百科是你在資料科學領域解惑最佳的方式之一，但它所提供的資訊要麼就是特別簡單，要麼就是特別複雜。同樣的，在資料科學職業建議這方面也一樣：有些帖子針對的是初學者，有些則針對的是軟體工程師，亦或者是針對入門後希望有所提升的入門級群體。因此，對於那些想要進入該領域的資料科學家來說，真的不知道去哪裡尋找建議。

沒有完美的建議可以適合所有人，在這裡我就初級入門者、軟體工程師以及數學物理系畢業生分別提出一些正確進入資料科學領域的建議，按照我所說的去做，你會事半功倍。

一、假如你是一名初級入門者……

如果你是一個初級入門人員，那麼請你一定要牢記：這個領域的發展速度令人咋舌，我在給你的任何建議基本上都是過時的。2017年的資料科學工作者在今天就不一定能在這個領域工作下去，同樣的，今天的資料科學招聘標準在兩年以後同樣派不上多少用場。

但假如你現在還沒有編碼或STEM背景，下面這些建議或許對你有所裨益：

1、一定要有一個相對開闊的思路。如果你什麼都不會，那麼你可能並不瞭解什麼是資料科學，所以資料科學這一領域並不一定是你特別想要接觸的領域。你可以在LinkedIn上關注一些資料科學家，或者關注一些相關的部落格。瞭解這個領域的人究竟都在做什麼。成為一個真正的資料科學家需要你付出大量的時間和精力，因此，純粹因為無人駕駛看起來很酷並不是你想成為資料科學家的理由。你要了解的是，資料科學並不是表面上那麼光鮮，枯燥繁瑣的資料整理、構建資料通道等佔據了資料科學家們大部分時間和精力。

2、瞭解到這些以後，如果你依然決定進入資料科學領域，那麼你即將進入資料科學領域的學習！首先，學習Python和慕課網上的課程，然後儘快建立一個基礎性的專案。在你熟悉Python的基本技能後，還得學習如何使用Jupyter筆記本。

3、作為一個初學者，將目標一步定位到資料科學家並不明智。相反，適當的降低目標會更加有助於你成功，比如資料視覺化或資料分析。這些專業的技術人員需求量很大，並且很容易找到工作，在這些領域工作後，你就會有機會經常和資料科學家一起工作。在積累了一定的經驗後，你就可以在資料科學的各個領域橫向發展了！

二、假如你是一名軟體工程師……

以我的應驗來看，20%的資料科學家可能都是軟體工程師。一方面來說，作為一名軟體工程師，將程式碼部署到生產環境中，他們有著相當豐富的經驗，除此以外，他們還有強大的團隊合作能力，這很重要。另一方面，全棧工程師的需求量很大，因此很多公司都會向傾向於招聘軟體工程師，即便是他們在招聘時寫的是

1.如果你是一名軟體工程師，你可以先熟悉資料管道，這能夠幫助你學習核心的資料操作技巧。

2.機器學習工程可能是最接近資料科學家的一個角色，如果你能成為一名機器學習工程師，那麼再進階為一名資料科學家對你來說就很容易了。機器學習重點在於部署模型或者是將現有的模型部署到應用程式中，可以有效的利用你所學到的技能。

3.你可以建立機器學習或者資料科學專案來打動招聘主管，利用你所學的軟體工程技能，向招聘人員展示你的應用程式，證明你是一個全棧資料科學家的潛力股。

4.你要知道，在轉型期間，你的薪水肯定會有所降低。即便是高階軟體工程師，在轉型到資料科學領域的時候，也是一個初級角色，也會面臨薪水降級。很多人沒有意識到這點，以至於面對薪資降低會感到特別失望。

三、假如你是一名數學或物理系畢業生……

如果你是數學或物理系的本科、碩士或博士畢業生，那麼你一定已經在統計學和數學方面打下了堅實的基礎。但是遺憾的是，你並沒有工作經驗，而且也不知道如何準備面試。即便是你在讀書期間一直在學習程式設計，也不可能寫出一個簡潔、結構完整的程式碼。下面是我的一些建議供你參考：

1.你在學校所學到的R語言、MATLAB或Mathematica遠遠不夠，建議你學習下Python語言。除此之外，你還要學習協作版本控制（即如何與其他人一起使用GitHub）、容器化（即如何使用Docker）、Devops（即如何部署模型）和SQL。

2.學習Python中的測試開發，並瞭解如何使用docstrings。除此之外，瞭解下如何將程式碼模組化。如果你還沒準備好學習這些，那麼你可以先學習如何使用Jupyter筆記本。

3.如果你是一個數學系畢業生，那麼深度學習可能是比較適合你的方向。如果想進入深度學習領域，可以從傳統的““Scikit-Learn”開始，然後就可以很輕鬆的進入深度學習領域。最重要的是，你要進入這個行業，然後儘可能快的開始寫程式碼。

本文由北郵@愛可可-愛生活 老師推薦，阿里云云棲社群組織翻譯。

文章原標題《3 common data science career transitions, and how to make them happen》

譯者：Mags，審校：袁虎。

文章為簡譯，更為詳細的內容，請檢視原文