你想成为一名数据科学家？很棒，说明你是很有上进心的人，而且对数据科学充满热情，并希望通过解决复杂的问题为公司带来价值。但是你在数据科学方面毫无经验，也不知道如何开始。我很懂你，因为曾经我也是如此。本文就是特别针对热情且有抱负的数据科学家，解答进入该领域最常见的问题和挑战。
数据科学人才缺口
根据国际数据公司（IDC）预测，2020年全球大数据和业务分析收入将超过2100亿美元。
根据LinkedIn与2018年8月发布的美国劳动力报告，2015年美国的数据科学人才过剩。三年后，随着越来越多公司面临数据科学技能人才的短缺，这一趋势发生了巨大变化。越来越多的公司开始使用大数据得出分析见解和制定决策。
从经济角度讲，这完全取决于供需关系。
好消息是：形势以及发生了转变。坏消息是：随着数据科学领域的就业机会不断增加，但很多有抱负的数据科学家由于技能不符合市场的需求，而难以找到心仪的工作。
在接下来的部分中，你将看到该如何提高数据科学技能，从而在大量求职者中脱颖而出，最终收获梦想的工作。
终极指南
1.需要哪些技能以及如何掌握？
说实话，要掌握数据科学领域所有技能几乎是不可能的，因为范围太广了。总有一些技术是数据科学家没有掌握的，因为不同的业务需要不同的技能。
但有一些核心技能是数据科学家所必须掌握的。
技术能力，数学和统计学，编程和商业知识。尽管无论使用何种语言，编程能力都是必备的。作为数据科学家，我们应该运用商业沟通能力想企业高层说明模型结果，同时基于数学和统计学的支持。
数学和统计学
编程
关于学习编程，特别是对于没有经验的初学者，我建议专注于学习一种语言，我个人更喜欢Python，因为Python更容易学习。关于Python或R哪种语言更好一直都存在争论，我个人认为重点应放在如何帮助企业解决问题，而不是使用哪种语言。
商业知识
最后，我要强调的是对商业知识的理解也是至关重要的。
软技能
2.如何选择合适的训练营和在线课程？
随着人工智能和数据科学的兴起，大量课程课程、训练营如雨后春笋般涌现，都不希望错失良机。
因此问题来了，该如何选择适合你的学习资源呢？
我的选择方法如下：
没有一门课程能涵盖你需要的所有资源。有些课程在某些方面是重叠的，因此不值得花钱购买不同但有重复性的课程。
首先要知道你需要学什么。不要因为花哨和吸引人的标题就盲目选择课程。通过查看求职网站上数据科学家的职位描述，你会发现一些公司需要的通用技能。然后通过了解自己缺乏的技能去搜索相应课程。
以下是我个人特别喜欢的一些课程：
1.MachineLearning，主讲人:Coursera的联合创始人吴恩达
2.PythonforDataScienceandMachineLearningBootcamp，主讲人：JosePortilla
3.DeepLearningA-Z:Hands-OnArtificialNeuralNetworks，主讲人：KirillEremenko，HadelindePonteves
4.PythonforDataScienceEssentialTraining，主讲人：LillianPierson
3.能否通过开源学习成为数据科学家？
我想说的是，通过开源学习足以让你开始从事数据科学，之后可以根据业务需求进一步发展自己的职业生涯。
4.对于零基础的初学者有什么推荐的书籍吗？
注意不要试图去记忆具体的数学和算法细节，因为当应用于实际问题进行编程时，你可能会忘记这些内容。
你只需了解一定的基础知识，并继续学习，要务实。不要试图完全了解所有知识，因为有时完美主义会给你的学习拖后腿。
LearningPython
PythonforDataAnalysis
AnIntroductiontoStatisticalLearning
MachineLearningforAbsoluteBeginners
PythonMachineLearning
PythonDataScienceHandbook
IntroductiontoMachineLearningwithPython
DeepLearningwithPython
5.如何在理解商业问题(制定解决方案)和提高技术技能(编程、数学知识等)之间取得平衡？
在理解商业问题和制定解决方案之前，我首先去提高自己的技术技能。
商业问题在于”是什么”和”为什么”。要解决商业问题，首先必须解决问题。而技术技能是注重于”怎么做”。我的建议主要基于个人经验。
6.如何克服开启数据科学家职业生涯的挑战？
对于许多数据科学家来说，主要挑战就是数据科学是信息的海洋。我们可能失去方向，因为有太多的建议和资源，大量的在线课程、研讨会等等，你需要保持专注，知道你拥有什么，你需要什么。
在我的数据科学历程中，我主要通过这些方法克服这些挑战：
有效地筛选学习资源
不要放弃
当学习过程太过艰难时，我开始怀疑自己，我真的有能力做到吗？我追求的道理是正确的吗？最终对数据科学的热情和耐心让我重新开始，继续不断努力和前行。
7.如何有效地在简历中加入自己的工作经验，从而提高被录用的几率？
这是一种误解，你并不能通过简历中的经验就被聘用。事实上，简历是面试的敲门砖。
Vault
TopResume
OptimizeGuide
AResumeExpertGivesCareerAdvice
HowtoPassthe6-SecondResumeTest
HowtotailoryourAcademicCVforDataScienceroles
WhatdoHiringManagersLookForinaDataScientist’sCV
The14ThingsYouNeedOnYourResumeToLandYourDreamJob
简历是不够的，你还需要作品集的支撑。在看了简历之后，招聘人员希望更多地了解你的背景，这时就需要作品集了。
更多资源
学习平台：
TowardsDataScience,Quora,DZone,KDnuggets,AnalyticsVidhya,DataTau,fast.ai
推荐视频：
Webinars——DataScienceOfficeHours,DataScienceConnect,HumansofDataScience(HoDS)
ABadass’sGuidetoBreakingIntoData
10MustHaveDataScienceSkills
MyDataScience&MachineLearning,Beginner’sLearningPath
24UltimateDataScienceProjectsToBoostYourKnowledgeandSkills
RandyLao
KyleMcKiou
FavioVázquez
VinVashishta
EricWeber
SarahNooravi
KateStrachnyi
TarrySingh
KarthikeyanP.T.R.
MeganSilvey
ImaadMohamedKhan
AndreasKretz
AndriyBurkov
CarlaGentry
NicRyan
BeauWalker
结语
希望本文能够解决你的问题。每当你在数据科学旅程中遇到任何障碍，快要放弃时请记住，坚持是关键。