人們總是問我如何有效的成為一名數(shù)據(jù)科學(xué)家。在這篇文章里，基于西線學(xué)院在這個領(lǐng)域的經(jīng)驗(yàn)總結(jié)，給出了成為數(shù)據(jù)學(xué)家的首要步驟，目的是為了幫助那些想從純軟件工程領(lǐng)域轉(zhuǎn)行到數(shù)據(jù)科學(xué)。

第一步：從解決一個難題開始

盡管你對于數(shù)據(jù)科學(xué)領(lǐng)域的機(jī)器學(xué)習(xí)和數(shù)據(jù)方面一無所知，從解決一個難題開始非常重要。理想化的，你可以找一些自己感興趣的東西，因?yàn)檫@樣做起來會更有激情。

第二步：跨越你知識的屏障

無論你選擇了什么問題，你都會面對跨領(lǐng)域知識的學(xué)習(xí)，像維基百科，教材和網(wǎng)上課程都會是類似機(jī)器學(xué)習(xí)和數(shù)據(jù)，最好的基礎(chǔ)教程。當(dāng)你面對一個具體的難題時，閱讀專業(yè)論文將會有助于你更好地理解眼下這個難題。

第三步：弄“臟”你的手

當(dāng)選好的課題和跨領(lǐng)域?qū)W習(xí)都已經(jīng)基本完成，是時候做一個計劃并且努力實(shí)現(xiàn)它。那就是：我將更多關(guān)注于開發(fā)處理搜集數(shù)據(jù)過程的建模算法。該方法更像是由直線思維的軟件工程師提出來的，而不像是數(shù)學(xué)家或者數(shù)據(jù)學(xué)家的方法。

這個計劃非常的簡單：

? 復(fù)制結(jié)果，結(jié)果顯示rating inference 模型是由很多目標(biāo)群體提供的文本測試過的;outperform 模型有更多多樣性的客戶提供的文本測試過的。

? 用一種被聯(lián)合篩選的方法，以目標(biāo)客戶提供的文本為基礎(chǔ)，把許多單一作者的模型和infer rating 的模型就目標(biāo)群體的共同點(diǎn)進(jìn)行對比。

? 多種相似的實(shí)驗(yàn)方法基于訓(xùn)練和目標(biāo)客戶提供的大量文本中各種各樣的限制條件。

? 重復(fù)這些方法直到結(jié)果出來。

第四步：發(fā)表你的結(jié)果

制定一個發(fā)表結(jié)果的期限的確很有壓力，但是它會有兩個積極的效應(yīng)。第一，把你的實(shí)驗(yàn)結(jié)果公布開來可以讓你得到有價值的反饋。第二，艱難的截止日期可以有助于你制定切實(shí)的目標(biāo)。你可以一直保持收獲無數(shù)細(xì)小的進(jìn)步，但是出版截止日期可以強(qiáng)制你停下來。

第五步：完善你的結(jié)果并且繼續(xù)前進(jìn)

專注于同一個難題-探索更多的方法，加入更多的數(shù)據(jù)，改善限制條件等。你也可以著眼于其他你感興趣的難題。