数据科学家 (Data Scientist) 的核心技能是什么？

我总结了11种技能，你可以看看～

No.1 统计学和数学

掌握以下概念:

• 平均值、中值和众数;
• 标准差和方差;
• 相关系数和协方差矩阵
• 概率分布——二项分布(Binomial)，泊松分布(Poisson)，正态分布;
• 假定制(p-value);
• 贝叶斯定理（Bayes' Theorem'）
• 对混淆矩阵的精度、召回率、正预测值、负预测值、受试者工作特征(ROC)曲线、中心极限定理、R2分数、均方误差、A/B检验和蒙特卡罗模拟(Monte Carlo Simulation)进行分析。

No.2 多元微积分和线性代数

核心线性代数主题包括向量、范数、矩阵、矩阵的转置和操作、点积、特征值和特征向量。

矩阵数学和多变量微积分，如导数和梯度，阶跃函数，sigmoid函数，logit函数，成本函数，最小/最大值，纠正线性单位函数和函数绘图的关键。

No.3 优化方法

包括成本和误差函数，快速从大数据中确定值的方法，以及迭代。

掌握的关键领域包括成本函数和目标函数、似然函数和误差函数、梯度下降算法及其变体。

No.4 数据可视化

从数据中获取数字或分类的见解，并以决策者能够理解的方式呈现它们（重要！）

有数据绘制和图表，包括:

• 直方图；
• 条形图和面积图，饼形图和折线图，瀑布图，温度计和烛台图；
• 分割和聚类图；
• 散点图和气泡图；
• 分类空间可视化；
• 探索性数据分析的可视化方法；
• 框架图和树形图；
• 漏斗图、文字云、热图、视频和图像注释；
• 地图和地理空间可视化；
• 使用各种各样的计量器、度量标准和措施。

No.5 数据处理，准备和争论

大数据访问的经验，包括Hadoop和Spark，SQL和NoSQL方法。使用MongoDB和Postgres等常用数据库的经验。

No.6 数据分析

知道如何构建分析产品，从数据中生成预测、描述和投影结果。

会用Excel、大数据分析工具(如Hadoop和Spark)、商业分析产品(如SAS和MATLAB)以及使用R、Python、Java、Julia和其他语言的开源产品。

No.7 机器学习算法、建模与特征工程

了解机器学习算法，包括：

• 决策树方法(decision trees)，随机森林算法，bagged算法和提升树方法(boosted tree);
• 贝叶斯算法(Bayesian methods);
• 邻近算法(k-nearest neighbors);
• 支持向量机(support vector machines);
• 集成方法(ensemble methods);
• 群集方法包括k均值( k-means)、高斯混合(gaussian mixture)和主元分析法(principal component analysis);
• 马尔可夫模型(Markov models);
• 循环神经网络，卷积神经网络和玻尔兹曼机(Boltzmann machines)。

No.8 编程技能

精通一系列语言，包括Python、R、Julia和基于java的语言，尤其是Python，当然其他也会更好，多多益善。

No.9 分析和大数据处理工具

对处理大数据的平台和框架有一定的了解，包括SQL、Spark、Hadoop、Hive和Pig。

No.10 云平台和机器学习服务(MLaaS)

因为越来越多的数据科学和机器学习工程都是在云端完成的。

No.11 数据工程和操作工具

有使用大数据操作工具的经验，包括开源产品如Pandas，以及商业或基于云的提供商提供的工具。

希望对你有所帮助！