数据科学家的基本技能
数据科学家的相关技能是什么？ 随着新技术每天进来，人们如何挑选必需品？
一些想法与这个讨论密切相关：
- 了解SQL和使用诸如MySQL之类的数据库，PostgreSQL在NoSql和非关系数据库的出现之前一直很棒。 MongoDB，CouchDB等正在stream行与networking规模的数据工作。
- 了解像R这样的统计工具足以进行分析，但是为了创build应用程序，可能需要将Java，Python等等添加到列表中。
- 数据现在以文本，url，多媒体的forms出现，并且有不同的操作范例。
- 那么集群计算，并行计算，云计算，Amazon EC2，Hadoop呢？
- OLS回归现在有人工neural network，随机森林和其他相对陌生的机器学习/数据挖掘algorithm。 为公司
思考？
引用哈德利博士论文的介绍：
首先，您可以使用可以使用的forms获取数据…其次，绘制数据以了解正在发生的事情…第三，在graphics和模型之间进行迭代，以构build一个简洁的定量汇总数据……最后，回顾一下你已经完成的工作，并考虑将来你需要哪些工具来做得更好
第一步几乎肯定涉及到数据pipe理，可能涉及到数据库访问或networking抓取。 了解创build数据的人也很有用。 （我在“networking”下提交）。
第2步意味着可视化/绘图技能。
第3步意味着统计或build模技能。 由于这是一个非常宽泛的范畴，委托给build模者的能力也是一项有用的技能。
最后一步主要是关于内省和pipe理型技能等软技能。
在这个问题中也提到了软件技能，我同意他们非常好用。 软件木工有一个你应该拥有的所有基本软件技能的好名单。
只是为了向其他人提出一些想法来阐述：
在一些可笑的抽象层次上，所有的数据工作都包含以下步骤：
- 数据采集
- 数据存储/检索
- 数据处理/合成/build模
- 结果报告
- 故事讲述
数据科学家至less应该在每个领域都有一些技能。 但是根据专业的不同，可能会在有限的范围内花费更多的时间。
JD是伟大的，对这些想法更深入的阅读迈克尔Driscoll的优秀post数据极客的三个性感技能 ：
- 技能1 ：统计（学习）
- 技能＃2 ：数据传送（痛苦）
- 技能＃3 ：可视化（讲故事）
在数据手中，这个问题通常用一个很好的维恩图来解决：
JD打在头上：讲故事。 虽然他忘记了其他重要的故事：为什么你在这里插入幻想技术的故事。 能够回答这个问题是远远最重要的技能。
其余的只是锤子。 不要误解我的意思，像R这样的东西太棒了。 R是一整包锤子，但重要的是知道如何使用你的锤子，不知道做什么有用的东西。
我认为掌握一两个纪念数据库是很重要的。 在我参考的金融世界里，我经常在分布式服务器上看到大型SQL和SQL Server上的DB / 2和Oracle。 这基本上意味着能够读写SQL代码。 您需要能够将数据从存储设备中分离出来并存入您的分析工具中。
在分析工具方面，我认为R越来越重要。 我也认为知道如何使用至less一个其他的统计包也是非常有利的。 这可能是SAS或SPSS …这实际上取决于你正在为之工作的公司或客户，以及他们的期望。
最后，你可以对所有这些软件包有一个难以置信的把握，但仍然不是很有价值。 在特定领域拥有相当数量的专业知识是非常重要的，并能够向相关用户和pipe理人员传达这些问题围绕着您的分析以及您的发现。
matrix代数是我的首选
- 协作的能力。
几乎所有学科的伟大科学，现在很less由个人完成。
对于数据科学家来说，有几个计算机科学主题是有用的，其中有许多被提及：分布式计算，操作系统和数据库。
分析algorithm ，即理解计算的时间和空间要求，是数据科学家最重要的计算机科学主题。 从统计学习方法到数据收集，实施高效的代码是有用的; 并确定您的计算需求，例如有多lessRAM或多less个Hadoop节点。
耐心 – 既要以合理的方式获得结果，又要能够回到原来的“实际”要求。
在MIT开放课件18.06上学习线性代数，并用“线性代数导论”一书替代你的学习。 线性代数除了上面提到的技巧以外，还是数据分析的基本技能之一。
