【经验分享】数据科学家有多少种？分别需要什么技术？

这一年来，我们跟很多有意向转数据科学的同学聊过。发现很大一部分同学犯了一个很严重的错误：没有想清楚自己的目标就开始盲目地学。这些同学一会学 SQL，一会学Deep Learning，一会学 ABTesting，一会又开始刷算法题。觉得越学越多，有一种学死都学不完的感觉。而且，这些同学面试总是过不了。明明觉得自己对machine learning 了解的不错，面试的时候一聊细节，就发现自己很多问题从来没想过。或者明明刷了不少 SQLZoo 和Leetcode 上的题，面试的时候考 SQL却一点思路都没有。

 原因其实很简单。数据科学是很宽泛的。不同公司对data scientist 的要求完全不一样。而面试的时候，他们都对所需要的技术在深度和广度上有很高的要求。那些没有明确目标而又盲目学习的同学，把自己的时间和精力像撒胡椒面一样撒在各种零零散散的知识点上。结果知识体系既不系统，也不深入。感觉什么都懂，但什么也不透。 我们对这些同学的建议就是：在开始学习前，务必要先定好目标，然后根据自己的目标针对性地学习，并把所需要的知识和技术学透。

 为了帮助各位同学确定自己的目标，我们列了一下数据科学中几个常见的方向，以及所需要的技术。

更多关于数据科学的内容请移步Techlent官网：https://techlent.com/cn

Techlent小助手：Techlent01

Techlent machine learning bootcamp：https://techlent.com/cn/application/mlec