原文：
www.kdnuggets.com/2019/10/top-7-things-learned-data-science-masters.html
评论
由 Dario Radečić, 数据科学学生
其中一些你可能已经熟悉，但我不建议跳过它们——另一个观点总是很有用的。
图片由 Charles DeLoye 提供，来源于 Unsplash
1. Google 网络安全证书 - 快速进入网络安全职业的捷径。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你所在的组织的 IT
所谓“总是”，是指如果你有这样做的余地。
这是学到的第一件事之一。我们被介绍到这个在数据世界中如同摇滚明星般的人物，具体来说是流失建模。听到那句话的时候，可能是我对数据科学的第一个误解被打破的时候。
你可以在这里阅读更多关于他和整个案例的信息：
最近我写了关于递归特征消除——我最常用的特征选择技术之一……
最初我认为数据科学家是一种稀有的物种，只要有合适的数据，就可以做几乎任何事情。但在大多数情况下，事实远非如此。是的，你可以用任何东西分析一切，通过这样做你会发现一些有趣的东西，但这真的是你时间的最佳利用吗？
问问自己，
问题是什么？X 如何与 Y 连接？为什么？
了解这些将引导你朝着解决问题的正确方向前进。这时领域专家就派上用场了。
另一个非常重要的事情是特征工程。这位教授强调，你可以利用领域专家来进行特征工程过程。如果你稍微思考一下，这就会变得合理。
是的，你没看错。
我决定从事数据科学硕士课程的主要原因之一是机器学习——我不太关心数据的内容以及它是如何收集和准备的。由于这种态度，当学期开始时，我感到有些震惊和失望。
当然，如果你在一家有数据工程师和机器学习工程师的大公司工作，这可能不会适用于你，因为你大部分时间都在做机器学习。但如果情况不是这样，你将只有大约 15%的时间用于机器学习。
这其实是很好的。机器学习并不是特别有趣。在你带着大批 F 字词跳到评论区之前，请听我说完。
我认为机器学习并不是特别有趣的原因是，对于大多数项目来说，它归结为尝试几个学习算法，然后对最好的那个进行优化。
如果你在这之前的工作没有做好，即在数据准备过程中，你的模型很可能会很糟糕，而且你也很难对此做出太多改进——只能调整超参数、调整阈值等。
这就是为什么数据准备和探索性分析才是王道，而机器学习只是自然出现的结果。
一旦我意识到自己对机器学习的大部分兴奋感已经消失，我发现我更喜欢数据收集和可视化，因为在这些过程中我学到了最多的关于数据的知识。
我特别喜欢网络爬虫，因为相关的数据集很难找到。如果这听起来是你会喜欢的事情，请查看这篇文章：
使用 Python 和 BeautifulSoup 的强大功能来抓取对你重要的数据。
库的存在是有原因的。在行动之前先谷歌一下。
我会给你展示一个你可能没有犯的非常简单的‘错误’，但它会帮助你理解这一点。
这涉及到计算中位数的两种方法。中位数定义为：
排序列表中的中间位置。
所以要计算它，你需要实现以下逻辑：
-
对输入列表进行排序
-
检查列表的长度是偶数还是奇数
-
如果是偶数，中位数就是两个中间数字的平均值
-
如果是奇数，中位数就是中间的数字
幸运的是，存在像Numpy这样的库，它们为你完成了所有繁重的工作。只需看一下下面的代码，前 17 行是自己计算中位数，而最后两行则使用 Numpy 的强大功能来实现相同的结果：
中位数计算 — gist.github.com/dradecic/7f295913c01172ffebe84052c8158703
正如我所说，这只是一个你可能没有亲身经历过的微不足道的例子。但是想象一下，你可能因为没有意识到已经有相关的库而徒劳地写了多少行代码。
虽然这并不是数据科学特有的，但我会说我一直在使用列表推导式来进行特征工程，而使用lambda 函数来进行数据清理和准备。
下面是一个简单的特征工程示例。给定一个字符串列表，你需要创建一个变量，如果给定的字符串包含问号（?），则该变量等于 1，否则为 0。你可以看到如何使用和不使用列表推导式来实现这一点（提示：它们节省了大量时间*）：
列表推导式示例 — gist.github.com/dradecic/9f23eb0c8073ecc8957f8fd533388cef
现在来说说lambdas，假设你有一个电话号码列表，格式你不喜欢。基本上，你想用‘-’替换‘/’。这是一个几乎微不足道的过程，前提是你的数据集是PandasDataFrame格式：
Lambdas — gist.github.com/dradecic/68e81f6610b26fe8da68e25d217c5052
花一点时间考虑一下你如何将这些应用到你的数据集上。很酷，对吧？
如果你没有一直生活在石头下，你会知道统计学在数据科学中的重要性。这是你必须发展的基本技能。
让我引用 Edureka：
统计学用于处理现实世界中的复杂问题，以便数据科学家和分析师可以寻找数据中的有意义的趋势和变化。简单来说，统计学可以通过对数据进行数学计算来得出有意义的见解。[1]
根据我在硕士学习统计学过程中学到的知识，你需要了解统计学，以便能够提出正确的问题。
如果你的统计技能有些生疏，我强烈建议你查看 YouTube 上的 StatQuest 频道，更准确地说，是这个关于统计学基础的播放列表：
统计学播放列表
如果你不能提供解决方案，那么提出正确的问题（见第 5 点）也没有意义——对吧？
我曾经忽视了算法和数据结构，因为我认为只有软件工程师才需要关注这些内容。说实话，我的想法完全错误。
现在我不是说你必须熟练掌握如何实现二分查找算法，但基本的理解会帮助你更清楚地看到如何在代码中思考——也就是说，如何编写既能完成任务又能尽可能快地完成任务的代码。
对于没有计算机科学背景的人，我强烈推荐这门课程：
请注意：如果你是完全的 Python 初学者，请查看我的另一门课程：完整 Python 培训营以学习……
另外，一定要查看面试问题——它们帮助很大！
永远要成为那个工作最努力的人。这会得到回报。
至少在我的案例中，我的团队是根据在一个课程中的初始表现进行评估的。评估标准不是谁知道得最多，因为在第一学期这样做是愚蠢的，而是看谁展现出工作伦理和纪律。
由于那时我没有全职工作，我为这个项目拼尽了全力。因为我这样做了，而其他人没有，所以我被指派到一个为期两年的全面数据科学项目，该项目将作为我的硕士论文。
对了，我能够把这个放到我的简历上。
那么，牺牲了几周的个人生活是否值得？自己判断吧，但我会说是值得的。
参考资料
简介： Dario Radečić 是一位 22 岁的数据科学学生，同时也在该领域工作了一段时间。Medium 和 Towards Data Science 的作者。
原文。经许可转载。
相关：
-
从数据分析师成长为数据科学家的秘密武器
-
2019 年 5 个著名的深度学习课程/学校
-
高级特征工程和预处理的 4 个技巧