原文：
www.kdnuggets.com/want-to-become-a-data-scientist-part-1-10-hard-skills-you-need
图片由作者提供
你可能会看到很多关于如何成为数据科学家的综合文章。它们提供了很多有用的信息，但可能会让人感到非常困惑。特别是作为初学者，你只想知道你需要了解什么，然后开始行动。
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
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 - 支持你的组织的 IT
这正是本博客的主题。我将介绍成为数据科学家所需的 10 项硬技能。
开始吧……
如果你不知道如何用任何编程语言编程，你的第一步将是学习编程。我的推荐是 Python，因为它可以说是数据科学中最受欢迎的编程语言。
你还可以学习其他数据科学语言，如 R、SQL、Julia 等。
有人说在编程世界中，数学是你不需要的一个话题。但我相信这是错误的。我参加过一个没有涉及数学方面的 BootCamp - 我确实意识到这在我的专业技能上带来了很大的弱点。
数据科学需要的数学领域包括线性代数、线性回归、概率和统计。学习数据科学背后的数学将对你的数据科学职业生涯大有裨益，并会被雇主注意到。
学习数学可能会让人感到紧张，因此我完全理解你的犹豫。阅读一下 如何克服数学恐惧并学习数据科学数学 来放松心情。
集成开发环境（IDE）是一种软件应用程序，提供了一个综合环境，其中包含专为软件开发设计的工具和功能。IDEs 将帮助你执行数据分析、可视化和机器学习任务。选择适合你的 IDE 更多的是根据你的个人偏好，例如，以下是：
你的 IDE 是你学习如何熟练掌握编程语言、学习数学及其他内容的地方。Jupyter Notebook 和 Visual Studio Code 是我的最爱！这些在你找到工作后也会非常有帮助，因为雇主期望你熟悉流行的 IDE。
随着时间的推移，编程变得更加简单，这归功于各种可用的库。这些库是你可以用来简化数据分析和机器学习过程的工具。
如果你决定学习 Python，以下是我建议你学习的库：
我在开始时提供这些库的列表，是因为在你的数据科学学习过程中，你会经常看到这些库。了解每个库提供的功能，你会看到它们的应用场景。例如，Matplotlib 可以用于数据可视化。
如其所说——转换你的数据。数据转换是数据科学家一个重要的阶段，因为你会花大量时间将原始数据修改、调整并转换成可以用于分析和其他任务的格式。
你需要学习关于标准化、归一化、缩放、特征工程等内容。
你可以阅读的文章：数据转换：标准化与归一化
数据可视化是数据科学中的一个重要方面，因为你需要能够用多种方式传达你的发现，而不仅仅是编码。团队中的每个人可能都没有技术背景，因此以可视化的形式展示你的发现将有助于此，并且也有助于决策过程。
可以阅读：数据可视化最佳实践与有效沟通资源
接下来你要学习的是机器学习。机器学习有许多方面，你不可能在所有方面都成为专家——但在这一领域中成为多面手仍然是有益的。做好准备，因为有很多东西需要学习。
你应该从基本概念开始，如监督学习、无监督学习、分类和回归任务。一旦你对这些有了较好的理解并能够区分它们，你就可以进一步了解不同的机器学习算法，如支持向量机和神经网络。
一旦你理解了机器学习模型，你需要学习：
-
构建机器学习模型
-
模型评估
-
部署
-
模型可解释性
-
过拟合与欠拟合
-
超参数调整
-
验证和交叉验证
-
集成方法
-
降维
-
正则化技术
-
梯度下降
-
神经网络与深度学习
-
强化学习
正如我所说，这个领域有很多东西要学，所以建议你花时间练习！
这里有一篇文章可以帮助你：提升机器学习技能的 15 个顶级 YouTube 频道
拥有这些知识是很棒的，但一些工具可以将你的数据科学职业提升到一个新的水平。了解不同的技术，它们的应用场景及优缺点，将使你的数据科学之旅更加高效。
有很多工具和技术对任何从事数据工作的人都有很大帮助。然而，我将列出一些流行的工具，如 Apache Spark， TensorFlow， PyTorch， Hadoop， Tableau， Git，等等。
云计算是数据科学一个非常重要的元素，因为你所做的所有项目和任务都会转变为产品。云计算服务提供可扩展的存储和计算能力，并提供便捷的工具和服务访问。
你需要了解一些云平台，如 Amazon Web Service， Microsoft Azure， 和 Google Cloud Platform。
你还需要了解其他云计算方面的知识，如数据存储、数据库、数据仓库、大数据处理、容器化和数据管道。
阅读一下：
-
云计算初学者指南
-
如何利用云计算高效扩展数据科学项目
我将把项目作为你需要掌握的最后一个硬技能，因为它展示了上述所有内容。不要仅仅因为想在简历上加点项目就去做一堆项目。是的，这是最终目标，但确保你完全理解你的项目。
在面试中，你将被问及你的项目、细节，你需要准备好用尽可能多的知识回答。利用你的项目展示你的技能，以及你如何识别自己的不足并加以改进。
请阅读：
-
初学者的 5 个数据分析项目
-
数据科学作品集中的 5 个高级项目
我尽量将这篇文章精简到不让你感到过于负担。希望我已经成功地提供了足够的细节和资源，让你能够启动你的数据科学之旅！
请关注第二部分，了解成为数据科学家所需的软技能。
妮莎·阿娅 是一位数据科学家、自由技术写作人以及 KDnuggets 的社区经理。她特别关注提供数据科学职业建议或教程，以及数据科学相关的理论知识。她还希望探索人工智能如何有助于人类寿命的延续。作为一个热衷学习者，她寻求拓宽技术知识和写作技能，同时帮助指导他人。