2017年，大数据在技术炒作周期的中心阶段送到AI。这数据科学与机器学习实践各种行业和应用程序越来越多地采用能力。数据分析中的挑战现在正在通过机器学习解决。大数据，机器学习，AI和预测分析一直是顶级流行语。所以，怎么会是2021年数据科学家和机器学习/ AI开发人员的工作市场，和如何获取数据科学和机器学习工作？
在入门前推荐帖子：
初学者数据科学指南，大数据分析，机器学习，AI，NLP，IOT和区块链
如何在2021年获取数据科学，机器学习和AI工作（更新）
1.获得强大的技术技能
[空间]
编程语言和数据科学工具
根据这一点1,001公开列出的LinkedIn数据科学家概要文件，收集365数据科学，最多的需求编程语言是R，Python和SQL。此外，它对Matlab，Java，Scala和C / C ++的工作知识也很有用。为了从人群中脱颖而出，像Weka和Numpy这样的数据科学工具包将非常方便。了解2017年薪水最高的前15名编程语言。
推荐文章：r vs python - 可用性，人气，学习，优点和缺点，工作机会和薪水
相关课程：
机器学习A-Z™：Data Science的实践Python＆R
概率与统计，应用数学和机器学习算法
您需要坚定地了解学习和理解算法的概率和统计数据。您需要成为一个真正的极客，并享有朴素的贝父，高斯混合模型，隐马尔可夫模型，混乱矩阵，接收器 - 操作员曲线，p值等。
对算法理论的坚定了解，知道算法如何工作是必须的。您需要具有稳固的主题基础，如梯度下降，凸优化，拉格朗日，二次编程，部分微分方程，求和等。尝试一两个15最佳书籍，用于学习统计和概率，数据挖掘，机器学习和算法。
如果您正在寻找胖薪水，掌握机器学习技术和算法，例如K-NN，NAIVE Bayes，SVM和决策林。这是两个优秀的帖子机器学习算法和机器学习工作所需的关键技能。
相关课程：
分布式计算和UNIX工具
目前，大多数机器学习就业涉及使用大型数据集。使用单台机器无法做到这一点。因此，您需要在群集中分发。熟悉Apache Hadoop等工具，以及Rackspace，Amazon EC2，Google云平台，OpenStack和Microsoft Azure等云服务等云服务。
您还应该掌握所有的巨大UNIX工具，如猫，grep，查找，awk，sed，sort，cut，tr等，因为所有的处理都很可能是基于Linux的机器，所以需要访问了解这些工具，其功能和应用程序。
相关课程：
查询语言和NoSQL数据库
传统的关系数据库工具已过时。除了Hadoop，您需要良好的掌握SQL，Hive和Pig等查询语言;和NoSQL数据库的熟练程度，如MongoDB，Cassandra，HBase。
这NoSQL分布式数据库基础架构一直是处理地球上一些最大的数据仓库的解决方案 - 即谷歌，亚马逊和中央情报局的喜欢。在集中式关系数据库系统上可能需要20小时处理时间的大数据过程，可能只需要3分钟的商品服务器的大型Hadoop集群，并行地处理。您还可以选择MapReduce，Cloudera，Tarn，Paas，Chef，Flume和Abap等工具。
相关课程：
数据可视化工具
在编程和算法之后，不要犯下跨越的错误，并忽略数据可视化。如果您无法理解它和/或让其他人理解，则数据是没用的。数据可视化关于如何在合适的时间向合适的人呈现您的数据，以使他们能够最有效地获得见解。在绘制的数据可视化工具中开发出色的技能，如Tableau，QlikView，Someka热图，FusionCharts，Sisense，Plotly，Highcharts，DataWrapper，D3.js，GGPOT等。
您可能还喜欢：8用于映射的有效和有用的数据可视化工具
相关课程：
2.选择合适的教育背景和专业
为了成为数据科学家，您不一定需要在数据科学中追求学士学位。事实上，这根本不推荐。在本科级别的这种利基纪律来说，这实际上是一个坏主意。您肯定可以参加计算机科学，工程，经济学，数学，统计，精算科学，金融或自然科学（物理，化学或生物学）的学士学位。即使是自由艺术（包括社会科学）也可能在本科水平方面非常方便。
信息图表信用：365数据科学
365个数据科学研究表明，20％的数据科学家在计算机科学中有一定程度，19％有统计或数学背景，19％的经济学和社会科学。只有13％的学位纯粹专注于数据科学和分析。但是，这可以通过这一事实来解释，即最近只成为自己的权利。很少有大学在本科水平提供数据科学，主要是在硕士学位。由于工作档案是如此新的，可以说毫无疑问，他们没有在学士学位级别学习数据科学。
“数据科学家比大多数程序员，一个比大多数统计学家更好的程序员和经济学家更好的统计学家和经济学家，以及比大多数经济学家的更好的统计学家和程序员。”- 大数据变得简单
去寻找大师或博士。数据科学或机器学习的学位/ AI肯定会给你一个提升;特别是，如果您在财富500强公司查看数据科学家职位。365个数据科学研究发现，48％和27％的1,001个数据科学家持有硕士学位和博士学位。分别为程度。
信息图表信用：365数据科学
推荐的帖子：
真实的是，硕士学位不容易进入，既不便宜。但是，MS度肯定是有利的。或者，你也可以探索（请求信息）在线大师（MS）在数据科学中。如果您特别希望进入数据分析，而不一定是数据科学和机器学习，那么有MS学位的替代方案。您可以在没有数据科学的硕士学位的情况下获得数据分析作业。不要将数据科学与分析混淆。
相关文章：
顶级平台和资源，以了解数据科学和机器学习技能 - 从演戏表中的调查见解
分析的职业：概述，所需技能，顶级大学，工作市场趋势和业务分析与数据分析
3.收集真实世界的经验
18％的数据科学家在完成实习后达到了数据科学阶梯的顶端。所以，如果你有一个硕士，那么寻找在该领域的实习是一个很好的主意，而不是掌握。马上。
在现实世界中，很少有人雇用作为一个数据科学家，就在大学之后。大多数人开始作为分析师（数据分析师，BI分析师，包括商业分析师），学者，实习生，IT专家，软件工程师和顾问。只有2％的人将他们的第一份工作作为数据科学家。
信息图表信用：365数据科学
两个有趣的调查结果 - 鉴于27％的队列占据了博士学位，这毫不奇怪的是学术界是一个领先的“制片人”的数据科学家，几位学者被聘用为数据科学家。其次，它比咨询更常见。所以，一块坚实的编程知识肯定值得研究。
相关帖子：所以你认为你可以成为一个数据科学家？
4.大学排名问题...... ..在一定程度上
该研究使用了“倍高教育世界大学的排名”，找到了数据科学家的母校。显然，排名最高的大学确实产生了更多的数据科学家，就像在最高薪的工作中一样。
信息图表信用：365数据科学
正如我们所看到的，所有高薪数据师的28％都有一所大学的学位，该学位在世界大学排名的前50名中排名。但是，与此同时，25％的数据科学家来自于甚至没有排名的大学。
所以，大学对某一点而言。知识，技术专业知识和现实世界经验肯定超过了大学的排名/声誉。定量领域和编程技能的程度至关重要，并且从顶级大学的程度是可取的，而不是强制性的。
5.带上在线课程并准备自己
我一直在倡导服用在线课程许久。我也一直在这样做，并且有一个明显的好处。为了获得数据科学家的工作，甚至为了获得MS数据科学计划的入场，自我准备非常重要。
40％的队列报告了在线课程。此外，每个LinkedIn配置文件有3.33个证书。所以，无疑是为了成为一个良好的数据科学家，你必须通过采取各种各样的方式依赖自我准备在线课程，视频教程和MOOC认证。以下是2018年数据科学家工作的一些非常相关的课程 -
SQL和数据库设计A-Z™：学习MS SQL Server + PostgreSQL
数据科学与python和pandas，numpy，matplotlib
6.改进你的软技能
当然，数据科学是关于数学，编程和技术。但是，在今天的数据驱动的工作场所，软技能像出色的沟通技巧一样，智力好奇心，创造力，文化情报，情绪智力和强大的商业敏感同样重要。
相关帖子：软技能如何帮助您获得工作
展示智慧的好奇心
发现是数据科学的最终目标。数据科学要求在揭露新想法中的创新和创造力。最好的数据科学家通过他们的智力，以非常具有创造性方式探索数据。顶级公司不仅在寻找擅长回答问题的人，而且想要问自己的问题。真正的奇妙是火箭燃料，用于驾驶数据科学家在数据中寻求有意义的数据发现。
主动和热情
招聘人员寻找可以通过展示在大学和工作之外的东西来证明激情的候选人。主动并参与数据科学项目来解决真正的商业问题或调查。能够“在框外思考”并找到新的旧问题的新解决方案区分了伟大的数据科学家和良好的数据科学家之间的区别。
招聘人员在潜在的工作候选人中寻找什么？
人际关系技巧：通信和分析技能和团队工作
一位良好的数据科学家在技术团队和公司的业务（战略，营销和销售）团队之间是一个中间人。作为数据科学家，您需要成为一个伟大的沟通者，故事馆和团队参与者。
您还应该将数据分析置于透视图。有时，您需要展示事实并以每个人都理解的方式传达这意味着什么。因此，当数据涉及战略和行动的变化时，您需要扎实的人员技能将公司朝着正确的方向驾驶。
商业敏锐
成为一个数据科学家，你需要一个坚实地了解行业你正在努力 - 趋势，客户的痛点和竞争对手。您应该了解贵公司试图解决的业务问题。数据科学家需要了解要解决哪些问题以及如何找到工作的解决方案。对企业的理解和能够改变客户品味，产品周期和盈利能力目标对找到真正的创新解决方案至关重要。
7.花时间在采访准备
不要忽视面试准备。无论您的资格和技术实力如何，面试官都可以向您抛弃一套您没想到的问题。对于数据科学访谈，面试官将提出跨越各种主题的问题，需要强大的技术知识，处理压力的能力，勾勒出盒子的能力以及通信技巧。
您的统计数据，行业知识，编程和数据建模技能将通过各种问题和问题款式进行测试 - 故意设计为让您掌握脚并强迫您展示在压力下操作的方式。准备是您在寻找数据科学家工作时取得成功的重要关键。这里有一个策划数据科学访谈问题。
结论
使用人工智能（AI），大数据和物联网（IOT）技术的企业来揭示新的商业洞察力“将在2020年将每年窃取每年1.2万亿美元。“如同引用福布斯。
但是，请确保您对统计数据，编程和数学建模真正热情。即使您来自定量背景，也不要盲目地遭到炒作和薪水。在您在数据科学计划中支付该大师之前读到这一点。
如果您在经济学，应用统计数据或您自己的工程领域的硕士学位，您可能会在您的职业生涯中做得更好。查看数据科学是否是使用我们的正确职业路径免费职业生涯能力测试。这对那些试图使它变得很大的人确实有希望数据科学领域。但是，一个分析大脑，用于编程，真正激情和持续自我改善的诀窍将确定您作为数据科学家的职业生涯。
您也可能喜欢以下文章：
