全文共3710字，预计学习时长11分钟
来源：Pexels
如何掌握数据科学？
笔者刚刚摆脱整整8年的学习和艰苦工作，对下一步完全没有计划。读者可能很奇怪为什么有人会这么做。当时，笔者饱受老板精神上的折磨，而他很清楚笔者需要改变。
男朋友建议笔者做一名数据科学家。笔者对他说：“你真是疯了！”笔者一点都不了解编程。他确实高估了笔者的能力。骗子综合症又发作了。
大约两周以后，笔者的朋友安娜提出了同样的建议。深思熟虑之后，笔者开始接受这个建议。为什么不试试呢？笔者决定再次从头学起，把自己彻底变成一名数据科学家。
笔者想按自己的进度学习，所以决定参加线上课程。因为拥有神经科学博士学位，笔者觉得自己已经接受了足够的正规培训，可以从事数据科学方面的工作。需要的只是实用技能。
本文将会介绍笔者参加过的4门不同课程，以及怎样在硅谷的一家医疗保健初创企业找到了数据科学方面的工作。
当时，笔者无意中发现的大部分在线课程都是免费的。所以挑战了自己，没花一分钱就学到了需要的技能。能说什么呢，本人真是个吝啬鬼
https://imgs.xkcd.com/comics/correlation.png
基础技能
放弃攻读旧金山加州大学的博士后之后，笔者没有任何编程经验。在研究过程中也使用过数据，但规模很小。笔者之前分析过的所有数据集都是自己在实验室生成的。所以观察次数少之又少。笔者需要学会编码，以及更大规模地分析数据。
编码入门
决定成为一名数据科学家之后，笔者想学会的第一件事就是写计算机代码。由于以前从来没写过代码，所以有关编码的一切对笔者来说都是未知的。如果真的很讨厌写代码，那么就不适合进入数据科学领域。所以，写代码看起来是个不错的开始。
幸运的是，笔者的搭档本 (Ben) 曾经涉足多个技术领域，能为笔者指明正确的方向。他认为Python可能最适合笔者。Python擅长分析数据，用途广泛，能很好地处理大型数据集。所以笔者选择从Python开始。
学习编码
1.Codecademy
初学编码，笔者用的是Codecademy。笔者是从Python入门开始的，但不确定自己修完的课程是不是还能找到，因为那都是2014年的事了。如果现在用Codecademy初学Python，笔者可能会选择“用Python分析数据”课程。
笔者发现Codecademy是个不错的出发点。对笔者来说，它的主要优点是能够在浏览器中直接编写代码。在电脑上正确安装编程环境仍然是笔者的软肋。能在一开始就避免这么做令人高兴。如果代码不起作用，那就是句法出了问题，跟环境设置无关，这太让人欣慰了。
用户可以每次用Codecademy完成几分钟的工作，这一点也令人满意。如果有空，笔者会登录Codecademy，解决几个问题，因为这些问题都在等着处理。这种零星的进展意味着不会因为恐惧而对工作置之不理。
上完课的那个时候，网上只提供了少量的Codecademy课程，而这一个是免费的。笔者对线上免费课程的质量之高感到惊讶。
学完Python的基础知识之后，需要开始提高统计经验水平，还要学习更大规模地分析数据。
来源：Pexels
学习数据分析
2.约翰斯·霍普金斯大学的Coursera数据科学专业
另外，笔者主修了约翰斯·霍普金斯大学的Coursera数据科学专业。那个时候，可以免费制作荣誉代码证书版本，只需为认证证书付费（如果需要的话）。
对笔者来说，认证证书看起来并不重要。重要的是需要在技术面试中展示自己学到的技能。所以笔者选择了免费版本。
对笔者来说，免费版本的缺点在于该系列的课程是用R语言教授的。R语言是一种用于数据分析的出色编程语言，广受学术界青睐。但是，笔者想学习可用于数据科学的Python。笔者觉得Python在自己想去的创业公司中会更有用。
笔者浏览了一些Python数据分析课程，但它们似乎涵盖了一些自己不知道的知识。笔者认为这些课程中的大多数都针对的是软件工程师，他们想从现在的工作领域过渡到数据科学领域。所以这些课程认为学员拥有扎实的编程技能，而且已经知道该怎样设置Python环境。
笔者喜欢Coursera数据科学专业的最主要一点原因是它从入门开始讲起。第一课中就有关于怎样安装R和R studio的分布说明。在了解到不会出现任何技术问题之后，笔者很轻松地学完了后续课程。
约翰斯·霍普金斯大学的数据科学专业适合笔者的另外一个原因是它由公共卫生部门教授。笔者了解健康科学领域方面的专业知识，能轻松理解他们举的例子。他们曾举例说明空气质量对哮喘的影响，以及其他和医疗保健有关的数据集。所以笔者可以集中于课程内容，而不是把精力放在那些为了数据分析而提出的情境上。
这一系列课程确实让笔者对数据科学工作的主要方面有了最基本的了解。课程涉及R语言编程、基本数据清理、分析、回归分析和机器学习。笔者真的很喜欢学习编码，以及怎样用代码分析数据，所以受到了鼓励，决心继续学习。
信息性采访
在培训期间，笔者一直在向圈内人打听，想知道他们能否把笔者介绍给那些已经从旧金山学术界成功过渡到数据科学领域的人。笔者跟一些人取得了联系，所以尽可能地进行了多次信息性采访。
一个朋友把笔者介绍给了一个来自Modcloth的数据科学家，她的经历和笔者非常相似。她曾是一名神经科学家，笔者发现她的建议特别有帮助。
她主要建议我去学习SQL。
学习查询数据库
3.DB5 SQL斯坦福大学在线课程
约翰斯·霍普金斯大学的Coursera数据科学专业完全不涉及SQL。那位前辈说她每天工作的重点是查询数据库。她必须为业务开发和营销团队提供见解，而只有一小部分时间用于统计分析和机器学习。
笔者听了她的建议，按自己的步调开始在线学习斯坦福大学SQL课程。在上过的所有课程中，这是笔者的最爱。笔者很享受学习的过程，因为教课的老师非常优秀，经常用简单的例子解释概念。除此之外，老师还用多种不同的方式对概念进行解释。
之后笔者向很多人推荐了该课程，因为笔者觉得每一个数据科学家都应该打好SQL的基础。笔者看到的数据科学课程都没有介绍怎样用SQL从数据库中获得数据。笔者认为这是个很大的疏漏。大多数课程都有供学生使用的CSV数据，但是根据经验，这些数据在行业数据科学工作中很少用到。
上完斯坦福大学SQL课程之后，笔者便开始申请数据科学的相关岗位。那时，笔者回到了澳大利亚，开始参加旧金山湾区初创企业的Skype面试。与此同时，笔者想继续培养自己的技能。
巩固概念
来源：Pexels
4.edX数据分析基础
然后笔者参加了edX的R语言数据分析基础课程。借此机会复习一下在Coursera课程中学到的大量概念对笔者很有帮助。
笔者坚信，向不同的老师学习相同的概念会带来对概念的新认识。第二次学习数据和机器学习概念，笔者更加得心应手。通过对这门课程的学习，自认为对概念有了更深入的理解。
笔者上完课程的同时，成功通过了Amino公司（一家旧金山的医疗保健初创企业）的面试，之后获得了工作签证，搬去了美国。
获得数据科学职位
笔者认为自己成功通过最终面试是因为编码能力尚可，对统计学的理解也很到位，但更重要的是，笔者拥有医疗保健领域的知识、实验设计以及科学方法的专业知识。
在笔者看来，正是这些知识让自己在面试中脱颖而出，让这家初创企业选择雇用笔者。作为新手，需要大量的工作培训。笔者认为自己参加过的所有课程足以让招聘团对自己产生兴趣，而医疗保健领域的专业经验让笔者得以崭露头角。
所以如果想转行从事数据科学工作，建议找一家能让自己的现有专业知识派上用场的公司。
希望自己能学到的东西
在从事新的数据科学工作之前，笔者希望能填补的知识空白是使用命令行中的git。笔者以前从来没用过终端或命令行，完全不知道怎么用git将代码提交到公司的Github存储库。
学会这一操作占用了几位工程师不少时间。其实笔者在他们教之前，更希望自己至少知道该怎么用，这样就不会浪费他们的宝贵时间了。同事都很棒，他们看起来并不介意花时间教笔者，但笔者在最开始几天确实感觉有点压力。
最后，笔者确实学会了，而且发现Learn Code the Hard Way Command Line真的很有用。
来源：Pexels
如果考虑采用类似的方法进入数据科学领域，笔者会鼓励你继续前进！
对笔者来说，这绝对是正确的选择。每个人的学习方法不同，但如果在学习上非常自律，而且做什么事都能坚持到底，那么通过在线课程自学数据科学当然没问题。
加油，你是最棒的！
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）
