what-does-it-take-to-get-your-foot-in-the-door-as-a-data-scientist-500ec3002a49

成为数据科学家的第一步需要做什么？

原文：towardsdatascience.com/what-does-it-take-to-get-your-foot-in-the-door-as-a-data-scientist-500ec3002a49?source=collection_archive---------8-----------------------#2024-10-17

https://towardsdatascience.medium.com/?source=post_page---byline--500ec3002a49--------------------------------https://towardsdatascience.com/?source=post_page---byline--500ec3002a49-------------------------------- TDS 编辑团队

·发表于Towards Data Science ·作为新闻通讯发送 ·阅读时间：4 分钟·2024 年 10 月 17 日

--

想要写下你的第一篇 TDS 文章吗？我们始终欢迎新作者的投稿。

无论你是刚从学位课程或训练营毕业，还是打算从其他领域转行进入数据科学，通往你第一份（或第二份、第三份）工作的道路都横跨着一个不断变化的领域。所需的技能集持续发展，新工具和技术每天都会出现，近几年就业市场竞争也变得更加激烈。对于一个有抱负的数据科学家来说，该怎么做呢？

嗯，一个好的第一步是阅读本周的亮点，这些文章通过最新的见解和可操作的建议，探讨了这些永恒的问题。从找到自由职业者的立足点，到确保你成功地营销自己现有的知识和经验，这些文章提供了基于作者个人职业经历的具体路线图。祝你阅读愉快！

• 招聘的两面性：在多元化市场中招聘与面试数据职位 在申请了超过 150 个职位并审阅了 500 多份申请后，Marina Tosic对决定数据科学家求职成功的因素有独特的看法。她将这些因素分解为可应用并根据你个人情况调整的实用建议。

• 我在数据科学家面试中寻找的数学知识 作为数据专业人士所需的数学知识量因职位、行业和公司而异——但几乎可以确定的是，你必须具备几个关键领域的基础知识。Farzad Nobar，一位在亚马逊从事招聘工作的专家，列出了你需要熟练掌握的主题和方法，以证明你有扎实的基础，并使你在其他候选人中脱颖而出。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/ad76f0559901c287b56caff9923923d2.png

图片由 Jesse Bauer 提供，来源于 Unsplash

• 我作为 Upwork 上的地理数据科学家，10 个月后的自由职业经验 如果你想进入数据科学自由职业和咨询领域，但你的技能组合“有点罕见和奇特”，就像很多来自学术背景的从业者一样，应该怎么办？Aleksei Rozanov 分享了基于近一年的经验，如何在流行的自由职业平台 Upwork 上构建自己的个人资料和扩展网络的务实心得。

• 2024 年转行数据科学前你需要知道的事 “每个人都想转行进入人工智能领域，但招聘广告却全是关于云计算、开发和运营的。那么，如果你想在 2024 年进入数据科学领域，应该做什么呢？” Sabrine Bendimerad 回顾了近年来就业市场的变化，并为那些想要进入数据科学领域但不确定从何开始的有志之士提供了一份一步步的计划。

准备好拓宽视野，超越当前的就业市场及其挑战了吗？我们希望你已经准备好——以下是我们最近的一些最佳文章，涵盖从 2024 年诺贝尔物理奖到分区算法和人工智能产品开发等话题。

• 在讨论大型语言模型（LLMs）时，我们所说的“涌现特性”是什么意思？我们应该如何评估这些说法的有效性？不要错过 Anna Rogers 对这个日益紧迫的问题的深刻分析。

• 在得知今年机器学习研究人员获得诺贝尔物理学奖的消息后，Tim Lou 博士呈现了一篇关于这两大领域日益融合的清晰解读。

• 在他的深入分析中，Iqbal Rahmadhan带领我们了解如何使用 Python 和 Statsmodels 从逻辑回归模型中提取和探索比率。

• 聚类技术能否为检测协调攻击提供解决方案？Trupti Bavalatti的首篇 TDS 文章深入探讨了这一新颖且充满潜力的方法。

• 为了帮助你创建同事们会喜欢的用户友好型数据表，可以参考Yu Dong详细列出的五个关键原则，从一致的粒度到完整的文档。

• 如果你对数据流架构的实际应用感兴趣，你一定会喜欢caleb lee对其最近项目的详细讲解，项目重点是创建并扩展健康和健身数据管道。

• 想要一些更理论化的内容吗？Tigran Hayrapetyan剖析了一种新的序列划分算法的内部工作原理，该算法通过最小的值重排，实现了显著的速度提升。

• 尽管 AI 的普及日益增加，构建 AI 驱动的产品仍然是一个复杂的过程。Anna Via分析了实践者目前面临的四大挑战。

感谢你支持我们作者的工作！正如我们上面提到的，我们非常喜欢发布新作者的文章，因此，如果你最近写了一篇关于我们核心话题的有趣项目解析、教程或理论反思，别犹豫，与我们分享。

直到下一个变量，

TDS 团队