大多数开发人员都知道，他们现在被问到的工作面试问题可能与他们明天将要完成的实际工作几乎没有关系。
面临的挑战是评估他们的角色将随着时间的变化而变化，并开始相应地进行技能训练。 几乎每个行业中数据科学的兴起都提供了一个很好的例子，说明了开发人员如何可以毫无准备地被抓住，以及他们应该怎么做才能规划出正确的职业道路。
According to a research study conducted by a team at Google and the University of San Diego, for instance, there are often challenges for developers who initially specialized in Java to make the move into a data science role.
其中包括研究人员所描述的难以掌握机器学习（ML）概念基础的感觉，以及他们“从未完全了解算法”的感觉。
研究人员说，在其他情况下，“（受访者）经常面对数学方程式（例如，向后传播），很难正确实现。”
While there are tools and programming workflows such as Tensorflow's Tensorboard visualization toolkit that can help here, Google researchers have since followed up with a blog post that suggests these need to embed implementation tips and just-in-time strategic pointers to the underlying math.
当然，这对可能为长期需要利用数据科学的组织工作（或申请工作）的Java开发人员或其他编程专业人员没有帮助。 考虑到这一点，以下三种策略可供任何开发人员立即解决：
1.探索和尝试ML专用语言
Less than two weeks ago, a group of developers posted the release notes for Julia 1.4, a programming language that has been enhanced with improved multi-threading, new library features, and tweaks to the build system.
Occasionally compared with C in the speed with which it can be used, Julia has already been downloaded more than 13 million times, even if it has fewer packages than what you would learn in Python courses. 开发人员越早接触它，他们就越有可能准备回答未来雇主的问题.
2.了解您的数据科学团队伙伴
尽管开发人员可以领导ML项目和其他计划，但他们更有可能成为包括来自不同学术和专业背景的同事的团队的一部分。
Recruiting firm Dice has published insights into the day-to-day life of data scientists, whether they emerged as developers or had more of a managerial role. 一个共同的主题是，在这一领域工作的任何人都需要保持不断的学习状态.
3.启动您的数据科学技能开发
随着数据科学需求和应用的不断增长，毫无疑问，某些组织将支持专业发展和培训活动，以确保他们拥有合适的人才。
但是，与此同时，如果开发人员自己寻求并获得其中一些技能，他们显然将具有优势。. There are lots of machine learning courses to choose from today, for example, that give working professionals options to study part-time, or full-time if you're not yet employed anywhere.
现在深入研究数据科学似乎为时过早，但是不要忘记，人们曾经对编程本身也有同样的想法。 就像学习编码可以帮助各种角色的人一样，数据科学技能将在您不认识之前就变得举足轻重。
from: https://dev.to//shaneschick/how-developers-should-prepare-for-their-future-in-data-science-today-1in3
