2018 年，AI 的生长脚步会加速，这一年将是 AI 手艺更生和数据科学得以重新界说的一年。对付弘愿勃勃的数据科学家来说，他们若安在与数据科学相干的工作市场中脱颖而出？2018 年会有充足多的数据科学相干工作吗？仍是说有可能出现萎缩？接下来，让我们来分析一下数据科学的趋向，并一探若安在将来的大数据和机械进修 /AI 规模获得一份不错的工作。”
大数据学习群：199427210
1、你必要平稳把握概率统计学，并进修和把握一些算法，比如朴质贝叶斯、高斯同化模子、隐马尔可夫模子、同化矩阵、ROC 曲线、P-Value 等。
不仅要理解这些算法，还要晓得它们的工作事理。你必要平稳把握梯度降落、凸优化、拉各朗日编制论、二次规划、偏微分方程、求积法等相干算法。
若是你想找一份高薪的工作，还必要把握机械进修手艺和算法，比如 k-NN、朴质贝叶斯、SVM 和抉择妄想森林等。
2、
如今大局部机械进修都必要海量数据，所以你无法在单台机械上停止机械进修。所以，你必要用到集群，必要把握 Apache Hadoop 和一些云办事，如 Rackspace、Amazon EC2、Google Cloud Platform、OpenStack 和 Microsoft Azure 等。
你还必要把握各类 Unix 工具，如 cat、grep、find、awk、sed、sort、cut、tr 等。由于机械进修根基上都是在 Unix 体系上运转的，所以必要把握这些工具，晓得它们的浸染以及若何使用它们。
3、在把握编程说话和算法的同时，不要忽略了数据可视化的浸染。若是无法让你本身或别人理解数据，那么它们就变得毫无意义。数据可视化就是指若安在精确的时辰向精确的人展现数据，以便让他们从中获得价值。首要的数据可视化工具网罗：Tableau、QlikView、Someka Heat Maps、FusionCharts、Sisense、Plotly、Highcharts、Datawrapper、D3.js、ggplot 等。
4、要成为数据科学家，不必定非要拿到数据科学方面的学位。现实上，你完全不必要这么做，如许做反而不是个好主见。若是你能拿到计较机学位、工程学学位、经济学学位、数学学位、统计学学位、精算师学位、金融学学位或者天然科学学位（物理、化学或生物）都是可以的。甚至是人文科学（网罗社会科学）也是可以的。
2018年跳槽指南：若何找到一份人工智能相干的工作？
AI前方 • 7小时前 • 手艺Get
大数据把 AI 推向了手艺炒作的舞台正中心，数据科学和机械进修在各行各业起头崭露锋芒
本文由 【AI前方】原创，原文链接：http://t.cn/RHqaB5p
作者｜Tanmoy Ray，译者｜薛命灯，编纂｜Emily
AI 前方导读：“2017 年，大数据把 AI 推向了手艺炒作的舞台正中心，数据科学和机械进修在各行各业起头崭露锋芒。机械进修起头被应用于处理数据分析问题。机械进修、AI 和预测分析成为 2017 年的热点话题。我们见证了基于数据的价值立异，网罗数据科学平台、深度进修和首要几个厂商供给的机械进修云办事，还有机械智能、标准性分析、举动分析和物联网。
2018 年，AI 的生长脚步会加速，这一年将是 AI 手艺更生和数据科学得以重新界说的一年。对付弘愿勃勃的数据科学家来说，他们若安在与数据科学相干的工作市场中脱颖而出？2018 年会有充足多的数据科学相干工作吗？仍是说有可能出现萎缩？接下来，让我们来分析一下数据科学的趋向，并一探若安在将来的大数据和机械进修 /AI 规模获得一份不错的工作。”
加强手艺实力
编程说话和开发工具
365 Data Science 搜集了来自 LinkedIn 的 1001 数据科学家的信息，创造需求量最大的编程说话为 R 说话、Python 和 SQL。别的，还要求具备 MATLAB、Java、Scala 和 C/C++ 方面的知识。为了可以脱颖而出，必要谙练把握 Weka 和 NumPy 这类工具。
概率统计学、应用数学和机械进修算法
你必要平稳把握概率统计学，并进修和把握一些算法，比如朴质贝叶斯、高斯同化模子、隐马尔可夫模子、同化矩阵、ROC 曲线、P-Value 等。
不仅要理解这些算法，还要晓得它们的工作事理。你必要平稳把握梯度降落、凸优化、拉各朗日编制论、二次规划、偏微分方程、求积法等相干算法。
若是你想找一份高薪的工作，还必要把握机械进修手艺和算法，比如 k-NN、朴质贝叶斯、SVM 和抉择妄想森林等。
分布式计较和 Unix 工具
如今大局部机械进修都必要海量数据，所以你无法在单台机械上停止机械进修。所以，你必要用到集群，必要把握 Apache Hadoop 和一些云办事，如 Rackspace、Amazon EC2、Google Cloud Platform、OpenStack 和 Microsoft Azure 等。
你还必要把握各类 Unix 工具，如 cat、grep、find、awk、sed、sort、cut、tr 等。由于机械进修根基上都是在 Unix 体系上运转的，所以必要把握这些工具，晓得它们的浸染以及若何使用它们。
查询说话和 NoSQL 数据库
传统关系型数据库已经老去。除了 Hadoop 之外，你还必要把握 SQL、Hive 和 Pig，以及 NoSQL 数据库，如 MongoDB、Casssandra、HBase。
基于 NoSQL 分布式数据库的根本举措步伐已经成为大数据堆栈的根本。原先在一个中心关系型数据库上必要 20 个小时才能措置完的使命，在一个大型的 Hadoop 集群上可能只必要 3 分钟时辰。固然，你也可以使用 MapReduce、Cloudera、Tarn、PaaS、Chef、Flume 和 ABAP 这些工具。
数据可视化工具
在把握编程说话和算法的同时，不要忽略了数据可视化的浸染。若是无法让你本身或别人理解数据，那么它们就变得毫无意义。数据可视化就是指若安在精确的时辰向精确的人展现数据，以便让他们从中获得价值。首要的数据可视化工具网罗：Tableau、QlikView、Someka Heat Maps、FusionCharts、Sisense、Plotly、Highcharts、Datawrapper、D3.js、ggplot 等。
精确选择教育背景和专业
要成为数据科学家，不必定非要拿到数据科学方面的学位。现实上，你完全不必要这么做，如许做反而不是个好主见。若是你能拿到计较机学位、工程学学位、经济学学位、数学学位、统计学学位、精算师学位、金融学学位或者天然科学学位（物理、化学或生物）都是可以的。甚至是人文科学（网罗社会科学）也是可以的。
但或许你会在其他规模获得更好的生长，比如经济、应用数学或工程规模。首先要确定命据科学这条路是不是合适本身。2018 年绝对不会让那些有志在数据科学规模一展身手的人绝望。不外仍是那句话，一个具备分析才能的大脑、谙练的编程手艺、诚挚的热情和连续自我晋升的毅力将抉择你的数据科学家之路会走多远。
还可以关注V信公众号：程序员大牛 每天都会分享干货