全文共1556字，预计学习时长5分钟

来源：Pexels

如果在谷歌中搜索“如何掌握一项〈技能〉”，就能看到很多在线课程、Youtube教程、书籍，或是能够完美回答该问题的相关文献。而其中大多数资源都是免费的。

至于在哪里学习技能，就仁者见仁，智者见智了。那些安利方法或途径的人可能并没有尝试过所有的选项 (甚至可能就是来推销产品的)，所以很难说最好的资源是哪一个。

在选择资源方面，笔者认为，长期不喜欢的资源途径就要合理摒弃。实际上，好的资源途径总在不断迭代更新中，所以资源转换也不是什么难事。问题在于：在谷歌中搜索掌握哪一项技能?

不要照搬职位描述的技能

这听起来可能与逻辑不符。如果不了解求职应用程序上提到的所需职位要求，如何吸引雇主呢?

笔者有两点理由佐证求职应用程序并不是一个好的求职晴雨表。

首先，对于数据技能，最需要的技能包括Excel和Tableau，以这类为主要要求的工作，笔者认为并不属于真正的数据科学工作。当然，人们可能偶尔认为这是数据科学家的工作，但这更多是数据分析师、业务智能人员或业务分析师的工作。从本质上讲，公司对数据科学家和数据分析师的定义并不完全相同，因此求职应用程序不是一个完美的衡量标准。

笔者不使用职位描述的主要原因是，职位描述通常是由人力资源或招聘人员完成，而并非由所任职部门的经理负责。有些要求会操作PyTorch且有 5年经验，就PyTorch三年的问世年龄来说，这个要求基本不可能。真的能从那些不从事数据科学工作的人身上学到什么吗?

笔者并不认同。因为知道什么是真正有价值技能的人只是其他数据科学家。此外，为了之后应对高级数据科学家的随机面试，求职者应该优化自身能力，加深数据科学家们的印象，因为他们才是最难通过的瓶颈，而不是招聘人员。