625
数据科学初学者九种常见错误
更多深度文章，请关注：https://yq.aliyun.com/cloud
- 学习数据科学时的错误
- 求职时的错误
-
1.
- 首先，这是缓慢而艰巨的。如果你曾经被所有要学的东西压垮，那么你很有可能陷入了这个陷阱。
- 第二，你也不会保留这些概念。数据科学是一个应用领域，而巩固技能的最好方法是实践。
- 最后，还有一个更大的风险就是如果你不明白你所学的东西与现实内容有什么联系，那么你会变得消极然后放弃。
2.
- 使用通用的机器学习库，如Scikit-Learn（Python）或Caret（R）（需翻墙）。
- 如果你从头开始编写一个算法，那么这样做是为了学习而不是完善你的实现。
-
现代机器学习算法的环境
3.
有些人进入这个领域是因为他们想要构建未来的技术：自驾车，高级机器人，计算机视觉等。 这些技术由深度学习和自然语言处理等技术所驱动。
- 首先掌握“经典”机器学习的技术和算法，以此作为高级课题的基石。
- 要知道经典机器学习仍然具有惊人的潜力。虽然算法已经成熟，但我们仍然处于发现使用富有成效的方法的早期阶段。
-
学习一个系统的方法来解决任何形式的机器学习问题（包括在我们免费7天速成课程
4.
- 不要简单列出你所使用的编程语言或库。描述你如何使用它们并解释结果。
- 少即是多。考虑强调最重要的技能，并突出它们。
5.
- 用真实的数据集
- 7
- 参加相关实习，即使是兼职。
-
LinkedIn
6.
- SQL
- A
- Python
-
7.
- 完整的端到端的项目
- 组织你的方法。数据科学应该是深思熟虑的，而不是偶然的。
-
8.
- 如果你在银行面试一个职位，就要了解一些基本的财务概念。
- 500
- 如果你正要去一家初创公司面试，要了解它的市场，并试着辨别它将如何获得竞争优势。
-
9.
- 向非技术受众讲解技术概念。例如，试着向朋友解释你喜欢的算法。
- 为常见的面试问题准备要点
-
- 1.花费太多时间在理论上。
- 2.从头编写太多的算法。
- 3.跳入高深的主题，例如深入学习，太快了。
- 4.在简历中有太多的技术术语。
- 5.高估学位的价值。
- 6.找工作搜索太狭窄。
- 7.在面试中没有准备好讨论项目。
- 8.低估领域知识的价值。
- 9.忽视沟通技巧。
为了开始你的学习之旅，我们邀请你注册我们的免费的7天关于机器学习的速成课程。 你将获得我们博客中未涵盖的独家课程。
对于更多的超级指导，我们还提供了一个全面的机器学习的课程，将教你数据科学，同时使你构建一个令人印象深刻的产品组合。
本文由北邮@爱可可-爱生活推荐，阿里云云栖社区翻译。
文章原标题《9 Mistakes to Avoid When Starting Your Career in Data Science
作者：elitedatascience网站
文章为简译，更为详细的内容，请查看原文
最后更新：2017-06-30 13:31:50