625
數據科學初學者九種常見錯誤
更多深度文章，請關注：https://yq.aliyun.com/cloud
- 學習數據科學時的錯誤
- 求職時的錯誤
-
1.
- 首先，這是緩慢而艱巨的。如果你曾經被所有要學的東西壓垮，那麼你很有可能陷入了這個陷阱。
- 第二，你也不會保留這些概念。數據科學是一個應用領域，而鞏固技能的最好方法是實踐。
- 最後，還有一個更大的風險就是如果你不明白你所學的東西與現實內容有什麼聯係，那麼你會變得消極然後放棄。
2.
- 使用通用的機器學習庫，如Scikit-Learn（Python）或Caret（R）（需翻牆）。
- 如果你從頭開始編寫一個算法，那麼這樣做是為了學習而不是完善你的實現。
-
現代機器學習算法的環境
3.
有些人進入這個領域是因為他們想要構建未來的技術：自駕車，高級機器人，計算機視覺等。 這些技術由深度學習和自然語言處理等技術所驅動。
- 首先掌握“經典”機器學習的技術和算法，以此作為高級課題的基石。
- 要知道經典機器學習仍然具有驚人的潛力。雖然算法已經成熟，但我們仍然處於發現使用富有成效的方法的早期階段。
-
學習一個係統的方法來解決任何形式的機器學習問題（包括在我們免費7天速成課程
4.
- 不要簡單列出你所使用的編程語言或庫。描述你如何使用它們並解釋結果。
- 少即是多。考慮強調最重要的技能，並突出它們。
5.
- 用真實的數據集
- 7
- 參加相關實習，即使是兼職。
-
LinkedIn
6.
- SQL
- A
- Python
-
7.
- 完整的端到端的項目
- 組織你的方法。數據科學應該是深思熟慮的，而不是偶然的。
-
8.
- 如果你在銀行麵試一個職位，就要了解一些基本的財務概念。
- 500
- 如果你正要去一家初創公司麵試，要了解它的市場，並試著辨別它將如何獲得競爭優勢。
-
9.
- 向非技術受眾講解技術概念。例如，試著向朋友解釋你喜歡的算法。
- 為常見的麵試問題準備要點
-
- 1.花費太多時間在理論上。
- 2.從頭編寫太多的算法。
- 3.跳入高深的主題，例如深入學習，太快了。
- 4.在簡曆中有太多的技術術語。
- 5.高估學位的價值。
- 6.找工作搜索太狹窄。
- 7.在麵試中沒有準備好討論項目。
- 8.低估領域知識的價值。
- 9.忽視溝通技巧。
為了開始你的學習之旅，我們邀請你注冊我們的免費的7天關於機器學習的速成課程。 你將獲得我們博客中未涵蓋的獨家課程。
對於更多的超級指導，我們還提供了一個全麵的機器學習的課程，將教你數據科學，同時使你構建一個令人印象深刻的產品組合。
本文由北郵@愛可可-愛生活推薦，阿裏雲雲棲社區翻譯。
文章原標題《9 Mistakes to Avoid When Starting Your Career in Data Science
作者：elitedatascience網站
文章為簡譯，更為詳細的內容，請查看原文
最後更新：2017-06-30 13:31:50