2018 年内斯，AI 的發(fā)展腳步會加快蕴潦，這一年將是 AI 技術(shù)重生和數(shù)據(jù)科學(xué)得以重新定義的一年。對于雄心勃勃的數(shù)據(jù)科學(xué)家來說俘闯，他們?nèi)绾卧谂c數(shù)據(jù)科學(xué)相關(guān)的工作市場中脫穎而出潭苞？2018 年會有足夠多的數(shù)據(jù)科學(xué)相關(guān)工作嗎？還是說有可能出現(xiàn)萎縮备徐？接下來萄传，讓我們來分析一下數(shù)據(jù)科學(xué)的趨勢，并一探如何在未來的大數(shù)據(jù)和機器學(xué)習(xí) /AI 領(lǐng)域獲得一份不錯的工作蜜猾⌒懔猓”

在這里我還是要推薦下我自己建的大數(shù)據(jù)學(xué)習(xí)交流群：199427210，群里都是學(xué)大數(shù)據(jù)開發(fā)的蹭睡，如果你正在學(xué)習(xí)大數(shù)據(jù) 衍菱，小編歡迎你加入，大家都是軟件開發(fā)黨肩豁，不定期分享干貨（只有大數(shù)據(jù)開發(fā)相關(guān)的）脊串，包括我自己整理的一份2018最新的大數(shù)據(jù)進階資料和高級開發(fā)教程，歡迎進階中和進想深入大數(shù)據(jù)的小伙伴清钥。

1琼锋、你需要牢固掌握概率統(tǒng)計學(xué)，并學(xué)習(xí)和掌握一些算法祟昭，比如樸素貝葉斯缕坎、高斯混合模型、隱馬爾可夫模型篡悟、混淆矩陣谜叹、ROC 曲線匾寝、P-Value 等。

不但要理解這些算法荷腊，還要知道它們的工作原理艳悔。你需要牢固掌握梯度下降、凸優(yōu)化女仰、拉各朗日方法論猜年、二次規(guī)劃、偏微分方程董栽、求積法等相關(guān)算法码倦。

如果你想找一份高薪的工作，還需要掌握機器學(xué)習(xí)技術(shù)和算法锭碳，比如 k-NN袁稽、樸素貝葉斯、SVM 和決策森林等擒抛。

2推汽、

現(xiàn)在大部分機器學(xué)習(xí)都需要海量數(shù)據(jù)，所以你無法在單臺機器上進行機器學(xué)習(xí)歧沪。所以歹撒，你需要用到集群，需要掌握 Apache Hadoop 和一些云服務(wù)诊胞，如 Rackspace暖夭、Amazon EC2、Google Cloud Platform撵孤、OpenStack 和 Microsoft Azure 等迈着。

你還需要掌握各種 Unix 工具，如 cat邪码、grep裕菠、find、awk闭专、sed奴潘、sort、cut影钉、tr 等画髓。因為機器學(xué)習(xí)基本上都是在 Unix 系統(tǒng)上運行的，所以需要掌握這些工具平委，知道它們的作用以及如何使用它們雀扶。

3、在掌握編程語言和算法的同時肆汹，不要忽略了數(shù)據(jù)可視化的作用愚墓。如果無法讓你自己或別人理解數(shù)據(jù)，那么它們就變得毫無意義昂勉。數(shù)據(jù)可視化就是指如何在正確的時間向正確的人展示數(shù)據(jù)浪册，以便讓他們從中獲得價值。主要的數(shù)據(jù)可視化工具包括：Tableau岗照、QlikView村象、Someka Heat Maps、FusionCharts攒至、Sisense厚者、Plotly、Highcharts迫吐、Datawrapper库菲、D3.js、ggplot 等志膀。

4熙宇、要成為數(shù)據(jù)科學(xué)家，不一定非要拿到數(shù)據(jù)科學(xué)方面的學(xué)位溉浙。事實上烫止，你完全不需要這么做，這樣做反而不是個好主意戳稽。如果你能拿到計算機學(xué)位馆蠕、工程學(xué)學(xué)位、經(jīng)濟學(xué)學(xué)位惊奇、數(shù)學(xué)學(xué)位互躬、統(tǒng)計學(xué)學(xué)位、精算師學(xué)位赊时、金融學(xué)學(xué)位或者自然科學(xué)學(xué)位（物理吨铸、化學(xué)或生物）都是可以的。甚至是人文科學(xué)（包括社會科學(xué)）也是可以的祖秒。

2018年跳槽指南：如何找到一份人工智能相關(guān)的工作诞吱？

AI前線 ? 7小時前 ? 技能Get

大數(shù)據(jù)把 AI 推向了技術(shù)炒作的舞臺正中央，數(shù)據(jù)科學(xué)和機器學(xué)習(xí)在各行各業(yè)開始嶄露頭角

本文由 【AI前線】原創(chuàng)竭缝，原文鏈接：http://t.cn/RHqaB5p

作者｜Tanmoy Ray房维，譯者｜薛命燈，編輯｜Emily

AI 前線導(dǎo)讀：“2017 年抬纸，大數(shù)據(jù)把 AI 推向了技術(shù)炒作的舞臺正中央咙俩，數(shù)據(jù)科學(xué)和機器學(xué)習(xí)在各行各業(yè)開始嶄露頭角。機器學(xué)習(xí)開始被應(yīng)用于解決數(shù)據(jù)分析問題。機器學(xué)習(xí)阿趁、AI 和預(yù)測分析成為 2017 年的熱門話題膜蛔。我們見證了基于數(shù)據(jù)的價值創(chuàng)新，包括數(shù)據(jù)科學(xué)平臺脖阵、深度學(xué)習(xí)和主要幾個廠商提供的機器學(xué)習(xí)云服務(wù)皂股，還有機器智能、規(guī)范性分析命黔、行為分析和物聯(lián)網(wǎng)呜呐。

2018 年，AI 的發(fā)展腳步會加快悍募，這一年將是 AI 技術(shù)重生和數(shù)據(jù)科學(xué)得以重新定義的一年蘑辑。對于雄心勃勃的數(shù)據(jù)科學(xué)家來說，他們?nèi)绾卧谂c數(shù)據(jù)科學(xué)相關(guān)的工作市場中脫穎而出坠宴？2018 年會有足夠多的數(shù)據(jù)科學(xué)相關(guān)工作嗎洋魂？還是說有可能出現(xiàn)萎縮？接下來啄踊，讓我們來分析一下數(shù)據(jù)科學(xué)的趨勢忧设，并一探如何在未來的大數(shù)據(jù)和機器學(xué)習(xí) /AI 領(lǐng)域獲得一份不錯的工作〉咄ǎ”

增強技術(shù)實力

編程語言和開發(fā)工具

365 Data Science 收集了來自 LinkedIn 的 1001 數(shù)據(jù)科學(xué)家的信息址晕，發(fā)現(xiàn)需求量最大的編程語言為 R 語言、Python 和 SQL顿锰。另外谨垃，還要求具備 MATLAB、Java硼控、Scala 和 C/C++ 方面的知識刘陶。為了能夠脫穎而出，需要熟練掌握 Weka 和 NumPy 這類工具牢撼。

概率統(tǒng)計學(xué)匙隔、應(yīng)用數(shù)學(xué)和機器學(xué)習(xí)算法

你需要牢固掌握概率統(tǒng)計學(xué)，并學(xué)習(xí)和掌握一些算法熏版，比如樸素貝葉斯纷责、高斯混合模型、隱馬爾可夫模型撼短、混淆矩陣再膳、ROC 曲線、P-Value 等曲横。

不但要理解這些算法喂柒，還要知道它們的工作原理。你需要牢固掌握梯度下降、凸優(yōu)化灾杰、拉各朗日方法論蚊丐、二次規(guī)劃、偏微分方程吭露、求積法等相關(guān)算法吠撮。

如果你想找一份高薪的工作，還需要掌握機器學(xué)習(xí)技術(shù)和算法讲竿，比如 k-NN、樸素貝葉斯弄屡、SVM 和決策森林等题禀。

分布式計算和 Unix 工具

現(xiàn)在大部分機器學(xué)習(xí)都需要海量數(shù)據(jù)，所以你無法在單臺機器上進行機器學(xué)習(xí)膀捷。所以迈嘹，你需要用到集群，需要掌握 Apache Hadoop 和一些云服務(wù)全庸，如 Rackspace秀仲、Amazon EC2、Google Cloud Platform壶笼、OpenStack 和 Microsoft Azure 等神僵。

你還需要掌握各種 Unix 工具，如 cat覆劈、grep保礼、find、awk责语、sed炮障、sort、cut坤候、tr 等胁赢。因為機器學(xué)習(xí)基本上都是在 Unix 系統(tǒng)上運行的，所以需要掌握這些工具白筹，知道它們的作用以及如何使用它們智末。

查詢語言和 NoSQL 數(shù)據(jù)庫

傳統(tǒng)關(guān)系型數(shù)據(jù)庫已經(jīng)老去。除了 Hadoop 之外遍蟋，你還需要掌握 SQL吹害、Hive 和 Pig，以及 NoSQL 數(shù)據(jù)庫虚青，如 MongoDB它呀、Casssandra、HBase。

基于 NoSQL 分布式數(shù)據(jù)庫的基礎(chǔ)設(shè)施已經(jīng)成為大數(shù)據(jù)倉庫的基礎(chǔ)纵穿。原先在一個中心關(guān)系型數(shù)據(jù)庫上需要 20 個小時才能處理完的任務(wù)下隧，在一個大型的 Hadoop 集群上可能只需要 3 分鐘時間。當然谓媒，你也可以使用 MapReduce淆院、Cloudera、Tarn句惯、PaaS土辩、Chef、Flume 和 ABAP 這些工具抢野。

數(shù)據(jù)可視化工具

在掌握編程語言和算法的同時拷淘，不要忽略了數(shù)據(jù)可視化的作用。如果無法讓你自己或別人理解數(shù)據(jù)指孤，那么它們就變得毫無意義启涯。數(shù)據(jù)可視化就是指如何在正確的時間向正確的人展示數(shù)據(jù)，以便讓他們從中獲得價值恃轩。主要的數(shù)據(jù)可視化工具包括：Tableau结洼、QlikView、Someka Heat Maps叉跛、FusionCharts松忍、Sisense、Plotly昧互、Highcharts挽铁、Datawrapper、D3.js敞掘、ggplot 等叽掘。

正確選擇教育背景和專業(yè)

要成為數(shù)據(jù)科學(xué)家，不一定非要拿到數(shù)據(jù)科學(xué)方面的學(xué)位玖雁。事實上更扁，你完全不需要這么做，這樣做反而不是個好主意赫冬。如果你能拿到計算機學(xué)位浓镜、工程學(xué)學(xué)位、經(jīng)濟學(xué)學(xué)位劲厌、數(shù)學(xué)學(xué)位膛薛、統(tǒng)計學(xué)學(xué)位、精算師學(xué)位补鼻、金融學(xué)學(xué)位或者自然科學(xué)學(xué)位（物理哄啄、化學(xué)或生物）都是可以的雅任。甚至是人文科學(xué)（包括社會科學(xué)）也是可以的。

但或許你會在其他領(lǐng)域得到更好的發(fā)展咨跌，比如經(jīng)濟沪么、應(yīng)用數(shù)學(xué)或工程領(lǐng)域。首先要確定數(shù)據(jù)科學(xué)這條路是不是適合自己锌半。2018 年絕對不會讓那些有志在數(shù)據(jù)科學(xué)領(lǐng)域一展身手的人失望禽车。不過還是那句話，一個具備分析能力的大腦刊殉、熟練的編程技能殉摔、誠摯的熱情和持續(xù)自我提升的毅力將決定你的數(shù)據(jù)科學(xué)家之路會走多遠。