如果你是一名初级入门者，或者是一名软件工程师，亦或者是一名数学物理系毕业生，想要转型为一名数据科学家，按照我的建议一步一个脚印的去做，你会事半功倍。

维基百科是你在数据科学领域解惑最佳的方式之一，但它所提供的信息要么就是特别简单，要么就是特别复杂。同样的，在数据科学职业建议这方面也一样：有些帖子针对的是初学者，有些则针对的是软件工程师，亦或者是针对入门后希望有所提升的入门级群体。因此，对于那些想要进入该领域的数据科学家来说，真的不知道去哪里寻找建议。

没有完美的建议可以适合所有人，在这里我就初级入门者、软件工程师以及数学物理系毕业生分别提出一些正确进入数据科学领域的建议，按照我所说的去做，你会事半功倍。

如果你是一个初级入门人员，那么请你一定要牢记：这个领域的发展速度令人咋舌，我在给你的任何建议基本上都是过时的。2017年的数据科学工作者在今天就不一定能在这个领域工作下去，同样的，今天的数据科学招聘标准在两年以后同样派不上多少用场。

但假如你现在还没有编码或STEM背景，下面这些建议或许对你有所裨益：

1、一定要有一个相对开阔的思路。如果你什么都不会，那么你可能并不了解什么是数据科学，所以数据科学这一领域并不一定是你特别想要接触的领域。你可以在LinkedIn上关注一些数据科学家，或者关注一些相关的博客。了解这个领域的人究竟都在做什么。成为一个真正的数据科学家需要你付出大量的时间和精力，因此，纯粹因为无人驾驶看起来很酷并不是你想成为数据科学家的理由。你要了解的是，数据科学并不是表面上那么光鲜，枯燥繁琐的数据整理、构建数据通道等占据了数据科学家们大部分时间和精力。

2、了解到这些以后，如果你依然决定进入数据科学领域，那么你即将进入数据科学领域的学习!首先，学习Python和慕课网上的课程，然后尽快创建一个基础性的项目。在你熟悉Python的基本技能后，还得学习如何使用Jupyter笔记本。

3、作为一个初学者，将目标一步定位到数据科学家并不明智。相反，适当的降低目标会更加有助于你成功，比如数据可视化或数据分析。这些专业的技术人员需求量很大，并且很容易找到工作，在这些领域工作后，你就会有机会经常和数据科学家一起工作。在积累了一定的经验后，你就可以在数据科学的各个领域横向发展了!

以我的应验来看，20%的数据科学家可能都是软件工程师。一方面来说，作为一名软件工程师，将代码部署到生产环境中，他们有着相当丰富的经验，除此以外，他们还有强大的团队合作能力，这很重要。另一方面，全栈工程师的需求量很大，因此很多公司都会向倾向于招聘软件工程师，即便是他们在招聘时写的是“招聘数据科学家”，这也是虚的。因此，你要避免成为一名软件工程师!另外，我还有一些建议：

1.如果你是一名软件工程师，你可以先熟悉数据管道，这能够帮助你学习核心的数据操作技巧。

2.机器学习工程可能是最接近数据科学家的一个角色，如果你能成为一名机器学习工程师，那么再进阶为一名数据科学家对你来说就很容易了。机器学习重点在于部署模型或者是将现有的模型部署到应用程序中，可以有效的利用你所学到的技能。

3.你可以创建机器学习或者数据科学项目来打动招聘主管，利用你所学的软件工程技能，向招聘人员展示你的应用程序，证明你是一个全栈数据科学家的潜力股。

4.你要知道，在转型期间，你的薪水肯定会有所降低。即便是高级软件工程师，在转型到数据科学领域的时候，也是一个初级角色，也会面临薪水降级。很多人没有意识到这点，以至于面对薪资降低会感到特别失望。

如果你是数学或物理系的本科、硕士或博士毕业生，那么你一定已经在统计学和数学方面打下了坚实的基础。但是遗憾的是，你并没有工作经验，而且也不知道如何准备面试。即便是你在读书期间一直在学习编程，也不可能写出一个简洁、结构完整的代码。下面是我的一些建议供你参考：

1.你在学校所学到的R语言、MATLAB或Mathematica远远不够，建议你学习下Python语言。除此之外，你还要学习协作版本控制(即如何与其他人一起使用GitHub)、容器化(即如何使用Docker)、Devops(即如何部署模型)和SQL。

2.学习Python中的测试开发，并了解如何使用docstrings。除此之外，了解下如何将代码模块化。如果你还没准备好学习这些，那么你可以先学习如何使用Jupyter笔记本。

3.如果你是一个数学系毕业生，那么深度学习可能是比较适合你的方向。如果想进入深度学习领域，可以从传统的““Scikit-Learn”开始，然后就可以很轻松的进入深度学习领域。最重要的是，你要进入这个行业，然后尽可能快的开始写代码。

文章原标题《3 common data science career transitions, and how to make them happen》

译者：Mags，审校：袁虎