我是如何从物理学转行到数据科学领域

作者 Admond Lee
编译 Mika
本文为 CDA 数据分析师原创作品

很多人问我是如果从物理学转行到数据科学，本文讲述了关于我为什么决定成为一名数据科学家，以及我是如何追求并实现目标的。希望能够最终鼓励更多的人追求自己的梦想。让我们开始吧！

CERN 暑期项目

2017年CERN暑期项目

CERN(欧洲核子研究组织)暑期项目为物理、计算机和工程专业的本科生提供了千载难逢的机会，让他们前往瑞士日内瓦，与顶尖科学家一起参加研究项目。

2017年6月，我非常幸运地被选中参加这个项目。粒子物理学是我的研究方向，能够参加CERN的研究项目让我欣喜不已。在为期2个月的项目期间，针对CMS(紧凑μ子线圈)实验，我通过世界级LHC(大型强子对撞机)计算网格和云计算进行了相关分析和模拟。

CMS(紧凑μ子线圈)

此外，暑期项目还包含了一系列围绕粒子物理和计算领域的讲座、研讨会。

在此期间，通过参加讲座、研讨会以及项目，我开始接触到机器学习和大数据分析。令我惊讶的是，机器学习技术能够处理大量的数据，并精确的对各种微观粒子进行分类和检测。接着我毫不犹豫地投入了对机器学习和云计算的探究与学习。

谁知道这次经历会成为我人生中的转折点，我打算投身数据分析。然而此时我对数据科学的定义仍比较模糊。

数据科学领域初探

当我一结束暑期项目回到新加坡，我就对解数据科学进行了一些探究，令我惊讶的是，这个领域并没有明确的定义。但总的来说，在我看来，数据科学涵盖了编程、数学、统计知识以及一定专业知识。

尽管如此，我还是惊讶于数据是如何被用来为公司得出分析见解，并驱动商业价值。从理解业务问题，到收集和进行数据可视化，直到构建原型开发阶段，进行微调，并将模型部署到实际应用程序中，在这些过程中我发现了通过使用数据解决复杂问题、完成挑战的满足感。

“没有数据，你只是一个空有想法的人”。

—— W. Edwards Deming

我的出发点—数据可视化

Tableau Dashboard

2017年8月，作为进入数据科学领域的第一步，我参加了由Tableau和IMDA(Infocomm Media Development Authority)共同组织的NIC Face-Off 数据竞赛，当中我首次接触到数据可视化。

当中我有机会使用Tableau Public对各种开放数据源进行可视化，这些数据调查了东南亚雾霾的起源，并提供了可操作性的的见解。

第一份数据分析兼职实习

在同月，我偶然发现了一个机会成为了mobilityX的一名数据分析实习生，这是一家由SMRT资助的初创公司。考虑到可读性和广泛社区的支持，我使用Python进行编程。其实在我大一开始学习编程时，我想过放弃。为了运行一个简单的for循环，我可能要花费好几天甚至几周。而且我常常会感觉自己没有天赋。

直到大三我和教授开始一项研究项目，我才开始对编程产生兴趣。我开始使用Python进行构建，并喜欢上了这个编程语言。

我开始不在自我怀疑，而是采用以下的步骤学习编程：

1. 理解编程的基本逻辑；

2. 选择一种编程语言并学习如何使用(语法等)；

3. 练习，练习，再练习；

4. 重复步骤1-3 。

实习一直持续到2018年3月，期间我的收获颇多。我学会使用PostgreSQL和Python进行数据清理和操作、web抓取以及数据提取。

数据科学全职实习

之前经历进一步强化了我对数据科学的喜爱。之后我计划了自己的学习时间表，并在2017年12月毕业后，开始了在Quantum Inventions的数据科学全职实习。

看到这里你可能会问，为什么我选择去实习而不是一份数据科学的工作？那就是在申请全职工作之前，能够通过处理实际的数据，获得更多的技术知识，并从头开始体验数据科学的整个流程。

学习资源

以下总结了我的学习过程，当中我接受了很多人的帮助，并充分利用了大量的在线资源。1. 推荐书籍我读的第一本数据科学的书是《统计学习导论：基于R应用》(An Introduction to Statistical Learning — with Applications in R)。这本书对于初学者是非常不错的选择，当中着重统计建模和机器学习的基本概念，并提供详细而直观的解释。如果你很擅长数学，那么你肯定会喜欢这本书：《统计学习基础》(The Elements of Statistical Learning)。还有一些相关书籍也是不错的选择，比如Sebastian Raschka的《面向初学者的机器学习》(Machine Learning for Absolute Beginners)，《Python 和机器学习》(Python Machine Learning)；以及Jake VanderPlas的《Python数据科学手册》( Python Data Science Handbook)。

2. 在线课程Coursera

我推荐Coursera联合创始人吴恩达的《机器学习》课程。他能够把复杂的概念分解成更简单内容。该课程为期11周，主要围绕监督式学习、无监督学习以及机器学习的实际应用。当构建机器学习模型时，我仍然会参考该课程讲义，用来解决欠拟合或过度拟合的问题。

Udemy

Jose Portilla的《在数据科学和机器学习中使用Python》(Python for Data Science and Machine Learning Bootcamp)是不错的选择。该课程从Python基础知识开始，逐步指导你如何使用scikit-learn和TensorFlow实现各种机器学习和深度学习代码。本课程详细介绍了Python中各种库，用来实现机器学习模型。

此外，我强烈推荐Kirill Eremenko和Hadelin de Ponteves的课程《深度学习A-Z：人工神经网络》( Deep Learning A-Z™: Hands-On Artificial Neural Networks )。通过该课程，我第一次接触到深度学习。课程主要通过实际操作的编程教程，把握监督和无监督深度学习。

Lynda

我推荐Lillian Pierson的课程《在数据科学基础训练中使用Python》( Python for Data Science Essential Training 。该课程以统计分析为基础，围绕数据管理和数据可视化。

3. LinkedInLinkedIn是与数据科学社区有紧密联系的的强大平台。人们愿意在上面分享他们的经验、想法和知识，从而帮助他人。在LinkedIn上，我学习到了很多，无论是技术知识还是职业咨询等。4. 其他资源许多数据科学领域的初学者经常会被大量的资源所淹没。除了以上资源平台以外，还有Towards Data Science、Quora、DZone、KDnuggets、Analytics Vidhya、DataTau、fast.ai 等都是不错的选择。