我是如何从物理学转行到数据科学领域

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!

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

我是如何从物理学转行到数据科学领域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。

我是如何从物理学转行到数据科学领域

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

我是如何从物理学转行到数据科学领域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

我是如何从物理学转行到数据科学领域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。

我是如何从物理学转行到数据科学领域

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

我是如何从物理学转行到数据科学领域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. 在线课程我是如何从物理学转行到数据科学领域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。

建立作品集

我是如何从物理学转行到数据科学领域个人作品集能够展示你的经验和能力,特别是当你没有数据科学方面的博士学位时。

由于我只有物理学的学士学位,我没有计算机科学相关学位,在大学的前三年中我也没有任何相关的数据科学作品。建立个人作品集是很重要的,因为公司需要知道你学了些什么,如何能过为公司业务贡献价值。这也是我决定实习和学习在线课程的原因。

不久之前,我和朋友一起参加由Shopee和工程与科技协会(IET)组织的Kaggle 机器学习挑战赛。这是我第一次参加Kaggle比赛,我学习了如何使用卷积神经网络(CNN)和迁移学习进行图像识别。

结语

我是如何从物理学转行到数据科学领域我分享了我进入数据科学行业的一些情况,希望我的经历能够让你觉得数据科学其实很有趣,并不那么吓人。直到我接触到数据科学,我才愈发感受到什么是学无止境。我希望本文能够激励你去挑战自己,实现自己的梦想。

原文链接:https://towardsdatascience.com/my-journey-from-physics-into-data-science-5d578d0f9aa6

本站特约专栏文章,作者:CDA数据分析师,本文链接:https://www.afenxi.com/51655.html 。内容观点不代表本站立场,如若转载请联系专栏作者。

联系我们

如有建议:>>给我留言 大数据交流群: 统  计  学 数据分析网-统计学 商业智能 数据分析网-商业智能 数据挖掘 数据分析-数据挖掘 数据产品 数据分析网-数据产品

QR code