編者按：SharpestMinds聯(lián)合創(chuàng)始人Jeremie Harris分享了申請數(shù)據(jù)科學家職位的經驗。

我仍然記得我兄弟決定賣出他的比特幣的時刻。那是2017年，當時我們在星巴克。我們碰到了一個發(fā)傳單的中年婦女。傳單開頭用黑體印著“比特幣：通向提前退休的道路”。

當時我挺好奇的，就問了她對加密貨幣市場的看法，結果發(fā)現(xiàn)她對比特幣以外的其他加密貨幣幾乎一無所知。以太坊？“從來沒聽說過?！比R特幣？“那是廉價版的比特幣，是吧？”

從經驗上說，如果毫無頭緒的中年婦女都在當?shù)氐男前涂讼蚰阈麄髯钚碌募夹g趨勢，你大概正接近不實宣傳的高峰，或者“泡沫”。

當然這算不上什么新發(fā)現(xiàn)。每個人都同意，投資的時候如果你做的和其他所有人都一樣，那你不太可能得到多少回報。很奇怪的一點是，人們沒能在投資自身上應用同一推理。

假設你想要應聘數(shù)據(jù)科學家職位。如果你做的全是標準的“我想要成為一位數(shù)據(jù)科學家”事情，那么這就意味著你不應該期望得到夢想的工作。目前市場已經充斥了初級水平的人員，因此，處于中位數(shù)水平的新手數(shù)據(jù)科學家不太可能得到太多認同。所以，你如果想要避免中位數(shù)的結果，為什么要做中位數(shù)的事？

問題在于，大多數(shù)人開始他們的數(shù)據(jù)科學之旅時不是這么想的。我在SharpestMinds工作的時候和數(shù)百名新手數(shù)據(jù)科學家聊過，其中大約80%的人告訴我的都差不多：

首先，他們學一些基礎（Python + sklearn + Pandas，也許還學點別的，比如SQL）

接著，他們參加了千篇一律的MOOC課程

他們讀了一些工作描述，擔心不符合條件

也許去參加另一門MOOC，也許開始申請工作

沒有收到任何回音（或者，最好的情況下，參加了一些面試，全搞砸了）

變得很沮喪，考慮是不是去讀個碩士，或者再申請一些工作

到了抉擇的時刻了：該不該重復第2-7步直到發(fā)生了不同的事情？

如果這符合你的情況，那么很可能你也處在一個自我提升的泡沫中：你正在做所有其他人都在做的事，但期望得到不同的結果。你需要做一件事：停下來。

如果你期望超出平均水平的結果，那么你不能做平均水平的事情。但是，想要避免平均水平的事，你需要知道什么是平均水平的事。

這里是一些例子：如果你需要參加一個MOOC課程學習一些基礎，那很好。但不要陷入MOOC螺旋：MOOC，從定義上來說，基本上都是為平均水平的人設計的。所以你并不會因為上了多門MOOC就成為一個突出的人。類似地，如果你的GitHub上有4到5個Jupyter notebook，內容都是乏味的sklearn/Pandas/seaborn/Keras技術棧，不要再做一個新的了。

總的規(guī)則是：如果有一件事看起來是明顯的下一步，因為所有其他人都這么做，這是一件很好的不去做的事。相反，你需要找到其他人不做的事，并且盡快去做。

那是些什么樣的事情？根據(jù)我的經歷，我想到5件：

復現(xiàn)論文。如果你是深度學習愛好者，這一點尤其重要。人們不做這事，因為這比獲取一個數(shù)據(jù)集，然后使用簡單的人工神經網絡或XGBoost進行千篇一律的分類要難。在arXiv上找一篇和你的領域相關的最有趣的論文（最近的論文最理想），閱讀它，理解它。接著，復現(xiàn)它，可能是在一個新的數(shù)據(jù)集上復現(xiàn)。寫篇博客總結這次復現(xiàn)。

不要呆在舒適區(qū)。如果你開始一個新項目，最好學習一些新框架/庫/工具。如果你正創(chuàng)建第6個Jupyter notebook，開頭是df = pd.read_csv(filename)，結尾是f1 = f1_score(y_true, y_pred)，是時候改變你的策略了。

學習枯燥的東西。其他人不做這事，因為沒人喜歡枯燥的東西。但是，學習正確的Git流程，如何使用Docker，如何使用Flask搭建一個應用，如何部署模型至AWS或Google Cloud，這些都是公司很盼望申請人具備的技能，但大多數(shù)申請人低估了這些技能的重要性。

做頭疼的事情。1) 爭取在當?shù)氐臄?shù)據(jù)科學聚會上講篇論文?；蛘?，最起碼，參加當?shù)氐臄?shù)據(jù)科學聚會。2) 給LinkedIn上的人發(fā)冷消息。試著首先提供一些價值（“我剛發(fā)現(xiàn)了你網站上的一個筆誤”）。不要直接向他們請求一份工作。你的請求越具體越好（“我希望你能給我的博客文章一點反饋”）。你正試圖建立關系，拓展你的網絡，那需要耐心。3) 參加會議和組織。4) 創(chuàng)辦一個學習小組。

做看起來瘋狂的事情。每個人都用UCI倉庫，或者使用某個股票數(shù)據(jù)集（沒勁）來創(chuàng)建他們的項目。別這么做。學習如何使用一個網頁抓取庫，或者某個被低估的API創(chuàng)建自己的定制數(shù)據(jù)集。數(shù)據(jù)很難獲取，公司常常需要依靠工程師收集數(shù)據(jù)。你的目標是成為那種癡迷數(shù)據(jù)科學的瘋子，如果工作需要，會自己創(chuàng)建該死的數(shù)據(jù)集。

這些策略都是一種在雇主每天面對的噪聲中突出自己的方法。它們都不是銀彈，但它們是在數(shù)據(jù)科學工作市場上得到更多認同，成為更能干的數(shù)據(jù)科學家的萬無一失的方法。

最后，記住，培養(yǎng)自己的技能是對自身的投資。那意味著適用于投資的經濟學原則同樣適用于此：如果你想要突出的結果，那么你需要做突出的事情。

如果你對如何優(yōu)化自己的機器學習或數(shù)據(jù)科學軌跡存有疑問，我很樂意和你聊聊。在Twitter上給我（jeremiecharris）發(fā)DM :)