无论您是学生、立志成为数据科学家的新人，还是希望转行的职场人士，如果想成为一名经验丰富的数据科学家，都需要遵循一条清晰的路径。这并非总是轻而易举，因为数据科学的版图已相当广泛，由此也衍生出多种类型的数据科学从业者，他们的日常工作与技能组合各不相同。
为便于勾勒一条可行的学习路径，本文将概览数据科学的整体版图，帮助您看清哪些角色契合您的志向。此外，我们也会给出如何进入或成长为版图中不同角色的指引，解答诸如“应当发展哪些技能、熟悉哪些方法”等问题。
让我们从这份数据科学路线图开始吧。
简述：数据科学路线图
本文会深入拆解路线图的各个方面。如果您只需要快速了解大纲概要，请看下面：
- 理解数据科学：掌握数据科学的基础与其广阔的版图。
- 熟悉项目全生命周期：从业务问题出发，开发预测模型并将其部署到生产，理解不同角色（数据分析师、数据科学家、机器学习工程师、数据工程师、数据架构师）的贡献。
- 数据分析与可视化：进行探索性数据分析（EDA），熟练使用数据可视化工具（如 Python 的 matplotlib、R 的 ggplot2、PowerBI、Tableau）。
- 统计与数学基础：学习描述性与推断性统计，理解关键数学概念，尤其是机器学习应用所需的部分。
- 进阶主题：机器学习与人工智能：训练与评估模型，深入深度学习，并理解 AI 的反馈回路。
- 实践与项目：用公共或个人数据集实现并展示项目，参与黑客松，构建作品集展示专业能力。
- 职业导航：明确与您技能匹配的岗位，准备相关面试问题，并持续关注行业趋势与资源。
遵循这份路线图，您可以更高效地在数据科学版图中导航，构建关键技能，并在这一领域追求一份有成就感的职业。
1. 夯实数据科学基础
什么是数据科学？
要理解数据科学路线图的语境，首先要弄清 Data Science 究竟是什么。我们已经有一份完整指南，涵盖了对数据科学的定义与阐释。就本文而言，我们将数据科学视为“利用数据解决问题的一系列活动”。
一个常见的问题是“我有一个问题，但不知道答案”。如果您在销售数据库上运行一条 SQL 查询，想弄清某组织上月赚了多少收入，那么您就是在做数据科学家的工作！
当然，很多问题/解决方案更复杂，因而需要更丰富的技能组合。为方便在这份路线图中讨论广泛的数据科学角色与技能，我们将以数据科学项目生命周期为统摄框架。这样便能映射不同活动与角色，并据此描绘数据科学的版图。
2. 熟悉数据科学项目生命周期
数据科学项目通常始于一个业务问题或需求。该问题会触发启动阶段，在此阶段会定义一组可能的解决方案并评估初步可行性。通过初步数据收集或对现有数据进行探索性分析，以明确哪些可行、哪些不可行。数据是否足够丰富？是否包含足够的特征？
启动与探索
当一切条件就绪，我们开始开发预测模型。模型会利用输入来预测结果。最初可能只是一次性建模，在 k 折交叉验证集上进行训练、测试与验证（这是一种评估模型在未见数据上表现的机器学习技术）。这通常是经典数据科学家的工作。当模型表现足够好，就该将其投产：把模型置入既有基础设施的流水线中，对其性能进行监控，并在必要时重新训练。
上述每个阶段都需要不同的技能。启动阶段需要具备商业敏感度，熟悉数据转换、清洗、描述性统计与基础推断统计。这是数据分析师和/或数据科学家可以完成的工作。
模型开发与投产
在建模阶段，需要构建预测模型。简单模型（如回归）可以由数据分析师完成，但若问题更复杂，就需要数据科学家基于现有算法建模，甚至需要机器学习工程师去改造或创建新算法。
当进入部署与投产阶段时，便来到了机器学习工程师或数据工程师的领域。与前期阶段不同，此时与业务未必保持紧密关联，工作的核心是围绕预测模型构建并监控管道，将可靠输出提供给合适的目标系统。
贯穿整个流程，数据都应以正确的元信息在正确的位置可用，这正是数据架构师的职责。随着新数据被摄取或现有数据被转换为新信息，他们同样要确保数据最终落在合适的位置。
角色协作与跨职能配合
下方图片展示了不同角色在生命周期各阶段的贡献方式。由于每个角色在不同阶段的投入不同，因此对技能的要求也有差异。
生命周期前期的角色更需要商业敏感度、较少工程能力；而后期则更侧重工程与算法优化。举例来说，作为数据科学家，您可以在计算性能不够最优的情况下先证明模型的价值与表现。但一旦负责将模型投产，您就需要优化计算复杂度，确保管道高效（兼顾成本）。
不同数据科学角色在项目各阶段的贡献程度（DAn - 数据分析师，DS - 数据科学家，MLE - 机器学习工程师，DE - 数据工程师，DAr - 数据架构师——作者制图）
需要注意的是，角色之间并非泾渭分明。许多数据科学家已经会在代码中考虑合适的源/目标系统与计算效率。机器学习工程师可能意识到某些特征生成方式能提升模型表现。数据分析师也可能为数据架构师就特征应存放在数据目录的何处提出好建议。换句话说，所有角色都应在一定程度上了解彼此的工作，但无需深入掌握对方的职责。
关键技能与工具
关于所需技能与工具，有一套清晰的底座。无论您在数据科学项目生命周期的哪个环节做出贡献，都需要对数学与统计、协作式软件开发以及数据处理有基本理解。大体而言，任何数据科学路线图的起点都包括：
不同数据科学角色对技能的要求不同：数据分析师对 SQL 的掌握需要比数据工程师更深入；数据科学家对机器学习的理解要胜过数据架构师。因此，路线图在这里就分叉了：取决于您在数据科学版图中的志向，所需学习的技能也会不同。以下章节将介绍可供考虑的不同分支。
3. 深入数据分析与可视化
探索性数据分析（EDA）
无论您在路线图上走了多远——资深老手或刚刚起步——所有数据科学项目都始于理解您的数据。
透彻理解数据对于评估项目可行性至关重要。从“我拥有哪些变量？”、“我有多少条观测？”等基础问题入手，直至“变量之间的关系是什么？”等更复杂的问题。
很多时候，EDA 的结果本身就能回答干系人的问题。如果将结果以连贯方式正确可视化并呈现在如仪表盘等载体上，简单的数据分析也能用来回答复杂问题。当然，这有赖于您的数据可视化能力。
仅凭 EDA 展示出例如网站访客存在不同细分群体，您就以数据科学家的方式创造了价值。
可视化结果有多种方式。可以使用所用语言的可视化库/包（如 R 的 ggplot2、Python 的 matplotlib），也可以使用专门的数据可视化工具（如 PowerBI、Tableau，甚至Excel）。
精通数据可视化
尤其是聚焦数据分析师的任务时，更深入地理解数据可视化会很有帮助。
对多数数据科学角色而言，可视化可以通过散点图、直方图来校验假设。但当分析本身就是交付物（如数据分析师的工作），您会面对如何让分析结果更易于消化吸收的情形。
比如定制品牌化风格、采用新颖图表或信息图，为决策团队提供支持。在这些情况下，能打造几乎堪称艺术品的数据可视化会很有帮助。课程Understanding Data Visualization能切实提升您的可视化能力。
数据科学路线图以地铁图形式可视化，展示各角色共有的基础与各自特定的技能——作者制图
4. 构建统计与数学基础
描述性与推断性统计
统计学是路线图早期必须经过的一站。一些基础统计概念应成为任何类型数据科学家的本能。
无论何时，您都需要能描述您的数据及其子群体。数据集的平均收入是多少？最小值与最大值是多少？标准差或其他离散程度度量如何？若有分类变量，有多少唯一取值？出现频率最高的是哪个？各取值出现的频率是否大致相同，还是分布不均？
用描述性分析回答关于群体/子群体的问题已可提供有价值的洞见，但多数情况下，您需要考察数据集中变量之间的关系，进而进入推断统计。
推断统计的挑战与趣味在于不同类型的分类与数值变量及其关系。例如：
- 相关性：数值变量之间的关系，如“年龄与收入如何相关？”。
- 分类与数值的关系，用以研究“男性与女性的收入有何差异？”（性别为分类自变量，收入为数值因变量），
- 或反过来，“年长者更容易离婚吗？”（年龄为数值自变量，是否离婚为分类因变量）。
- 分类变量之间的关系，“男性是否比女性更常离婚？”
要回答这些问题，您需要了解不同类型的统计检验，从最基础的t 检验，到更复杂的方法，如多元线性回归或时间序列分析。
您可以通过以下课程深化统计学理解：Python、R，或工具无关的课程。这些课程能为您开始机器学习打下扎实基础。通过统计地理解自变量与因变量之间的关系，您也能理解用于构建监督学习模型的算法原理。
您希望在这一领域深入到何种程度，仍取决于您在路线图上的目标。如果目标是数据分析师，掌握统计基础可能已足够。数据架构师或许几乎不需要统计知识。但数据科学家与机器学习工程师一定会遇到需要依赖统计专长的情境。
数据科学所需的数学概念
数据科学围绕数字与计算展开，因此数学占有重要地位。尽管不必取得高等数学学位，但理解代数与微积分将有助于从概念上把握数据科学中常用的多种方法。多数降维方法（如 PCA 与矩阵分解）依赖线性代数，许多优化算法（如梯度下降）依赖微积分。
与统计与数据分析类似，这些知识并非对所有角色都同等重要。如果您以机器学习工程师为目标，就无法回避数学。但对大多数其他角色——即便是数据科学家——也许在不精通代数与微积分的情况下仍能完成工作。
若想学习并理解代数相关概念，可查看我们的课程Linear Algebra for Data Science in R
5. 探索进阶主题：机器学习与 AI
机器学习入门
机器学习是让软件从数据中学习的艺术。它是数据科学家、机器学习工程师，甚至数据工程师的看家本领。基于库存与定价，为公司预测预期销售收入的那一部分解决方案？就是通过机器学习构建的！
作为数据科学家的最低要求，是能够训练并评估模型。在某些情境下，您可能希望更进一步，学习如何改造现有算法，甚至编写新算法，迈入机器学习工程师的领域。
进行机器学习的方式多种多样。您可以完全自行编码（用 Python、R、C# 或 Java，配合相关库），可以使用本地软件包（如 Weka、RapidMiner），也可以采用云端方案（如 Databricks、AWS SageMaker）。虽然这让学习取舍变得困难，但所积累的通用能力其实易于迁移。选择起步工具包的好办法是：从您已熟悉的语言出发，或考察您感兴趣行业中人们常用的工具。
您可以从我们的Machine Learning Scientist with Python职业路径开始，涵盖开启职业所需的诸多基础。
深入深度学习与 AI
关于机器学习、深度学习与 AI 的关系，历来众说纷纭。
我过去教授机器学习时，第一次课总会就“机器学习是 AI 的一种形式”这一命题展开热烈讨论。尽管二者有时被混用，我坚定认为机器学习是 AI 的使能技术，但并不意味着用上机器学习就等于创造了 AI。
要让一个数据应用成为 AI，关键在于存在一个反馈回路，使应用或模型能从自身输出中学习。此时，一次性的监督学习算法未必算作 AI。而如果将模型输出回馈给模型（如强化学习），您就拥有了一个能根据正确与错误预测自动持续学习的系统。
深度学习本质上就是“神经网络的增强版”。其有趣之处在于，它能生成十分直观的输出：文本、图像与语音。如果您的数据科学项目需要模型输出可被终端用户感知或体验的内容，那么理解深度学习会是巨大优势。一个很好的入门课程是Introduction to Deep Learning in Python。
6. 实战应用与真实项目
实施数据科学项目
没有哪个数据科学工作是在真空中进行的。沿途前进时，务必保留并展示您产出的成果。成为数据科学家的部分能力，就是能展示您会做什么。
对我而言，数据科学最令人兴奋的是：门槛并不高。只需一个公共数据集，再加上一点创意，提出一个有趣的问题，然后用数据去回答。或者，直接上DataLab或 Kaggle，开始完成任务/参加竞赛，并从他人的提交中获取灵感。
当然，您也可以收集并使用自己的数据。我分析过从 Strava 下载的骑行数据，也抓取过房地产数据来辅助自己寻找房源。
最重要的是记录过程。尽量让您的工作可复现，解释您的步骤，分享代码，并分享分析或系统的输出。谁知道呢，您的练习项目也许正好能解决某人的现实难题。
示例项目
在我看来，最有意思的项目往往源自您的热爱与兴趣。如果您使用一个自己非常熟悉来源的数据集，就更可能提出独特且有趣的问题。您了解这个领域，也了解这些数据……但如果真的从零开始，也有很多方向可试，比如交友应用、量化交易、体育等等。
您还可以在 DataCamp 上找到种类繁多的数据科学项目，帮助您熟悉相关工作。从一些数据分析项目起步，或进行特定的Python 项目，逐步升级到机器学习甚至AI 项目。选择很多，助您顺利起步。
如果尽管资源丰富您仍不知从何下手，另一个不错的选择是参加黑客松。许多科研机构与大型公司都会定期举办黑客松。
这类黑客松旨在邀请数据科学团队为现实问题出谋划策，因而是与其他专业人士协作与学习的好机会。您可以借此拓展人脉、获得潜在雇主关注，并积累宝贵经验。
打造作品集
如今，很难想象一位数据科学家没有 GitHub、DataCamp 作品集，或在 Medium/个人博客上发布代码。作品集在数据科学领域至关重要，就像在其他创意行业一样。
能展示过去的项目，是说服他人您具备能力的有效方式。因此，值得尽早在作品集中记录您的工作。或者，您也可以把工作与观点写成博客，甚至发表为学术论文。可以参考我们的文章用作品集展示您的数据专长获取灵感。
无论选择何种方式，都请务必保留一份项目概览，便于对外展示。
7. 职业版图导航
数据科学的职业机会
本文一直在强调数据科学家可用的多样技能、知识与工具。那么，决定职业方向时该从何入手？
在我看来，这取决于您的志向。迄今为止的内容应已清楚表达：我并不认为存在一条放之四海而皆准的数据科学路线。
当然，所有数据科学角色都基于统计、数据处理、机器学习与软件工程这些基础。但除此之外，就要看具体情况了。
数据科学家使用算法，而机器学习工程师改造或创建算法。因此，数据科学家需要熟知大量算法及其适用场景；而机器学习工程师则必须理解算法背后的数学原理。
同样地，如果您热衷于分享分析结果，如数据科学家或数据分析师，深入掌握数据可视化与 EDA 往往比精通建模更有裨益。
因此，数据科学路线图存在不少分叉，您可以自行决定在各个分支上深入到何种程度。
准备数据科学面试
尽管各角色有所不同，但任何面试都会考察硬技能与软技能。不同岗位的考察内容会有所差异。
如果您并非应聘机器学习或数据工程等岗位，多半不会被问到诸如“如何优化算法 A 或 B？”之类的问题。因此，聚焦您应当且愿意提升的技能尤为重要。若被问到您完全不熟悉的主题，可能意味着该岗位并不适合您。
在这个相对较新的领域，尤其是在数据能力尚新的公司中，人们对数据科学家的定位与工作内容存在不少误解。
我也曾申请数据科学家职位，面试官却将数据科学家与机器学习工程师混用。因此，如果您遇到答不上来的问题，也可能是招聘经理混淆了角色。比如，很少会要求数据工程师回答他们将如何在项目中进行干系人管理。
好在有多种资源可帮助您根据应聘岗位来准备面试：
8. 持续教育与终身学习
紧跟趋势
数据科学领域瞬息万变，紧跟最新趋势至关重要。随着 ChatGPT 的出现，生成式 AI 走入主流，如今很难想象一位数据科学家对token 嵌入与/或注意力模型一无所知。同样，MLOps 的引入也让人难以再想象数据工程师会手动检查模型表现与漂移。
伴随这种快速发展，AI 的不同方面变得重要。目前，业界对 AI 的伦理与法律问题投入了大量关注，学术界与政治领域的多次讨论已催生新的规则与监管。
无论政府对 AI 作何决策，没有人愿意为下一起数据科学丑闻负责。避免这种情况的唯一方式是时刻关注伦理与法律边界。更进一步，作为数据科学专业人士，您可以凭借背景参与这些议题，形成并发声表达自己的观点。
保持更新有很多路径。当然可以使用 DataCamp 这一平台，也可以去寻找并关注您所在领域里富有启发性的从业者。看看他们是否有博客、X 或 Medium 账号，或其他渠道，让您一窥他们如何看待这个不断变化的版图。
进阶学习资源
正如本文所强调的，想要入门或在数据科学领域继续成长，都有大量资源可用。或者，如果您想更贴近前沿，可以关注 NeurIPS、ICML、KDD 等技术会议。请在我们的清单中查看更多：2026 年顶级数据科学会议。
结语与下一步
尽管数据科学路线图上的站点很多，但并不存在唯一正确的道路。要在数据科学版图中顺利导航，您需要：1）对版图的整体认知（希望本文已提供），以及 2）对自身优势、短板与兴趣的认知，从而确定要追求的方向。
有了这些，您就可以参考本文确定正确方向，并在训练中把重心放在相应技能上。幸好，有不少资源可以帮助您起步，例如 DataCamp 的职业路径，它们将为您配备探索不同职业所需的技能：
无论您是学生、立志成为数据科学家的新人，还是希望转行的职场人士，如果想成为一名经验丰富的数据科学家，都需要遵循一条清晰的路径。这并非总是轻而易举，因为数据科学的版图已相当广泛，由此也衍生出多种类型的数据科学从业者，他们的日常工作与技能组合各不相同。
为便于勾勒一条可行的学习路径，本文将概览数据科学的整体版图，帮助您看清哪些角色契合您的志向。此外，我们也会给出如何进入或成长为版图中不同角色的指引，解答诸如“应当发展哪些技能、熟悉哪些方法”等问题。
让我们从这份数据科学路线图开始吧。
简述：数据科学路线图
本文会深入拆解路线图的各个方面。如果您只需要快速了解大纲概要，请看下面：
遵循这份路线图，您可以更高效地在数据科学版图中导航，构建关键技能，并在这一领域追求一份有成就感的职业。
1. 夯实数据科学基础
什么是数据科学？
要理解数据科学路线图的语境，首先要弄清 Data Science 究竟是什么。我们已经有一份完整指南，涵盖了对数据科学的定义与阐释。就本文而言，我们将数据科学视为“利用数据解决问题的一系列活动”。
一个常见的问题是“我有一个问题，但不知道答案”。如果您在销售数据库上运行一条 SQL 查询，想弄清某组织上月赚了多少收入，那么您就是在做数据科学家的工作！
当然，很多问题/解决方案更复杂，因而需要更丰富的技能组合。为方便在这份路线图中讨论广泛的数据科学角色与技能，我们将以数据科学项目生命周期为统摄框架。这样便能映射不同活动与角色，并据此描绘数据科学的版图。
2. 熟悉数据科学项目生命周期
数据科学项目通常始于一个业务问题或需求。该问题会触发启动阶段，在此阶段会定义一组可能的解决方案并评估初步可行性。通过初步数据收集或对现有数据进行探索性分析，以明确哪些可行、哪些不可行。数据是否足够丰富？是否包含足够的特征？
启动与探索
当一切条件就绪，我们开始开发预测模型。模型会利用输入来预测结果。最初可能只是一次性建模，在 k 折交叉验证集上进行训练、测试与验证（这是一种评估模型在未见数据上表现的机器学习技术）。这通常是经典数据科学家的工作。当模型表现足够好，就该将其投产：把模型置入既有基础设施的流水线中，对其性能进行监控，并在必要时重新训练。
上述每个阶段都需要不同的技能。启动阶段需要具备商业敏感度，熟悉数据转换、清洗、描述性统计与基础推断统计。这是数据分析师和/或数据科学家可以完成的工作。
模型开发与投产
在建模阶段，需要构建预测模型。简单模型（如回归）可以由数据分析师完成，但若问题更复杂，就需要数据科学家基于现有算法建模，甚至需要机器学习工程师去改造或创建新算法。
当进入部署与投产阶段时，便来到了机器学习工程师或数据工程师的领域。与前期阶段不同，此时与业务未必保持紧密关联，工作的核心是围绕预测模型构建并监控管道，将可靠输出提供给合适的目标系统。
贯穿整个流程，数据都应以正确的元信息在正确的位置可用，这正是数据架构师的职责。随着新数据被摄取或现有数据被转换为新信息，他们同样要确保数据最终落在合适的位置。
角色协作与跨职能配合
下方图片展示了不同角色在生命周期各阶段的贡献方式。由于每个角色在不同阶段的投入不同，因此对技能的要求也有差异。
生命周期前期的角色更需要商业敏感度、较少工程能力；而后期则更侧重工程与算法优化。举例来说，作为数据科学家，您可以在计算性能不够最优的情况下先证明模型的价值与表现。但一旦负责将模型投产，您就需要优化计算复杂度，确保管道高效（兼顾成本）。
不同数据科学角色在项目各阶段的贡献程度（DAn - 数据分析师，DS - 数据科学家，MLE - 机器学习工程师，DE - 数据工程师，DAr - 数据架构师——作者制图）
需要注意的是，角色之间并非泾渭分明。许多数据科学家已经会在代码中考虑合适的源/目标系统与计算效率。机器学习工程师可能意识到某些特征生成方式能提升模型表现。数据分析师也可能为数据架构师就特征应存放在数据目录的何处提出好建议。换句话说，所有角色都应在一定程度上了解彼此的工作，但无需深入掌握对方的职责。
关键技能与工具
关于所需技能与工具，有一套清晰的底座。无论您在数据科学项目生命周期的哪个环节做出贡献，都需要对数学与统计、协作式软件开发以及数据处理有基本理解。大体而言，任何数据科学路线图的起点都包括：
不同数据科学角色对技能的要求不同：数据分析师对 SQL 的掌握需要比数据工程师更深入；数据科学家对机器学习的理解要胜过数据架构师。因此，路线图在这里就分叉了：取决于您在数据科学版图中的志向，所需学习的技能也会不同。以下章节将介绍可供考虑的不同分支。
3. 深入数据分析与可视化
探索性数据分析（EDA）
无论您在路线图上走了多远——资深老手或刚刚起步——所有数据科学项目都始于理解您的数据。
透彻理解数据对于评估项目可行性至关重要。从“我拥有哪些变量？”、“我有多少条观测？”等基础问题入手，直至“变量之间的关系是什么？”等更复杂的问题。
很多时候，EDA 的结果本身就能回答干系人的问题。如果将结果以连贯方式正确可视化并呈现在如仪表盘等载体上，简单的数据分析也能用来回答复杂问题。当然，这有赖于您的数据可视化能力。
仅凭 EDA 展示出例如网站访客存在不同细分群体，您就以数据科学家的方式创造了价值。
可视化结果有多种方式。可以使用所用语言的可视化库/包（如 R 的 ggplot2、Python 的 matplotlib），也可以使用专门的数据可视化工具（如 PowerBI、Tableau，甚至Excel）。
精通数据可视化
尤其是聚焦数据分析师的任务时，更深入地理解数据可视化会很有帮助。
对多数数据科学角色而言，可视化可以通过散点图、直方图来校验假设。但当分析本身就是交付物（如数据分析师的工作），您会面对如何让分析结果更易于消化吸收的情形。
比如定制品牌化风格、采用新颖图表或信息图，为决策团队提供支持。在这些情况下，能打造几乎堪称艺术品的数据可视化会很有帮助。课程Understanding Data Visualization能切实提升您的可视化能力。
数据科学路线图以地铁图形式可视化，展示各角色共有的基础与各自特定的技能——作者制图
4. 构建统计与数学基础
描述性与推断性统计
统计学是路线图早期必须经过的一站。一些基础统计概念应成为任何类型数据科学家的本能。
无论何时，您都需要能描述您的数据及其子群体。数据集的平均收入是多少？最小值与最大值是多少？标准差或其他离散程度度量如何？若有分类变量，有多少唯一取值？出现频率最高的是哪个？各取值出现的频率是否大致相同，还是分布不均？
用描述性分析回答关于群体/子群体的问题已可提供有价值的洞见，但多数情况下，您需要考察数据集中变量之间的关系，进而进入推断统计。
推断统计的挑战与趣味在于不同类型的分类与数值变量及其关系。例如：
要回答这些问题，您需要了解不同类型的统计检验，从最基础的t 检验，到更复杂的方法，如多元线性回归或时间序列分析。
您可以通过以下课程深化统计学理解：Python、R，或工具无关的课程。这些课程能为您开始机器学习打下扎实基础。通过统计地理解自变量与因变量之间的关系，您也能理解用于构建监督学习模型的算法原理。
您希望在这一领域深入到何种程度，仍取决于您在路线图上的目标。如果目标是数据分析师，掌握统计基础可能已足够。数据架构师或许几乎不需要统计知识。但数据科学家与机器学习工程师一定会遇到需要依赖统计专长的情境。
数据科学所需的数学概念
数据科学围绕数字与计算展开，因此数学占有重要地位。尽管不必取得高等数学学位，但理解代数与微积分将有助于从概念上把握数据科学中常用的多种方法。多数降维方法（如 PCA 与矩阵分解）依赖线性代数，许多优化算法（如梯度下降）依赖微积分。
与统计与数据分析类似，这些知识并非对所有角色都同等重要。如果您以机器学习工程师为目标，就无法回避数学。但对大多数其他角色——即便是数据科学家——也许在不精通代数与微积分的情况下仍能完成工作。
若想学习并理解代数相关概念，可查看我们的课程Linear Algebra for Data Science in R
5. 探索进阶主题：机器学习与 AI
机器学习入门
机器学习是让软件从数据中学习的艺术。它是数据科学家、机器学习工程师，甚至数据工程师的看家本领。基于库存与定价，为公司预测预期销售收入的那一部分解决方案？就是通过机器学习构建的！
作为数据科学家的最低要求，是能够训练并评估模型。在某些情境下，您可能希望更进一步，学习如何改造现有算法，甚至编写新算法，迈入机器学习工程师的领域。
进行机器学习的方式多种多样。您可以完全自行编码（用 Python、R、C# 或 Java，配合相关库），可以使用本地软件包（如 Weka、RapidMiner），也可以采用云端方案（如 Databricks、AWS SageMaker）。虽然这让学习取舍变得困难，但所积累的通用能力其实易于迁移。选择起步工具包的好办法是：从您已熟悉的语言出发，或考察您感兴趣行业中人们常用的工具。
您可以从我们的Machine Learning Scientist with Python职业路径开始，涵盖开启职业所需的诸多基础。
深入深度学习与 AI
关于机器学习、深度学习与 AI 的关系，历来众说纷纭。
我过去教授机器学习时，第一次课总会就“机器学习是 AI 的一种形式”这一命题展开热烈讨论。尽管二者有时被混用，我坚定认为机器学习是 AI 的使能技术，但并不意味着用上机器学习就等于创造了 AI。
要让一个数据应用成为 AI，关键在于存在一个反馈回路，使应用或模型能从自身输出中学习。此时，一次性的监督学习算法未必算作 AI。而如果将模型输出回馈给模型（如强化学习），您就拥有了一个能根据正确与错误预测自动持续学习的系统。
深度学习本质上就是“神经网络的增强版”。其有趣之处在于，它能生成十分直观的输出：文本、图像与语音。如果您的数据科学项目需要模型输出可被终端用户感知或体验的内容，那么理解深度学习会是巨大优势。一个很好的入门课程是Introduction to Deep Learning in Python。
6. 实战应用与真实项目
实施数据科学项目
没有哪个数据科学工作是在真空中进行的。沿途前进时，务必保留并展示您产出的成果。成为数据科学家的部分能力，就是能展示您会做什么。
对我而言，数据科学最令人兴奋的是：门槛并不高。只需一个公共数据集，再加上一点创意，提出一个有趣的问题，然后用数据去回答。或者，直接上DataLab或 Kaggle，开始完成任务/参加竞赛，并从他人的提交中获取灵感。
当然，您也可以收集并使用自己的数据。我分析过从 Strava 下载的骑行数据，也抓取过房地产数据来辅助自己寻找房源。
最重要的是记录过程。尽量让您的工作可复现，解释您的步骤，分享代码，并分享分析或系统的输出。谁知道呢，您的练习项目也许正好能解决某人的现实难题。
示例项目
在我看来，最有意思的项目往往源自您的热爱与兴趣。如果您使用一个自己非常熟悉来源的数据集，就更可能提出独特且有趣的问题。您了解这个领域，也了解这些数据……但如果真的从零开始，也有很多方向可试，比如交友应用、量化交易、体育等等。
您还可以在 DataCamp 上找到种类繁多的数据科学项目，帮助您熟悉相关工作。从一些数据分析项目起步，或进行特定的Python 项目，逐步升级到机器学习甚至AI 项目。选择很多，助您顺利起步。
如果尽管资源丰富您仍不知从何下手，另一个不错的选择是参加黑客松。许多科研机构与大型公司都会定期举办黑客松。
这类黑客松旨在邀请数据科学团队为现实问题出谋划策，因而是与其他专业人士协作与学习的好机会。您可以借此拓展人脉、获得潜在雇主关注，并积累宝贵经验。
打造作品集
如今，很难想象一位数据科学家没有 GitHub、DataCamp 作品集，或在 Medium/个人博客上发布代码。作品集在数据科学领域至关重要，就像在其他创意行业一样。
能展示过去的项目，是说服他人您具备能力的有效方式。因此，值得尽早在作品集中记录您的工作。或者，您也可以把工作与观点写成博客，甚至发表为学术论文。可以参考我们的文章用作品集展示您的数据专长获取灵感。
无论选择何种方式，都请务必保留一份项目概览，便于对外展示。
7. 职业版图导航
数据科学的职业机会
本文一直在强调数据科学家可用的多样技能、知识与工具。那么，决定职业方向时该从何入手？
在我看来，这取决于您的志向。迄今为止的内容应已清楚表达：我并不认为存在一条放之四海而皆准的数据科学路线。
当然，所有数据科学角色都基于统计、数据处理、机器学习与软件工程这些基础。但除此之外，就要看具体情况了。
数据科学家使用算法，而机器学习工程师改造或创建算法。因此，数据科学家需要熟知大量算法及其适用场景；而机器学习工程师则必须理解算法背后的数学原理。
同样地，如果您热衷于分享分析结果，如数据科学家或数据分析师，深入掌握数据可视化与 EDA 往往比精通建模更有裨益。
因此，数据科学路线图存在不少分叉，您可以自行决定在各个分支上深入到何种程度。
准备数据科学面试
尽管各角色有所不同，但任何面试都会考察硬技能与软技能。不同岗位的考察内容会有所差异。
如果您并非应聘机器学习或数据工程等岗位，多半不会被问到诸如“如何优化算法 A 或 B？”之类的问题。因此，聚焦您应当且愿意提升的技能尤为重要。若被问到您完全不熟悉的主题，可能意味着该岗位并不适合您。
在这个相对较新的领域，尤其是在数据能力尚新的公司中，人们对数据科学家的定位与工作内容存在不少误解。
我也曾申请数据科学家职位，面试官却将数据科学家与机器学习工程师混用。因此，如果您遇到答不上来的问题，也可能是招聘经理混淆了角色。比如，很少会要求数据工程师回答他们将如何在项目中进行干系人管理。
好在有多种资源可帮助您根据应聘岗位来准备面试：
8. 持续教育与终身学习
紧跟趋势
数据科学领域瞬息万变，紧跟最新趋势至关重要。随着 ChatGPT 的出现，生成式 AI 走入主流，如今很难想象一位数据科学家对token 嵌入与/或注意力模型一无所知。同样，MLOps 的引入也让人难以再想象数据工程师会手动检查模型表现与漂移。
伴随这种快速发展，AI 的不同方面变得重要。目前，业界对 AI 的伦理与法律问题投入了大量关注，学术界与政治领域的多次讨论已催生新的规则与监管。
无论政府对 AI 作何决策，没有人愿意为下一起数据科学丑闻负责。避免这种情况的唯一方式是时刻关注伦理与法律边界。更进一步，作为数据科学专业人士，您可以凭借背景参与这些议题，形成并发声表达自己的观点。
保持更新有很多路径。当然可以使用 DataCamp 这一平台，也可以去寻找并关注您所在领域里富有启发性的从业者。看看他们是否有博客、X 或 Medium 账号，或其他渠道，让您一窥他们如何看待这个不断变化的版图。
进阶学习资源
正如本文所强调的，想要入门或在数据科学领域继续成长，都有大量资源可用。或者，如果您想更贴近前沿，可以关注 NeurIPS、ICML、KDD 等技术会议。请在我们的清单中查看更多：2026 年顶级数据科学会议。
结语与下一步
尽管数据科学路线图上的站点很多，但并不存在唯一正确的道路。要在数据科学版图中顺利导航，您需要：1）对版图的整体认知（希望本文已提供），以及 2）对自身优势、短板与兴趣的认知，从而确定要追求的方向。
有了这些，您就可以参考本文确定正确方向，并在训练中把重心放在相应技能上。幸好，有不少资源可以帮助您起步，例如 DataCamp 的职业路径，它们将为您配备探索不同职业所需的技能：