云服务器市场需求回升

本文的目的并不是要诋毁数据科学领域，我不想阻止任何人在这个领域追求事业。我个人认为，只要投入适当的工作量和工作时间，任何人都可以成为数据科学家。然而，人们需要享受正在从事的工作。如果在不了解自己要从事行业的情况下仓促跳槽，人可能会浪费生命中的数年时间去做不喜欢的事情。

一个有创造力，有艺术天赋的人，那这个人会选择文科还是理科呢?我猜应该会选择艺术专业，因为这才是他更有兴趣的方向。

当面临这个选择的时候，我选择了从事数据科学。然而因为过量关于数据科学的炒作，我几乎不知道这领域真正需要什么。和数据科学课上的所有学生一样，在选择专业之前我几乎没有做过需要的研究。

但我很幸运，对我来说这个决定很棒。我恰巧很喜欢盲选的数据科学。但是人与人之间不尽相同，与我同班的很多学生后悔他们的决定，想要换专业。正如上方提到的，所有的一切都可以归结为一件事，是否对所做的事情充满激情。

在本文中，笔者将详细介绍数据科学领域。笔者将解释数据科学中可以选择的不同职业道路，并且描述不同道路需要做些什么。如果读者觉得这些职业道路具有吸引力，那么无论职业或教育背景如何，都可以去追求数据科学。

数据科学中的各种职业

“数据科学家”是一个涵盖性术语，用于描述各种不同的职业。这些职业可以互换，并且可能根据所在的组织有所不同。本文只是对一些数据科学中的常见职业的简要概述。

1. 数据工程师

不知道你之前有没有听过一句话，“真实世界的数据是混乱的。”这些数据来自于各种不同的渠道——如手机、闭路电视以及其他的设备。这些真实的数据是非结构化的，需要被清理、流水线化，并以一种结构化的格式储存，方便数据科学家和分析人员进行处理。做数据工程师并不需要机器学习或数据分析的知识，他们的工作是创建一个管理大数据的基础设施。

所需技能：数据工程师通常需要编写非常复杂的查询语句对大型数据集进行管理。因此需要非常了解查询所需的语言。根据合作的公司不同，可以使用SQL或NoSQL语言。

所需工具：MySQL，MongoDB，Cassandra等。
 

012年，《哈佛商业评论》将数据科学称为“21世纪最性感的工作”，现在已经过去了近十年，这个领域仍然没有失去它的魅力。互联网上成千上万的视频和文章，为数据科学领域描绘了一幅美丽的图景。这些文章和视频告诉人们，这一行业将提供丰厚的薪水和灵活的工作时间。

他们说：“你所要做的就是学习技能A、B、C，报名参加一个训练营，再参加几个在线课程，就可以在数据科学领域找到工作了。“

由于这样的宣传，许多人对这个领域的真正本质产生了不切实际的期望。在缺乏相应研究的情况下，他们最终做出了一个可能永远改变他们生活的职业决定。
 

传统上，人们认为AI无法进行管理与战略决策——管理者应当能够平衡效率与公平，而这一点很难量化。然而，鉴于机器学习在其他以人为中心的商业领域(例如市场营销)取得了不可否认的成功，研究人员开始探索如何将AI引入管理和营销战略中。

在短期内，一个可行的方法是使用模糊逻辑来拟定一个预期方案与结果的清单，再由一个人工操作员负责作出最后的决定。随着计算能力的增加和数据集的不断完善，最终这些模型可以实现完全自动化。

在推荐系统、数字广告和动态定价算法方面，自动化决策的试点项目已经启动。为数不多的在基于AI的战略营销方面取得进展的公司对其工作高度保密，他们的工作价值显著，甚至对业内先驱来说，其重要性也不容小觑。

到2025年，AI驱动的市场营销有望创造400亿美元的收入，这将推动大笔资金投向跨行业的AI研究。在数字营销领域内外，用于预测性分析、人类-AI交互、自动化和认知的新算法与方法论层出不穷。

基于市场营销的研究有助于理解人类行为，这将推动技术领导者和创新人士研发自动化系统，使其能够像人类一样做出选择。未来有一天，也许这些系统能够超越人类，帮助企业做出优于人工的决策。

（编辑：淮安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!