数据科学家和数据分析师这两个岗位有什么相同和不同呢？它们有很多工作职责是相同的，但在日常工作中也有相当大的差异。当然，一家公司的数据科学家，可能实际主要从事数据分析师的工作，反过来的情况也有，虽然这都不太常见，但仍然存在。举个例子，一家非常受欢迎的科技公司的数据科学家，在岗位描述中的技能却并没有涵盖机器学习算法。那么接下来，让我们举一些例子来说明成为数据科学家和数据分析师的培养路径之间的相同和不同之处吧。
数据科学家工作对于教育背景和经验的需求总是在变化的，对于数据科学家这个角色来说，可以说是变化最大的。想要成为一名数据科学家，可以走一条传统的路线，但是同时也可以有新的、更快的路线。
- 传统路径
- 现代路径
简而言之，成为数据科学家有4种路径：
- 数据科学（或软件工程）的传统本科学位
- 传统的数据科学研究生学位
- 数据科学在线训练营
- 短期的训练营/课程/数据科学认证
数据分析师数据分析师的岗位已经存在了一段时间，并且逐渐成为一个非常热门的岗位，但是成为数据分析师并没有太多传统路线。不过，我们仍然可以把几条路线分为更传统的路线，以及一些相比之下更为现代的路径。
-
传统路径
B → 相较而言更新的但仍然是传统的途径是数据分析的研究生学位。现在有一种趋势是，数据科学和数据分析的学位一般从研究生院开始，然后再逐渐普及到本科学位。这可能会让你思考，四年制本科是否真的有必要，因为其实1-2年的研究生就足以让你获得工作了。
- 现代路径
总结下来，数据分析的培养路径主要分为以下几条：
- 经济学、统计学等传统本科学位
- 传统的数据分析研究生学位
- 数据科学在线训练营
- 数据分析的短期训练营/课程/认证
相似之处
- 两者都需要学习业务方面的知识，例如 KPI（关键绩效指标）
- 两者都需要学习数据可视化
-
两者都需要学习有效的沟通技巧（向非技术人员传递技术概念）
- 数据科学家通常会学习Python，而数据分析师有时会学习 R语言
- 数据分析师会特别关注SQL的学习和训练
- 数据分析师需要特别学习 Tableau/Looker 或类似的数据可视化工具
- 数据科学家一般专注于机器学习算法
- 数据科学家会特别专注于机器学习的应用
再一次强调，对于这两个职业中的任何一个，都没有一条完美的路线可以满足每个人的期望和要求。话虽如此，这最终都取决于你想在各个领域中学到什么，这也决定了你选择的就业类型。因此，你学习的一项特定技能很有可能让你走上一条更为专业的道路。
总结
无论是4年制学位还是几个月的在线课程，你都可以选择多种不同的途径来从事数据科学家和数据分析师这两种职业。有些人喜欢采用更快的学习方式，而另一些人则喜欢在更长的时间内专注于学习更多内容。你想追求哪条道路都取决于你——但首先，重要的是你要清晰地知道你的选择到底是什么。
以上就是“想转型做数据就一定要再读一个master项目吗？”的详细内容，想要了解更多IT圈内资讯欢迎持续关注编程学习网。
扫码二维码 获取免费视频学习资料
- 本文固定链接: http://www.phpxs.com/post/10994/
- 转载请注明：转载必须在正文中标注并保留原文链接
- 扫码： 扫上方二维码获取免费视频资料
查 看2022高级编程视频教程免费获取