数学 vs 编程，哪个才是数据科学的敲门砖？

作者：Low Wei Hong;译者：Sambodhi;来源：InfoQ

数据科学其实就是一门数学、计算机、软件相关的复合型的技术，离开编程自然是无法存在的。无论是数据科学家还是数据分析师，都需要跨学科人才，必须知道如何操作代码以便告诉计算机如何分析数据。他们要比软件工程师更擅长统计学，比统计学家更擅长软件工程，需要掌握的知识有数学统计、编程能力、机器学习、研究能力等。

如果我了解机器学习算法的全部数学逻辑，但我却不能很好地进行编程，那我还有机会进入数据科学领域吗?

如果我只是勉强了解哪些机器学习算法背后的数学知识，但我可以很好地进行编程，那我有没有资格成为一名数据科学家?

我希望，在我大学毕业前努力进入数据科学领域之前就能知道这个答案是什么。

先说一下我的背景。我有数学背景，但在大学期间并没有学过多少编程课程。我在大学学过的编程语言包括 R、C++ 和 Matlab。

Matlab 并不是开源语言，主要用于研究行业。R 没有 Python 那样拥有庞大的社区，尤其是在数据科学相关的库中。C++(C 族)仍然是编程的基础。所以如果你正在学习编程的话，我还是建议你学习 C 族的语言。

当我在实习期间，Python 在这个行业使用得最多。因此，我仍然需要自己去学习 Python。此外，我就只选修了一门与数学有关的机器学习课程。

我感到有些不知所措，因为，我不仅要学习数学，同时还要提高我的编程技能。因此，当时我就在想，我应该将更多的精力放在编程上呢，还是放在学习数学上呢?

数学，还是编程?

我将分享我的观点，即在目前的行业中，哪一个实际上更受欢迎。

让我来问你一个问题。如果你是数据科学的技术主管，并且手下已经有很多博士在为你工作，同时，你还想扩大团队。现在你心目中有两个候选人，其中一个更擅长编程，另一个更擅长数学概念。那么，你会选择哪一个候选人呢?

这个问题并没有正确或错误的答案，但跟据我的观察，他们通常会喜欢在编程方面拥有更好技能的那些人。

你可能会想，为什么会是这样呢?

原因很简单，因为大多数数据科学项目的方向，都是由博士提供的，他们应该有更多的知识。因此，能够更快地实现多种方法的人，将是最后一个坚持到底的人。

然后，你可能会问，都说统计是数据科学的基础，而你却告诉我，为了进入数据科学领域，只需学习如何编程就可以了?

时间:2019-11-17 23:05  来源:    转发量:次