成为数据科学家需要哪些技能？
我在做数据科学：从前线直接谈话一书中读到了一个有趣的数据驱动方法来回答这个问题。
在这篇文章中，我总结了这种自我评估方法，您可以用它来评估您作为数据科学家的优势，以及您可能适合于一个令人惊叹的数据科学团队。
如果您愿意，可以使用应用机器学习从业者作为数据科学家的同义词。
回顾数据科学家的工作，数据科学的作者看到雇主正在寻找独角兽。
招聘广告寻找在计算机科学，统计学，通信，数据可视化和领域专业知识方面不具备优势的员工。
鉴于“数据科学家”一词的定义不明确，雇主甚至不知道他们需要什么，甚至他们需要解决什么问题，这也就不足为奇了。
聪明地，作者列出了招聘广告中数据科学家所需的常用技能。
他们使用此列表并建议您按照相对比例（0-100）对每种技能进行排名。
最后，他们建议您将结果显示为条形图或直方图。
一个人不具备所有技能，但设计精良的数据科学团队将会。
本次自我评估的技巧如下：
- 计算机科学
- 数学
- 统计
- 机器学习
- 领域专长
- 沟通和演讲技巧
- 数据可视化
本书第 11 页对 Rachel 完成评估的一个例子如下：
数据科学概况 摘自“数据科学”第 11 页
我认为这是一个有用的工具，可以帮助您专注于自己的优势，并承认您的弱点，团队成员可以帮助您覆盖。
良好的数据科学成果需要一个团队。
个人可能具有专业性，并且在其他领域通常较弱。当具有不同优势的个人聚集到一个团队中，您就能够完成伟大的数据科学。
作者如下图所示（摘自本书第 12 页）
数据科学团队简介 摘自“做数据科学”第 12 页
你从上面列出的 7 个人的力量是什么？
您是否能够在每种技能的 1-100 之间给自己一个主观评分？
请参阅下面的我自我评估的尝试。
杰森的主观技能评估
这个很难（硬。我相信我的优势可能在于计算机科学，机器学习和交流。上图表明我的可视化技能并不令人敬畏。
我认为夸大你的技能很容易。好有多好，你如何将一项技能与另一项技能进行比较？如果你的微积分是垃圾，那么擅长计算机科学中的离散数学对你的数学成绩没有帮助。数据是正确的吗？等等。不过，你必须从某个地方开始。
这里的关键学习是识别和减少你的优势。你无法掌握所有技能。把你最强大的技能带到桌面上。
在下面发布您的结果，我认为这将是一个迷人的方式将人们聚集在一起进行小型项目或讨价还价的比赛。
从上面缺少技能吗？