标签：数据集 预处理 信息 工作 完整 science 年度 教育 没有
数据科学领域在过去20年经历了巨大的变革。其发展是惊人的，每个人都深受影响。前几年，每个计算机科学专业的学生都渴望得到数据科学领域的职位，甚至许多其他教育背景的人也被数据科学所深深吸引着。
数据科学的应用程序覆盖了所有行业，与此同时也无疑增加了对数据科学家的需求。
但是如今趋势正在变化。对数据科学家的需求大不如前。即使有此需求，那些人要么缺乏技能，要么缺乏经验。为何数据科学失去了自己的魅力呢？
大学毕业后，很多人都想找数据科学家的职位，但在多数情况下，这些职位都要求至少2-3年的经验。人们无法直接开始数据科学家的工作，不得不开始着手其他领域的工作。
公司不想将时间投入到新人身上，而是想直接收割在该领域已具备出色技能和经验的人才。只有一种方式可以帮助我们，那就是实习，一边学习一边积累经验，进而满足公司的需求。
图源：unsplash
人们直接开始研究算法，调整数据的方法，却没有考虑算法背后的数学。凭借普通的编程知识和机器学习算法的知识，他们认为自己准备好面对实际问题了。
统计学这项艰难的工作常常被忽略，仅仅是因为他们没有发现其中的乐趣。数据科学是不断发展不会停滞的一个领域，在过去的2-3年中，自然语言处理取得了巨大的发展，我们必须用最先进的模型对它们进行更新。
由于没有处理过真实的数据，一些人还认为数据科学很简单。这些年他们一直在学习、处理结构化数据或一些可供人们学习的预处理数据。然而现实世界中几乎99%的数据是未结构化的。数据科学家需要花费大量时间对数据进行预处理，以便从数据中提取有意义的信息。
图源：unsplash
科技巨头谷歌和微软的AutoML一经推出，就震惊了许多满腹抱负的数据科学家。公司的兴趣和好奇心促使了AutoML的诞生，而数据科学家却在害怕丢掉工作。
AutoML正在自动化将机器学习应用于数据集的过程。AutoML可以预处理和转换数据。它涵盖了从处理原始数据到部署机器学习算法的完整流程
AutoML擅长构建模型，但是在预处理方面，它们比不上人类。数据科学家的主要工作在于对数据进行预处理，很显然到目前为止，AutoML不能替代人类数据科学家。
然而AutoML能够为公司减少成本这一事实不容忽略。在美国，数据科学家的平均年薪约为12万美元，而谷歌和微软AutoML的年度成本约为4000美元至40000美元。
不过，数据科学家在预处理数据方面的作用不可否认，因为真实的数据是高度非结构化的，并且需要大量的预处理。
很多人挤破头都想进入数据科学领域，但却不了解该领域不同工作间的区别。他们都想要数据科学家的头衔，却不知道它的实际工作内容。他们错误地将数据分析师，业务分析师和数据科学家视为相似的职位。
如果不知道自己想从事的工作内容和角色，你就无法胜任工作，最后一无所获。
需要学习的东西太多了，而且没人愿意做艰苦的工作。想从基础知识开始并在该领域表现出色，会花费大量时间，需要极强耐心。
图源：unsplash
数据科学领域的路还远未看到尽头，但是该领域仍然缺乏具有实际技能的人员，这使得数据科学中最具前途的头衔将被其他事物替代，人们也离它渐行渐远。
编译组：王小燕、孙康宁
相关链接：
https://towardsdatascience.com/why-is-data-science-losing-its-charm-3f7780b443f5
如转载，请后台留言，遵守转载规范ACL2018论文集50篇解读
EMNLP2017论文集28篇论文解读
2018年AI三大顶会中国学术成果全链接
ACL2017论文集：34篇解读干货全在这里
10篇AAAI2017经典论文回顾
标签：数据集 预处理 信息 工作 完整 science 年度 教育 没有
原文地址：https://blog.51cto.com/15057819/2565192
