[譯] 為什麼說隨波逐流是成為一個數據科學英雄最大的阻礙？
大資料文摘出品
編譯：羅然、蔣寶尚
如果你集齊演算法，業務，計算機知識這三顆龍珠，那麼你就可以召喚一個小一點兒的“神龍”了。
但是想要召喚全能“神龍”，除了技術過硬之外，你還需要過硬的獨立思考能力和洞察力。
我們如何才能才能擁有獨立思考能力呢？ 不隨波逐流！
有著豐富的資料科學經驗的SharpestMinds聯合創始人Jeremie Harris將從一個比特幣買賣的例子為你講述：隨波逐流為什麼是一個數據科學英雄最大的挑戰！
下文是作者第一人稱敘述，enjoy
流行有可能是炒作或者泡沫
我還記得我的兄弟決定出售他的比特幣的那一刻。那是2017年，我們在星巴克。一位阿姨正在接近我們，她向我們贈送了一本小冊子。 在這些冊子的頂部用粗體字寫著：“BITCOIN：提前退休之路”。
我很好奇，所以我詢問她對加密貨幣市場的看法，但事實證明她除了比特幣之外不知道其他加密貨幣。
以太坊?
“從來沒有聽說過。”
萊特幣?
“這是比特幣的廉價版本，對吧？”
現在，有這麼一條經驗法則，如果當普通阿姨向你展示最新的科技潮流，那麼你可能正在陷入最火熱的炒作之中。或者，如果深入思考的話，其中還有“泡沫”。
當然，這不是一個新的發現。每個人都有這樣的共識:在投資方面，如果你正在做其他人正在做的事情，你不可能得到任何回報。
但奇怪的是，人們在投資自己時卻沒有這樣的意識。
假設你想成為一名資料科學家。如果你正在做所有標準的“我想成為一名資料科學家”的事情，那麼這意味著你得不到夢寐以求的工作。
市場目前充滿了初級人才，因此，有抱負的新手不太可能獲得高質量的崗位。所以，如果你想變得更優秀，為什麼要做別人正在做的事情呢？
巧合使你做了同樣的事情
這不是巧合
問題是，大多數人在開始他們的資料科學旅行時都不這麼想。我在SharpestMinds（工作已經和數百名有抱負的資料科學家進行了交談，其中大約80%的人有相同的故事：
1、首先，他們都是按照這條線路學習（Python + sklearn + Pandas + SQL等等）。
2、然後在慕課上找學習資源。
3、讀了一些工作要求的描述，並擔心著自己沒有這個能力。
4、也許換一個慕課繼續聽課，也許開始通過求職網站申請工作。
5、沒有收到求職回饋（最好的情況也只是有屈指可數的面試）
6、感到沮喪，考慮讀碩士，申請更多的工作。
7、得出一個起決定作用的點：重複上述第2條到第7條，直到奇蹟出現？
如果這種情況發生在你身上，那麼你也可能處於一個自我改善的泡沫中：你正在做其他人正在做的事情，但如果期待和別人不一樣。你需要做的第一件事就是停下來。
如果你想要高於平均水平，你就不能做平均水平所做的事情。所以為了避免做平均水平的事情，你需要知道平均水平是什麼。
以下是一些例子：如果你需要慕課來學習所需知識，那很好。但是不要陷入慕課的螺旋中：慕課幾乎是為普通人設計的，所以就算通過大量學習，你也不能成為一個出色的資料科學工作的候選人。同樣地，如果你的GitHub上有4或5款Jupyter筆記本，上面有相同的無聊的sk./Pandas/sea./Keras堆疊，不要再重設計一份。
總的來說，規則是：如果事情的下一步非常明顯，那麼停下吧，因為其他人都在這樣做，那是價效比非常低的事情。相反，你需要找到其他人沒有做過的事情，並儘快做好這些事情。
我就是我，不一樣的煙火
這些異於常人做法的思路是什麼?基於我所瞭解到的，大概有5個:
1.復現論文。 如果你是一個深度學習愛好者，這一步是必須要做的。人們通常不這樣做是因為它比抓取資料集並使用簡單的ANN或XGBoost進行千篇一律的分類更難。在arXiv上找到與你的領域相關的最有趣的論文（理想情況下是一篇相對較新的論文）閱讀它並理解它。然後在新資料集上覆現它，寫一篇關於它的部落格文章。
2.別在舒適區域懶惰下來。 如果你開始一個新專案，最好是學習一些新的框架/庫/工具。 如果你正在構建以df = pd.read_csv（檔名）開頭並以f1 = f1_score（y_true，y_pred）結尾的第6個Jupyter筆記本，那麼就該改變你的策略了。
3.做點無聊的事情。 其他人沒有這樣做，因為沒有人喜歡無聊的事情。但是學習一個合適的Git流程，如何使用Docker，如何使用Flask構建應用程式，以及如何在AWS或Google Cloud上部署模型，這些都是公司迫切希望申請人擁有的技能。
4.做讓人感到厭煩的事。 1、提議在當地資料科學會議上發表論文。或者，至少參加當地的資料科學會議。2、向LinkedIn上的人傳送建議訊息。儘量提供價值（比如“我剛注意到你網站上的拼寫錯誤”）。然後讓你的問題儘可能具體（“我很想在我的部落格文章中得到你的反饋”）。3、參加大型會議並構建社交網路。4、開始一個研究組。
5.做一些看似瘋狂的事情。 每個人都使用UCI儲存庫，或使用一些庫存資料集來構建他們的專案。不要那樣做，瞭解如何使用Web抓取庫或一些不受重視的API來構建自定義資料集。資料很難獲得，公司通常需要依靠他們的工程師為他們提供資料。你應該以作為資料科學痴迷的瘋子為目標。
這些步驟中的每一條都是能夠使面試官眼前一亮。雖然，它們都不是具有驅魔功效的武器的銀色子彈，但它們確實有助於你在資料科學就業市場上獲得更大的吸引力，併成為一個更有能力的資料科學家。
在一天結束時，請記住，當你痛苦的學習技能時，你就是在為自己投資。這意味著所有適用於投資的經濟原則都適用於此：如果你想要一個出色的結果，你必須做出傑出的事情。
相關報道：
https://towardsdatascience.com/the-economics-of-getting-hired-as-a-data-scientist-e3882933b43c?from=singlemessage&isappinstalled=0
【今日機器學習概念】
Have a Great Definition 
志願者介紹
後臺回覆 “ 志願者 ”加入我們 
