Nick Bostrom说，机器学习是人类最后的发明。作为刚踏入这个“未来科技”行业的新手，面对层出不穷的工具、语言和技术，迷茫是常态。这篇文章用8个实用贴士，帮你在这个充满机会的领域里找到自己的路。
- 先选赛道，再谈努力
数据科学领域角色众多：数据科学家、机器学习专家、数据工程师……各有侧重。如果不清楚区别，找业内人士聊聊，问清楚每个职位做什么。明确自己擅长什么、想要什么，再选择对应的角色——方向对了，努力才有意义。 - 选一门课，把它学透
课程遍地都是，缺的不是资源，是坚持。选一门优质课程（比如edX的Analytics Edge或Andrew Ng的机器学习课），从头到尾跟完作业和讨论。半途而废比不开始更浪费生命。 - 认准一个工具，先用熟
纠结R还是Python？SQL还是Spark？答案是：从你最熟悉的或者最简单的开始。如果不会编码，先用GUI工具掌握核心概念，再慢慢过渡到编程。贪多嚼不烂，先深后广。 - 加入兴趣组，别一个人战斗
兴趣组给你动力、信息和同行。Analytics Vidhya、StackExchange、Reddit上都有活跃的数据科学社区——进去提问、回答、看别人的解法，成长速度翻倍。 - 动手实践，别只看理论
课程作业做完就完事了？远远不够。去找开放数据集练手，去看业内人士的真实解决方案。理论是骨架，实践才是血肉。 - 养成每日阅读的习惯
数据科学迭代极快。订阅KDnuggets、WildML等资讯，追踪知名数据科学家的博客，每天花20分钟看一篇——半年后你会感谢自己。 - 练好沟通，别只会写代码
技术好不等于面试能过，更不等于工作能推。学会用非技术人员听得懂的话讲清楚你的分析结论，这往往是晋升的分水岭。提前准备面试问答，和朋友多演练。 - 关系网要有，但别贪早
起步阶段专注学习，别急着到处social。等你有了一定积累，再去参加行业会议、黑客马拉松。好的关系网能给你内部消息、指导和内推机会——但这些的前提是，你自己先有两把刷子。
