資料科學家要有哪些技能？精選 11 門資料科學自學資源、求職管道
Source: https://www.cakeresume.com/resources/data-scientist-learning-resources-and-job-searching
資料科學是近年來最夯的工作之一，尤其金融、科技產業更積極找尋資料科學、數據分析的相關人才，《哈佛商業評論》更稱資料科學家是「21 世紀最性感的工作」，年薪還至少上看百萬！
如果想踏進資料科學的領域，要具備哪些技能，該從哪些自學資源下手？想成為資料科學家又該去哪裡找工作呢？接下來就分別以資料科學的「自學資源：線上課程」、「自學資源：推薦書單」和「求職管道」三大重點介紹，讓你把資料科學的技能樹點好點滿！
資料科學自學資源 1：線上課程
1. Introduction to Data Science
講師：Data Hawk Tech 資料科學諮詢公司
平台：Udemy
費用：約台幣 370 元（根據平台優惠活動價格可能不一）
課程時長：3 小時
如同課程標題敘述的，這是一堂資料科學的「入門」課程，所以會全面、概要性地講述，也簡單涵蓋了 Python 和 R ，但不會非常深入。因此推薦給想試試水溫、了解資料科學可以應用在哪些領域、總共包含哪些範疇的人。
2. Data Science A-Z：Real-Life Data Science Exercises Included
講師：Kirill Eremenko
平台：Udemy
費用：約台幣 370 元（根據平台優惠活動價格可能不一）
課程時長：21 小時
這門課涵蓋了資料科學的各個項目，課程中也會提供實際的例子幫助學生理解，總體的課程評分非常高，有 4.6/5 顆星。
不過要注意的是，這門課等於是從 0 到 1 、手把手地帶你認識資料科學的世界，考慮到上課學生的 coding 能力可能不太一致，這門課並沒有使用 Python 或 R，而是用了 gretl、Tableau、Excel 等工具，避免學生在學習資料科學時陷入不會程式的困境。這堂課最主要的目的，還是著重在幫助學生建立資料科學的架構。
3. Data Science and Machine Learning Bootcamp with R
講師：Jose Portilla
平台：Udemy
費用：約台幣 370 元（根據平台優惠活動價格可能不一）
課程時長： 18 小時
這堂是以 R 為主要語言的資料科學課程，將會涵括資料科學、機器學習和資料視覺化，可以同時當作學習 R 和資料科學的入門。
4. CS109 Data Science
講師：Pavlos Protopapas, Kevin Rader, Mark Glickman, Chris Tanner, Joe Blitzstein, Hanspeter Pfister, Verena Kaynig-Fittkau
平台：哈佛大學
費用：免費
課程時長：約 12 週
這是哈佛大學的公開課程，完全免費，而且所有影片都是在哈佛大學的課堂上實錄的；是一門以 Python 為主的資料科學課程，每個科目都很深入、紮實，大約需要 12 週的時間學習。
如果你對使用 Python 處理資料科學有興趣，希望完整地學習，而且時間上也有餘裕的話，可以考慮這堂課去打好資料科學的基礎。
5. Introduction to Data Analytics for Business
講師：University of Colorado Boulder
平台：Coursera
費用：免費試聽、高階內容需付費
課程時長：約 11 小時
這堂課偏重 SQL，以資料科學的實際業務應用為主，比較少視覺化的內容；如果你想精進資料科學領域中的資料庫模式建立、資料存取控制，就可以參考這門課程。
6. Data Science Essentials
講師：Microsoft
平台：edX
費用：免費（完課證書需額外支付 99 美元）
課程時長：18-24 小時（每週 3-4 小時，共 6 周）
這堂資料科學課程是基於 R 、Python 和 Azure ML 等工具，介紹資料處理流程、資料視覺化以及入門的機器學習，全面涵蓋了資料科學可能會碰到的所有面向，而且都會談到一定的深度。
除了我們介紹的這些海外線上資源之外，台灣也有許多資料科學的中文資源可以學習，例如線上課程平台 Hahow ，就有提供豐富的資料科學課程，有興趣可以自行搜尋參考，選擇適合自己的課程學習。
資料科學自學資源 2：推薦書單
1. Data Science from Scratch 中文版：用 Python 學資料科學
這本書是由一位 Google 的軟體工程師所撰寫，介紹用 Python 進行資料開發的主流工具庫，包括 IPython, Pandas, Scikit-Learn 等等。想透過這本書學習資料科學的話，需要具備一些程式設計的基礎，會探討如何處理各種數據資料，以及靈活運用貝氏、決策術、神經網路等等模型，也會幫助建立資料庫的相關知識。
2. 高效率資料分析：使用 Python
這本書適合想要用 Python 做資料分析的初學者，就算沒有程式經驗，也可以跟著書中的教學一步步上手，讓你學會用 Python 自動處理與分析各種格式的資料，還有透過 Python 模組去分組資料、產生統計結果等等。
3. Probability for the enthusiastic beginner
如果想從零開始認識統計，這一本書會是很好的入門，它包含了所有的統計基礎內容，像是貝葉斯定理、期望值、偏差、機率分佈及回歸分析等等，循序漸進跟著書中學習，會獲得非常紮實的統計背景知識，對於理解資料科學有頗實際的幫助。
4. Think Stats
中文版：《統計思維：程序員數學之概率統計》
講解概率統計的入門書，作者會說明如何用程式來理解統計學，透過案例研究，介紹數據分析的流程——收集數據、生成統計、發現模式、驗證假設等等。強調實際應用的技巧，很適合有程式基礎的人進行跨界學習。
5. Think Bayes
中文版：《貝葉斯思維：統計建模的 Python 學習法》
大部分與貝葉斯統計有關的書，都是以數學為主要脈絡；而這本書特別的地方就在於，是用 Python 來入門介紹，適合有一點程式和統計基礎的人。
和上一本書的作者相同，一樣從現實生活中會遇到的問題下手，協助讀者建立建模決策的方法論、替具體問題建立數學模型，再一步步優化或驗證模型，當中運用到的邏輯思維也和資料科學家的工作重疊，可以學到紮實的方法論。
求職管道：有了資料科學的技能，又該如何找到資料科學家的工作呢？
1. 新創媒合平台
想成為資料科學家要去哪裡找工作呢？由於資料科學是近幾年新興的工作職缺，所以建議從新創媒合平台去搜尋資料科學的職缺；如果已經有鎖定特定產業的資料科學家，也可以直接在目標企業的官網求職區投遞履歷，順便觀察公司的網路形象，以及對職位、候選人的細節描述和能力要求。
另外想提醒的是，透過這些新型態的求職管道應徵，就盡量不要使用傳統人力銀行的制式履歷，而是針對各家公司的需求撰寫，客製化傳達自己在資料科學、數據分析能力的履歷，才有較高的機率獲得面試機會。
對資料科學、數據分析的工作有興趣嗎？點這裡看更多職缺
2. 獵人頭公司
如果你是在業界工作 3、5 年的資料科學家，有一定的資歷和戰績實力，也累積了一些作品和人脈，這時候獵頭通常會主動找來。產業界前幾名的企業 HR 通常都和獵頭公司有交流，當企業在徵求資深或高階人選時，也經常會透過獵頭公司搜尋。所以如果你還是年輕的資料科學家，透過專案累積實力、參與交流聚會拓展人脈，都是可以經營的求職方向。
3. 網路社群
對大企業來說，如果要從網路社群搜尋人才，十之八九會透過 LinkedIn ，特別是有海外人才需求的企業、科技新創企業等，所以平時別忘了經營自己的 LinkedIn 帳號，如果有一些產業界的大神替你的資料科學技能背書，對 HR 來說是十分有可信度的。
另外，參加聚會、社團，也一定會接收到許多職缺的資訊，像是台灣就有 Data Science 資料科學、Data Science Meetup 台灣資料科學社群等臉書社團，加入後除了技術交流分享，還可以經常獲得許多資訊、培養人脈，不論是新手資料科學家，想要慢慢培養經驗，或者是有資歷的資料科學高手，想開拓眼界、認識更多神人，都很適合透過網路社群達到效果。
希望大家都能透過這些資源，找到最適合自己的學習和求職管道，成功朝資料科學家的路上邁進！
延伸閱讀
資料科學夯什麼？一窺 Mastercard 分析顧問、新創 Migo Data Lead 到哈佛 PhD 的精彩職涯！(上)
資料科學夯什麼？一窺 Mastercard 分析顧問、新創 Migo Data Lead 到哈佛 PhD 的精彩職涯！(下)
想成為 Data Scientist？日本樂天資料科學家 Marcus 的 Amazon 經驗與跨領域歷程
延伸閱讀