当……时，它真的使我的连锁店如虎添翼。
现在，我开始参与为公司招募潜在数据科学家和分析师的工作，这是我开始注意到的事情。 是的，我们都知道数据科学工作是“性感”和“酷”的，因此出售承诺使人们快速掌握数据科学的程序非常容易。 尽管我在这些课程中注意到的一件事是，大多数课程都缺少（数据科学）基础知识。
让我们从大多数数据科学专业人士同意的支柱开始：
数学和统计知识*黑客技巧*专门知识
这是三个最普遍认同的支柱，这些支柱用于高层次确定数据科学到底是什么。 当我在那些重点领域内向已通过证书课程学习的候选人提出问题时，我感到失望和震惊，因为他们错过了基本问题。 特别是在数学和统计知识方面。 是的，可以像其他学科一样学习这些知识，但我对人们无法解释laming项的线性回归这一事实感到好奇。
我决定研究这些在线课程，这让我感到非常惊讶，因为我对基础知识的重视程度不高。 本质上，他们似乎只是在简短地讨论主题，然后潜入机器学习或更复杂的课程。
是的，我的确意识到其中一些程序是假设学生将对这些主题具有基本知识或深入知识。 尽管，我敢说，由于完成和获得数据科学证书荣誉的诱惑，人们在追求这些课程时往往会避开坚实的基础！ 这意味着您已经准备好在统计算法领域内一knee不振，并且将提供有史以来最好的见解！
不幸的是，事实并非如此。 当您甚至无法描述或正确使用线性回归时，您如何知道您正在应用正确的ML算法？ 仅仅因为您可以从R或Python中选择一个库，并不意味着您可以解释结果甚至知道所使用的是正确的。 我不确定这些公司是否在正确地推广正确的教育要求。
这篇文章并不旨在抨击那些不走传统路线（例如获得学位）的人，或者吓someone某人远离数据科学。 与信念相反，我绝对希望看到更多可以准确地将一系列课程组合在一起的课程，这些课程将成功地为人们做好准备！ 我希望的最后一件事是减少该领域的竞争。 尽管有许多令人难以置信的才华横溢的人正在追求或考虑追求数据科学，但我担心人们正忙于看到薪水数字而盲目，想立即称自己为数据科学家而没有为成功奠定正确的基础。 受教育的程度越高，无论哪种方式决定最适合您的学习风格 ，不仅对您而且对您的雇主或您的工作都将越好。
如果您在特定区域内挣扎，请不要为了理解而跳过挣扎。
绝对……不要略过基础知识。
