简介

数据科学作为一门跨学科领域，涉及到统计学、数据分析、机器学习及其在各个领域的应用。为了帮助数据科学岗位的专业人士全面提升技能，三节课精心打造了《数据科学岗位能力模型》，旨在助力数据科学家在数据驱动的决策过程中发挥关键作用，实现技术的深入掌握和应用。

本能力模型深入剖析了数据科学岗位在不同级别所需的技能和知识，包括数学能力、编程语言、数据分析、机器学习、深度学习、数据治理、数据挖掘等，为数据科学岗位的专业人士提供了一条清晰的职业发展路径。

核心内容

1. 初级能力：
2. 数学能力：掌握离散数学、线性代数、统计学基础、概率论等。
3. 数据思维：学习数据可视化、5W2H分析法、假设检验等。
4. 数据分析能力：了解业务拆解、数据指标体系、数据获取等。
5. 机器学习：掌握Excel、SQL、Power BI等基础数据分析和可视化工具。
6. 中级能力：
7. 数据分析工具：深入学习SPSS、SAS、Tableau、SQL等数据分析工具。
8. Python基础：掌握Python编程、数据处理、文件操作等。
9. R语言：学习R语言编程、数据可视化、统计分析等。
10. 数据挖掘与存储：了解数据挖掘流程、数据仓库、数据合并等。
11. 高级能力：
12. 机器学习：掌握Boosting、Bagging、EM算法、决策树模型等高级机器学习技术。
13. 深度学习：学习基础学习、卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等。
14. 数据计算：掌握Spark、Hbase、Storm等大数据处理技术。
15. 计量经济学：了解ML、RL、因果推断等经济学模型。
16. 专家能力：
17. 数据挖掘与存储：深入学习数据挖掘算法、数据仓库管理、数据安全等。
18. 机器学习：掌握高级机器学习模型、特征工程、模型评估与优化等。
19. 数据治理：了解数据治理框架、数据质量管理、数据资产目录等。
20. 数据提升：学习数据采集、数据清洗、数据集成等数据预处理技术。