成为数据科学家并不难

几个菜鸟程序员在Coursera上免费注册学习了几天“机器学习”课程后，赢下了Kaggle预测模型建模大赛。

企业界在IT业制造的大数据人才恐慌（麦肯锡是始作俑者）中纷纷提高了对大数据和高级分析人才的期待和要求，数据科学家也一夜之间成为最性感的职业，其光环直追体育明星。数据科学家被描绘成神一般的人物，他们通晓数学、计算、社会学、物理学等各学科知识，同时又洞察世事，深谙企业运作之道，存世数量堪比特级珍稀保护动物。这些都让有志从事大数据分析的IT从业人员高山仰止，望而止步。

但越来越多的证据显示，即使是初级程序员也能成为优秀的数据科学家。

事实表明，只需要借助云计算服务器，在Coursera公开课上跟斯坦福教授Andrew Ng学上几天“机器学习”课程（Machine Learning），即使是菜鸟程序员也能变成掘金大数据的金凤凰。

以上并不是痴人说梦，预测分析竞赛网站Kaggle为我们提供了不少例证。今年9月，一位律师出身的保险业风险模型设计师Carter S.首次参加Kaggle竞赛就斩斩获项目奖金。Carter采用的是独创的“暴力分析”（Overkill Analytics），所谓暴力分析就是舍弃复杂费神的大数据分析模型，采用大量简单模型的组合，利用当今硬件系统（如Hadoop集群）的强大处理能力“暴力”分析大数据集。Carter的案例说明大数据未必意味着“大模型”，这意味着大数据分析的技术门槛并没有想象得那么高。尽管如此，Carter还是在工作中自学了自然语言处理和社会化分析等知识，对线性回归分析也不陌生。

如果说Carter成为大数据科学家前已经具备了一些数据分析知识和经验，那么？完全没有数据分析经验的，只有大学课程水平的初级人士能否成为数据科学家呢？

答案是肯定的。新奥尔良大学学生Luis Tandalla去年在Coursera在线平台上听了几堂课后，在高手云集的Kagge大赛中一举中的，拿下了Hewlett Foundation设立的竞赛奖金。Tandalla开发出的模型能够准确评估短问题测验的得分。要知道，在Coursera上报名之前此之前，Tandalla压根不了解人工智能和机器学习。

在尝到甜头后，Tandalla的学习热情被彻底点燃，他在Coursera上报名更多课程，包括自然语言处理和概率分析模型，并开始自学其他数据分析知识。Tandalla将于2013年5月毕业，但Tandalla表示将考虑继续就读并考取机器学习专业的研究生。如今，创立自己的预测分析软件公司已经成了Tandalla的方向和梦想。

Tandalla并非个案，在Heritage Foundation的竞赛中，第二名和第三名都学习了Coursera 的机器学习课程，其中来自新加坡的39岁的Xavier Conort去年才转型成为数据科学家，目前已经是Kaggle上的顶级选手。

Courera的成功基因

Andrew Ng

Coursera课程如此富有成效的原因与斯坦福教授Andrew Ng的治学理念密不可分。Ng认为这与自己在硅谷的氛围有关，如果不是与硅谷最优秀科学家们的紧密交流，Coursera的课程不可能如此成功。此外，Ng的课程侧重实际应用，在解决实际问题的过程中学习技术，他将更多的时间花在技术的应用上，而不是算法本身。

Ng认为，孤立的学习算法并不可取，这就好比单纯学习编程语言的语法，而不是尝如何编出有用的程序。在另外一个著名的在线免费课程平台Udacity上，我们也能看到类似的教学理念。Google副总裁，斯坦福教授Sebastian Thrun在主讲计算科学101课程时，就是围绕如何开发可用的搜索引擎来讲解Python编程语言。

Via GigaOM