转 data science 的疑惑

楼主是传统能源行业的博士，博士期间主要应用 statistical analysis and machine learning 解决传统能源行业的问题。今年12月份毕业，目前在谋求一份 data science相关的工作。本行业DS相关的职位不多，其他行业（保险，医疗，银行...）DS职位倒是挺多的，我有一些疑惑，请教各位大佬。

• 从传统能源行业转到其他行业，domain knowledge 也就改变了。看到地里一些DS的面经，尤其是 case study 这种，如何用机器学习解决其他行业的问题，完全没有思路。大佬们如何弥补这种 domain knowledge 的短板呢？
• 习惯了博士期间科研的方式，着眼于一个点，研究问题很细致。转到其他行业公司做DS，感觉处理问题的思路会宽泛一点。这种思维的转变感觉也需要一段时间。
• 博士的一个通病，对自己研究领域的英语挺熟悉的，换了一个行业，感觉口语就不行了。大佬们在转DS的时候，怎么弥补这块的呢？
  

提前感谢各位大佬分享自己的经验，谢谢！也有可能是我多虑了，楼主是高敏感人群，考虑问题会思考很多很多。

无他， 不停的去try， 不停的失败，直到成功。

domain knowledge其实没那么重要，找几篇domain相关的paper读一读，大概了解一下常用的feature就行了，毕竟面试官也知道你没有这个领域的工作经验。case study更多的是在考察你把ml和统计的知识与实际应用结合的能力。比如说给一个很模糊的问题定义，你是否能把问题转换成一个classification problem，是否能根据不同的data type (text, image, time series, tabular) 提出对应的feature，是否能根据feature和label的情况提出对应的model/loss/regularization，是否能提出比较合理的evaluation metrics和online/offline testing design。总之知识点都是教科书上现成的，但你需要通过练习来把知识点和一些典型的应用串起来。case study有时候像是在套模版，毕竟大部分面试问题都是solved problem，跟phd研究需要提出新方案解决新问题的思维模式不太一样，大概也就是你说的思维转变吧

Jackzhao2015 发表于 2022-4-23 22:20
无他， 不停的去try， 不停的失败，直到成功。

好滴，受教了！

zero_you 发表于 2022-4-26 23:09
domain knowledge其实没那么重要，找几篇domain相关的paper读一读，大概了解一下常用 ...

谢谢，受教了，解答了我的疑惑