在2016年，当在一家私营公司担任数字营销专家时，第一次注意到了电子商务公司如Myntra、Jabong和亚马逊的在线订购便利性和用户友好性。这些平台的独特推荐系统引起了注意，例如，如果订购了一套西装，它们会推荐搭配漂亮的披肩。作为数字营销行业的一份子，对产品浏览时的分析和广告重定向有所了解，但这种推荐系统立即引起了注意。
随着对这个话题的深入探索，揭开了这个神奇现象背后的神秘面纱；它正是数据科学和机器学习。发现机器如何根据不同客户购买相似商品的记录来推荐相似产品是相当惊人的。电子商务公司主要依赖于推荐系统，这使它们能够根据其他用户过去的搜索和购买行为向用户推荐相似产品。
尽管已经下定决心深入数据分析和数据科学的领域并转换职业生涯，但仍然不确定如何进行。当时有很多在线课程可供选择，这让旅程更加困惑。订阅了很多在线材料和书籍，六个月后，还没有成为数据科学家。
相信有很多人像一样对启动他们的数据科学职业生涯感到兴奋。但由于工作承诺、个人关系和非技术背景，如果他们在一年内没有找到成功，他们不得不放弃。虽然这是一个非常普遍的现象，但如果想要的话，情况不必如此。已经以艰难的方式学到了这一点，但最后，发现了一些很棒的方法来加速走向数据科学的旅程。那么，就开始吧。
掌握一种编程语言
在理解数据科学和机器学习的基本概念和算法之前，必须学习一种语言。选择学习Python语言。然而，也可以学习R、Julia、SAS等语言来开始旅程。学习一种语言将帮助更快地理解算法。
有时候，一些著名算法的具体公式对来说毫无意义。但通过编码实现算法可以帮助获得更清晰的图像。必须投资至少一个月或两个月的时间来熟悉编码。建议从Python开始，因为其语法易于理解，其库在实现机器学习算法时非常方便。
# Python基础学习示例
print("Hello, World!")
如果自己学习，那么从学习Python基础开始。习惯于在特定的IDE中编码，如Jupyter或Pycharm。两者都有各自的优点。
学习并实践Python项目，并使用学到的概念解决问题。可以从构建一个分析从亚马逊、Big Basket等平台的日常消费习惯的项目开始。
学习Python网络爬虫：学习网络爬虫绝对是必要的，因为它帮助收集数据并为自己的好处进行分析。正在做一个加拿大项目，需要从多伦多地区的电工详细信息，所以使用网络爬虫从kijiji.ca网站抓取数据。提取所有可靠的数据然后根据公司的要求工作是非常有趣的。
学习统计学和数据科学算法
必须对统计学感到舒适，因为统计学被用来解决日常生活中的商业问题。还必须熟悉数据科学算法，因为这些在实际应用中非常有用。同时，碰巧解决任何商业问题或在任何基于数据科学的项目中实施其使用。
还必须清楚地了解分类、回归和聚类问题之间的区别，因为有了这个，可以构建一个单独的数据科学模型。根据遇到的问题类型，这三种机器学习技术的知识非常有用。
即使不喜欢统计学，仍然必须学习统计学以完成数据科学之旅。从来不是统计学的粉丝，但发现没有它可能无法理解高级概念。统计方法主要被用来确保收集的数据被正确解释。
随着时间的推移，开始享受为数据科学学习统计学。以下是需要为数据科学学习的内容：统计学和概率论、概率分布、假设检验、统计建模和拟合、机器学习、回归分析、贝叶斯思维和建模。
有很多学习统计学的资源。推荐从Udacity和Khan Academy学习概念。如果觉得无聊，Stats Quest的YouTube频道是一个有趣的学习统计学的方式。如果已经注册了一些课程，那么严格遵循他们的课程计划，以便更好地理解。
构建学习计划/结构
无目的地学习可能收效甚微或没有结果，因为没有外部激励因素推动前进。如果计划转换职业生涯，如果已经熟悉数据科学和机器学习，确保提前计划学习。构建课程计划并遵守同样的计划直到完成它。
请坚持一个特定的计划，不要忘记每天复习和学习新概念。