想做数据科学？这位科研商业双丰收的科学家给你建议

一位在学术研究和商业性应用领域都颇有裨益的统计数据生物学家，给希望以统计数据自然科学木匠的后来人的八条提议。

想做数据科学？这位科研商业双丰收的科学家给你建议

发表文章 Svetlana Dotsenko （Project Lever 创立人）

译者金庄维

Damazan 谭坤

近年微积分、统计学和统计数据挖掘潜能成了就业市场上的新宠：从牛津到乌兹别克斯坦，我听到全当今世界的人都在问：若想充分利用自己的自食其力？

为了了解这点的工作，我求教了我的朋友 Alexander Isakov。Alexander 在耶鲁大学获得微积分和力学双硕士学位后，上海复旦大学修读力学学教授学位，并于今年成功毕业。他跨足众多应用领域并且丰硕成果令人瞩目：他的教授研究课题是关于力学和SNS网络；他发明者了一种神经外科用的医用，并得到了丰厚的启动教育经费；他还创立了一家统计数据自然科学公司。

过去几年中，不论是作为学者却是富商，Alex 致力认知复杂系统的行为。“我一直对认知Pontacq充满浓厚兴趣：他们怎样负面影响相抱相对的当今世界？而当今世界又怎样不经意地负面影响他们？”他写道。

赵忠尧期间，他曾与几个生物学家密切合作，借助一个西非小部族展开统计数据挖掘，企图认知人们怎样形成组成员，展开秘密突袭。另外，他还与 L. Mahadevan（他的指导老师）和 Ben deBivort 的密切合作，率领一堆科学研究生，借助数学模型核试，科学研究小鼠怎样在腿丧命后恢复正常左转。他们发现既存感觉（交互身体各部分位置及双脚多少的潜能）在恢复正常操作过程中起著巨大作用。科学研究其他生物的生物学家也由此接到了启迪。“不管腿、病菌却是人，这些操作过程其本质上都是独立模块涌进起来，学习怎样协同。”他写道。

在商业性应用领域，Alex 解决的问题更贴近大众，使用的工具也迥然不同——不再是力学方程，而是统计数据自然科学和机器学习中的技术。但他认为两者有共同的原理。“他们怎样预测客户和员工的去留？他们怎样优化在线客户体验？这些都是人类行为学问题。各家公司这些年来持续观察，收集统计数据——他们帮助他们发现统计数据的意义，以及怎样将统计数据转化为可执行策略以改进业务。”

我让 Alex 就怎样成为统计数据生物学家的职业规划谈一下他的想法，以下是他的回答。

1、学习理论

“我痴迷于认知自然科学的理论基础。你应该学习严格的微积分和自然科学课程，认知基础知识，学会严谨、抽象地思考。

回想他们在大学前两年学习的专业技能，主要有两类：a）微积分基础，包括多元微积分、线性代数和基于证明的基础课；b）学习用微分方程和语言学对当今世界展开建模。

关于语言学，尽管很多课程倾向于实用性，我却是鼓励你选择更为深入讨论理论的课程。学完后你会对“概率”有一个基本的概念，懂得怎样对带有噪声的操作过程建模（相信我，现实当今世界有很多噪声），怎样预测顺序发生的事件等等。如果在社会自然科学系选修统计类课程，你还会知道那些应用领域使用的特殊工具。例如，在经济学应用领域，你会花大量时间处理时间序列。不过在更基础的语言学课程中，你会学到更一般的方法，而这些方法在各学科都有广泛应用。

2、找到有趣的问题

搞定这些理论后，你得找些有趣的问题。我提议你跟自己觉得有意思的人，聊聊他们正在思考的难题。

把自己当成纯粹的“力学学家”、“化学家”或是“语言学家”既没必要也不明智——那样只会限制他们能够发现的问题。好奇心旺盛才最为要紧。如果你主修语言学，有人告诉你一个有趣的力学学，甚至文学的问题，别不屑一顾——看看你能不能为此添砖加瓦！他们首先是人，其次才是生物学家。

3、及早实践

找个需要建立理论或是统计数据驱动数学模型（两者兼备更佳！）的项目，应用你的理论和实践技能。你可以开始学习各种复杂程度的计算机编程，我强烈提议你至少尽早学会基础编程。

当你获得计算机技能后，请求教授给你一个力所能及的项目，这个项目要涉及计算机模拟、基于主体的建模或者统计分析。展开真正的科学研究需要新思路，不像大一大二的新手项目那样有现成的规律可循。

如果你对统计数据自然科学格外感浓厚兴趣，在语言学和编程方面再加把劲。但实践仍然是最好的提升方式。编程越多，你可能发现自己越需要第一步中的理论基础。那就回归起点，再接再厉。

4、为问题创造工具，而不是为工具找问题

我的博导，耶鲁大学大学的 Mahadevan 教授从一开始就鼓励我跟着问题走，不要被工具限制。作为学者、富商和/或领导人的价值就在于问题出现时，能找到创造性的解决方案，而不被形式困扰。

有一大堆工具固然好——语言学、计算机模拟、微分方程和关于各学科问题的知识，但是你很快就发现在课堂上学到的那些方法，根本就解决不了现实中的问题！错综复杂问题和注意事项、缺失统计数据、多中多样的方法，你得在种种限制下做出艰难决定——你需要运用知识和现有工具不断创造出新方法，直到行之有效，这才是需要学习的关键技能。

5、本科阶段和科学研究生阶段的学习科学研究方法有什么不同？

科学研究生和本科阶段很不一样。本科时候你更专注于学习各种工具，接受各种训练。我提议你在这一阶段尝试不同应用领域的项目。这对培养直觉、扩大视野大有裨益。例如，做一个关于语言学、力学学和人类学方面的项目，尽早开始职业生涯。成功获得学士学位时，你就该对解决一系列问题驾轻就熟了。

在科学研究生阶段，你会接受训练成为下一个思想领袖——构想属于自己的好问题，对全球共识有重要贡献的问题。实际上，如果遵循以上提议，也许本科后期阶段你就能开始了！

6、如何与指导老师密切合作？

不（一定）要接受他们给你的第一个问题。不要仅仅因为听到很多流行的术语就盲目行事。成长和提高技能的关键在于寻找有趣的问题。你应该努力找到有好问题的指导老师——在学术研究应用领域，特指某个科学研究方向的领头人物。

学聪明点。向指导老师求教。多问问题。要有勇气。指导老师的存在是为了分享有趣的问题，但他们终归也是人。和他们谈谈：在办公时间找他们，一开始随便聊聊天，接着讨论你正在思考的问题。和他们分享你为什么思考这些问题，以及为什么你认为这些问题重要。

我先前犯的重大错误是：我认为自己知道的够多了。我会找一两个气味相投的人，总和他们在一起，不再扩展自己的关系网。然而，即便是和其他一两个人谈谈，你都会收获新观点，大开眼界。你不能独自创造一切；孤军奋战效率终究是不高。

7．向不同应用领域的人学习

我真钦佩“文艺复兴者”（theRenaissance man）——那些牛人驾驭了多个学科，解决各个应用领域问题。一切始于我对父母的敬仰。我的祖父也是个力学学家，发明者了很多很多专利。我还特别敬仰我的指导老师们，特别是耶鲁大学大学的 Mahadevan 教授。

说到底，我想做所有事情，包括成为几个应用领域的领军人物。其中之一便是商业性，在那里我能解决实际问题。

在学术研究应用领域，我想回答关于人性与哲学的问题。他们怎样从情感演化的基本操作过程来认知社会？他们怎样真正提出关于控制理论的问题——他们怎样创造结构和装置，优化控制系统？他们应该提出关于现实当今世界运作方式的问题并解决它们，最终让当今世界变得更好。

总之，我祝愿你敢于提出更好的问题，解决重要的疑难。