1. 沒有一個初步的戰略
大多數沒有計算機科學或數據分析背景的工程師想要在數據科學中開始一個新的職業生涯，他們沒有一個明確的戰略，沒有成為數據科學家、分析師或工程師的明確步驟。他們試圖儘可能快地用信息填滿自己的腦袋，而不是真正深入到特定的主題;他們傾向於一次註冊多個在線課程，從不同的網站下載幾個備忘單，閱讀許多作者的文章，但沒有一個結構化的計劃。在開始這段旅程之前，我強烈建議你制定一個學習計劃，並列出一些日常習慣，以實現你的目標，增強你的分析和編程技能。對你想從事的行業使用的最流行的編程語言和軟件進行自己的研究，搜索最廣泛使用的庫和包，並根據你的目標選擇最適合你的編程語言和軟件。堅持和練習會使你成為大師。
2. 嘗試同時學習幾種編程語言和軟件
新程序員常常會受到誘惑，想要同時學習幾種編程語言和軟件，把它們作為技術技能寫進簡歷。雖然你可能認為這是一種營銷自己的策略，但它往往會適得其反。擁有數據科學、數據分析師和數據工程職位的公司和組織更有可能要求應聘者具備一種或兩種或最多三種編程語言和軟件的堅實背景。很少有職位要求你同時精通Python, R, SQL, C, c++， c#， Matlab, Java, Ruby。相反，你應該研究一下你更可能在某個特定行業或公司使用的編程語言和軟件;掌握你的編程和分析技能，併成為真正的專家。你將認識到，所有編程語言之間共享一個公共邏輯和類似的函數，在此之後，從一種語言到另一種語言的轉換隻需要學習一種不同的語法，而不需要學習它背後的整個邏輯。
3.沒有在代碼上寫註釋
儘管這聽起來很明顯，而且是一個無關緊要的任務，但它代表了一種很好的策略，可以跟蹤每一行或每一塊代碼執行的操作，以便返回到暫停的項目。在最初的代碼編寫過程中，程序員對項目的目的和目標有了清晰而清晰的認識;他們知道自己想要編寫的程序背後的邏輯步驟和追求的結果。然而，由於多種原因(經濟約束、信息缺失、優先級的改變)，所有的項目都很容易暫停，這將迫使程序員切換到不同的任務，而讓先前的任務保持不變。一箇中斷的項目需要的時間越長，就越不容易記住它的位置和缺失的點。這裡是註釋發揮作用的地方。試著在你認為有必要的地方使用它們;記住要足夠清晰，並記住它們應該允許代碼程序員和執行者理解代碼背後的邏輯步驟。
4. 在代碼編寫過程中不要求反饋
在你的經理要求你做什麼，他/她希望你做什麼，客戶要求什麼，和你實際做什麼之間總是有很大的差距。當你在開發一個程序或新代碼時，試著把它分成幾個階段，並在進入下一個階段之前徵求反饋。在每個階段結束後得到反饋，這將讓你知道你是否正確，或者是否需要根據客戶的要求進行更改。這並不意味著你無法理解其他人的要求，而是將其視為利益相關者之間的想法和期望的統一。如果在偏離正軌的情況下，你收到反饋的頻率越高，你需要進行的修改就越少。請記住，持續的溝通對於每一個項目的成功實施都是至關重要的。
5. 沒有測試你當前的知識
你可能已經看了很多逐步編程教程。你可能也讀過許多數據科學書籍和編程書。你可能已經完成了許多編程訓練營的練習。下一步是什麼?測試你目前的知識。這種訓練營和課程的真正價值不在於證書本身，而在於你學到的知識，並能成功地應用於解決某個問題。老實說，每個人都可以通過參加在線課程來獲得證書，只要跳過大部分的課程就可以了;公司和組織都非常清楚這一點。嘗試把自己推向新的極限，在網上尋找編程挑戰，嘗試頭腦風暴，在沒有太多幫助資源的情況下編寫代碼。這並不意味著你在實際工作中不會用到它們，但它會讓你感覺更舒服，更安全，更少依賴它們。
6. 沒有充分利用優缺點
在某種程度上，你可能會覺得使用一種特定的編程語言和軟件是很舒服的，而你可能會發現學習一種新的語言和軟件是沒有用的。我曾多次聽到數據分析師爭論哪種編程語言在能力、可用庫和包、在線資源和流行程度方面是最好的。但是，你必須足夠謙虛，認識到總有從另一種語言、庫、包或軟件中學習新東西的空間。每種編程語言和軟件都有其優點和缺點，但是我們的目標是充分利用它們，並具有足夠的靈活性，以確定最適合用於特定任務以解決特定問題的語言和軟件。
7. 假設你什麼都知道
相信我，沒有人什麼都知道。數據科學領域非常廣泛，每天都要學習新東西。庫、包、函數、方法和算法的總數非常多。永遠保持好奇，保持謙虛，如果你認為你知道的很多，你實際知道的就很少。
我花了一個月整理了一份最適合2020年學習的java，web前端。python學習乾貨，想分享給每一位喜歡編程的小夥伴，需要獲取的可以關注我並在後臺私信我：編程，即可免費領取。
閱讀更多 web小學員 的文章
