本文转载自公众号“读芯术”(ID：AI_Discovery)。
在数据科学职业生涯中，可能会有多种原因会让你想要考取资格证书。一些证书较为直接，例如数据科学资格证书，另一些则具有更为间接的影响，例如Python编程能力资格证书。讨论这一话题的文章已经很多了，但笔者仍想就一些独特且常用的程序、平台及其相应资格证书来聊一聊。
早在疫情席卷世界之前，面授教学模式的流行程度就已经开始逐渐降低了，线上学习不再可有可无，而是成为数据科学家或者数据科学求职者成功的必要条件。线上项目和资格证书在过去曾饱受质疑，如今则受到雇主的青睐，成为了衡量求职者技术上进心的一大指标。
其中一些证书可免费考取，另一些则需要少量费用，但不失为物有所值的投资，这取决于个人在数据科学领域的术业专攻和发展方向。
笔者已在南卫理公会大学(SouthernMethodist University)取得了数据科学教育的理学硕士学位。即使它是远程在线硕士学位，雇主们也充分认可其有效性。一些招聘经理在笔者出示数据科学资格证书及非传统教育形式的证书时惊叹不已，赞赏有加。
笔者涉猎过多种学习形式，并且具有专业数据科学家的经验，因此大体了解雇主期望的工作技能，也十分熟悉真正有助于日常工作的一些工具与平台。
下文是对数据科学工作者职业生涯有所助益的五大资格证书的介绍。
TensorFlow
TensorFlow是一个开源平台，为数据科学家和机器学习工程师所广泛使用，内含功能强大的库来推动机器学习的建模过程。使用TensorFlow的典型项目包括：
- 神经网络(neural networks)
- 生成对抗网络(generativeadversarial networks)
- 图像分类(image classification)
- 文本分类(text classification)
- 回归(regression)
- 提升树(boosted trees)
- 时间序列预测(time seriesforecasting)
TensorFlow资格认证的正式名称为“TensorFlow 开发者认证计划(TensorFlowDeveloper Certificate program)”。该认证计划要求掌握使用计算机视觉、卷积神经网络和自然语言处理(NLP)。该测试收费100美元，并鼓励学员向现雇主争取教育津贴。
该证书对于专攻机器学习和深度学习两者或其一的人来说尤为有益。这一认证本身并非课程培训，而仅仅是认证受试者的TensorFlow学习成果的手段。不过，主办方的确推荐了Coursera上的“TensorFlow 实战专项课程(TensorFlowin Practice Specialization )”，其专项课程最大的优点是涵盖了TensorFlow的全部内容，且不收取任何费用。
那些相信报名费物有所值，或是可以通过津贴方案得到报销的人，更适合参加此测试。以下是一些关于该专项课程的数据：
- 40%的人在课程结束后开启了新的职业生涯
- 12%的人获得了加薪或升职
如上所述，该认证及其相应资格证书依托一个常用且受众广泛的平台，可有效展示个人技能，证明自身竞争力。
SAS
SAS可能是最数据科学家不常用的平台之一了，但从另一方面看，这也意味着SAS的使用者拥有独一无二的技能，能做到一些大多数数据科学家力所不能及的事情。
Python和R是数据科学家和机器学习工程师都使用的典型编程语言，而SAS则是另一种语言。它与SQL类似，都关注数据本身。笔者在攻读理学硕士学位的初期，便首先使用了SAS来学习数据科学。
SAS的全称是数据分析系统(Statistical Analysis System)。数据科学家有时会感觉身陷于机器学习的黑箱之中，学习SAS则能细化对数据的理解。在数据科学的面试中，如果招聘经理问到无法用常见Python数据科学库来解答的问题，此时对数据的细化理解就大有帮助。
SAS的显著优势在于用Q-Q图、直方图和残差图来进行正态分布检验，并进行ANOVA和MANOVA(方差分析和多元方差分析)等测试。
该资格证书的正式名称为“SAS程序员专业证书(SAS Programmer ProfessionalCertificate)”。该证书也可由Coursera发放，你可以免费报名并付费收取证书。不过尽管这些资格认证和课程通常免费，考试或实体证书一般会收取费用，但你仍可免费学习大多或全部的课程。
你可从中学到SAS编程语言的技巧，探索不同的数据类型。这一证书及其课程对职业生涯有着深刻影响：
- 21%的人在课程结束后开启了新的职业生涯
- 50%的人获得加薪或升职
IBM Data Science — Python
上述的证书及其相应课程主要涉及数据科学的某些特定方面，这一证书则涵盖了数据科学的大部分整体流程。该资格证书的正式名称为“IBM 数据科学专业证书(IBM Data Science ProfessionalCertificate )”。与 SAS证书类似，这一证书也可由Coursera发放。
该证书涵盖内容更为广泛，下列是这一专业资格认证所对应的九个课程：
- 什么是数据科学?
- 数据科学工具(Jupyter Notebook、RStudio IDE等)
- 数据科学方法论(计算能力、部署等)
- 数据科学和AI中的Python(类型、变量、类、模块等)
- 数据科学中的数据库和SQL(结构化查询语言等)
- 使用Python进行数据分析(Pandas、Numpy、Scipy等)
- 使用Python进行数据可视化(Matplotlib、Seaborn等)
- 使用Python进行机器学习(分类、聚类等)
- 应用数据科学顶点课程(RESTfulAPI调用、Folium等)
如上所示，该资格认证将近涵盖了数据科学甚至是机器学习的方方面面。结合个人目标和申请意愿，这一课程几乎可以替代学位，有下列数据为证：
- 46%的人在课程结束后开启了新的职业生涯
- 19%的人获得加薪或升职
这些惊人数据使之成为了最有帮助的课程与资格证书之一。近100万人浏览了该证书主页，足以说明这一课程深受欢迎。笔者推荐那些想要建立数据科学整体观的人参与这一课程。
Tableau
这一证书或许有些争议，但仍值得认真考虑。Tableau是一个用来描述指标和数据的可视化工具，或许更接近数据分析或商业技术的范畴，但它仍能以多种方式为数据科学家所用。其中一些用途包括：
- 可视化呈现模型提取数据
- 探索性数据分析
- 变化与趋势分析
- 为数据科学模型指标创建出色的可视化
数据科学家通常需要展示自己的发现，Tableau就是帮助数据科学家描述模型数据和指标的简便工具，这样利益相关者们便可以随时看到商业问题的处理情况，这就是一个应用实例。
这一资格认证有若干种，笔者个人重点推荐其中的“Tableau Desktop Specialist”。该认证注重Tableau基础知识，数据科学家需要擅长解决问题，在了解基础之后，才能逐步学习更为复杂的功能。
该认证收费300美元。考试内容包括选择题、多选题和实践题。考试为自动评分，共有30道题目，时长为60分钟。Tableau也提供了多个课程以帮助你通过考试。
因为一些课程和资格认证更注重直接的数据科学和机器学习，该认证意味着你掌握了用Tableau来呈现数据科学研究成果的能力，这将会帮助你在众多数据科学家中脱颖而出。
Google Machine Learning
图源：whizlabs
最后一个资格认证来自谷歌，它也许是难度最大的一个，更适合机器学习工程师。对于主攻模型的数据科学家来说，该认证有助于你在部署和工程方面进阶。这一考试将主要考察以下复杂概念：
- 拟定机器学习问题(Frame ML problems)
- 开发机器学习模型(Develop ML models)
- 构建机器学习解决方案(Architect MLsolutions)
- 自动化与协调机器学习工作流(Automate &orchestrate ML pipelines)
- 数据准备与处理(Prepare and processdata)
- 监控、优化与维护机器学习解决方案(Monitor, optimize,and maintain ML solutions)
该认证的全称为“专业机器学习工程师BETA(Professional Machine Learning EngineerBETA)”。通过Beta版考试后，可获取谷歌云认证(Google Cloud Certified)，能节约40%的开销，并且还可获得专属谷歌定制服装。
该认证较为复杂，涵盖了困难且极为重要的数据科学和机器学习特性。考试的重点在于一些极为重要的概念的理解，这些概念对所有数据科学家或机器学习工程师都有益处。下列是其中一些重点：
- 将商业问题转化为机器学习应用案例，从而拟定机器学习问题
- 构建具有最佳软件开发生命周期(SDLC)机器学习解决方案
- 运用设计的机器学习工作流进行数据准备与处理
- 机器学习模型开发的产品化
- 采用持续集成/持续部署(CI/CD)测试与部署以进行机器学习工作流的自动化与协调化
- 通过性能调整和再训练识别来进行机器学习解决方案的监控、优化和维护
图源：unsplash
成为最顶尖的数据科学家并不一定需要参与上述全部课程和认证，但它们皆能以不同方式帮助你走向成功。世界上有不可计数的课程与资格认证，最重要的不是知道它们而是通过它，努力成为更优秀的数据科学家。
如果能够取得TensorFlow、SAS、IBM Data Science、Tableau和Google Machine Learning的认证，你一定会给现在和将来的雇主留下深刻印象。这些证书不仅能令你在面试当中脱颖而出，也会帮助你在数据科学职业生涯中更上一层楼。学习是永无止境的，参与课程和取得认证也不例外。
