# 如何從在銀行工作到擔任 Target 的高級數據科學家 > 原文： [https://machinelearningmastery.com/how-to-go-from-working-in-a-bank-to-hired-as-senior-data-scientist-at-target/](https://machinelearningmastery.com/how-to-go-from-working-in-a-bank-to-hired-as-senior-data-scientist-at-target/) ### Santhosh Sharma 如何從 _ 在銀行貸款部門工作 _ 到 被聘為 Target 的 _ 高級數據科學家。_ [Santhosh Sharma](https://www.linkedin.com/in/sharmasanthosh) 最近與我聯系，分享他的鼓舞人心的故事，我想與你分享。 他的故事展示了對機器學習的熱情，主動性，分享你的成果和一點運氣可以改變你的職業生涯并讓你深入學習應用機器學習。 閱讀本次訪談后，您將了解： * Santhosh 如何在 Kaggle 公開展示機器學習技能。 * Santhosh 所做的有條不紊的事情的技術細節以及為什么它值得注意。 * 他如何利用他的公眾認可來幫助他成為一名數據科學家。 讓我們潛入。 **你有自己的成功故事嗎？** 在評論中分享。  如何從在銀行工作到 Target 的高級數據科學家 ### 問：請分享一點背景？ 我有一個 M.Tech。在印度 IIT 坎普爾專攻并行和分布式計算的計算機科學與工程專業。 ### 問：您對機器學習感興趣的方式和原因是什么？ 我在一家銀行的貸款部門工作。 該銀行開發了一種軟件，該軟件使用機器學習來預測是否應該批準貸款申請。 在許多情況下，該軟件的結果優于一些信貸員。 這項技術讓我印象深刻，從此開始對機器學習產生興趣。 ### 問：機器學習掌握如何幫助您完成旅程？ [機器學習掌握](http://machinelearningmastery.com)幫助我掌握機器學習。期。 我沒有數學和統計學的背景知識。 我錯誤地認為我需要一個。 我努力了將近 3 年才能很好地掌握 ML 算法。從許多理論本質上的書中學習不必要的東西浪費了很多時間。 使用[機器學習掌握書](http://machinelearningmastery.com/products/)取得的進展幫助我在很短的時間內實現了跨越式發展。 ### 問：分享你在 Kaggle 的經歷？ Kaggle 是學習機器學習的絕佳平臺。 托管的數據集代表現實世界的觀察。世界各地的專家都在解決這些問題。學習這些解決方案有助于加快我的學習。 它使學習機器學習變得有趣和愉快。 ### 問：你工作的 Kaggle 數據集是什么？ 我參與了 [Allstate Claims Severity 數據集](https://www.kaggle.com/c/allstate-claims-severity)。 我使用流行的回歸算法進行了抽查，如 LR，Ridge，Lasso，Elastic Net 等。 我使用 seaborn 庫進行 EDA 和 scikit-learn 庫進行建模。 ### 問：你的最高投票內核做得好，它是怎么來的？  Santhosh Sharma Top Voted Kaggle Kernel （目前排名第四的最受歡迎的內核） 接下來的方法受到 [ML Mastery Python 書籍](http://machinelearningmastery.com/machine-learning-with-python/)中的秘籍和方法的啟發。 在收到的針對該內核的反饋中，大多數用戶表示很容易理解。 我很感謝[機器學習掌握書籍](http://machinelearningmastery.com/products/)，它教會了我如何處理機器學習問題。 我已經在[中跟蹤了所有內核](https://www.kaggle.com/sharmasanthosh/kernels)。 ### 問：你能告訴我們你熱門內核中的步驟嗎？ 內核可以直接在[訪問](https://www.kaggle.com/sharmasanthosh/allstate-claims-severity/exploratory-study-on-ml-algorithms)。 所遵循的步驟符合機器學習掌握書中提到的方法。步驟如下所述。  Santhosh Sharma 頂級選手 Kaggle Kernel #### 數據統計 * 訓練和測試數據集的形狀 * 偷看 - 眼球數據 * 描述 - 每列的最小值，最大值，平均值等 * 歪斜 - 每個數字列的偏斜，以檢查是否需要進行修正 #### 轉型 * 校正偏斜 - 其中一列需要校正 - 我使用了對數變換 #### 數據交互 * 相關性 - 我只篩選出高度相關的對 * 散點圖 - 使用 seaborn 繪圖 #### 數據可視化 * 盒子和密度圖 - 小提琴圖顯示了壯觀的可視化 * 對一個熱編碼屬性進行分組 - 以顯示計數 #### 數據準備 * 分類數據的一種熱編碼 - 許多列是分類的 * 試驗分裂 - 用于模型評估 #### 評估和分析 * 線性回歸（線性算法） * 嶺回歸（線性算法） * LASSO 線性回歸（線性算法） * 彈性網絡回歸（線性算法） * KNN（非線性算法） * CART（非線性算法） * SVM（非線性算法） * 袋裝決策樹（套袋） * 隨機森林（套袋） * 額外樹木（套袋） * AdaBoost（提升） * 隨機梯度提升（提升） * MLP（深度學習） * XGBoost #### 預測 * 使用最好的模型（XGBRegressor） * 令人驚訝的結果：簡單的線性模型，如 LR，Ridge，Lasso 和 ElasticNet 表現非常出色 ### 問：祝賀新工作，你是如何得到它的？ 我向 Kaggle 展示了我對面試官的最高投票內核。 系統的方法和我得到的結果給他留下了非常深刻的印象。 我將在 Target Corporation 擔任高級數據科學家。 ### 問：你有什么想法在 Target 工作嗎？ 我將在下周加入。 我期待著與團隊合作，并為 Target 的數百萬客戶的購物體驗帶來微小的改變。 ### 問：接下來是什么？ 我很期待機器學習掌握時間序列的下一本書！ ## 摘要 在這篇文章中，您發現了 Santhosh 如何從銀行工作到獲得 Target 的高級數據科學家的工作。 你了解到： * Santhosh 將他學到的技能應用于 Kaggle 問題的真實數據集。 * 他公開分享了他的結果，展示了其他人如何做他所做的事情，從而獲得了排名靠前的 Kaggle Kernel 的可信度。 * 最高投票的內核幫助 Santhosh 在 Target 擔任數據科學家。 所以，你可以做什么？ * 你在真正的數據集上練習嗎？ * 您是否正在分享您公開學習的所有內容？ * 你在幫助別人嗎？ **你的下一步將是什么？** 在下面的評論中分享。