前言：

当我发表这篇文章《为什么每个工程师都应该开始考虑开发中的分析和编程技能呢?》时，我从未想到它会对读者产生如此积极的影响。那些想要开始探索编程和数据科学领域的人向我寻求建议;还有一些人问我下一篇文章的发布日期;还有许多人询问如何顺利过渡到这个职业。我非常鼓励大家继续分享我在这个旅程的经验，学习，成功和失败，以帮助尽可能多的人过渡到一个充满无数好处和机会的职业生涯。亲爱的读者，谢谢你。 -罗伯特。

每一次过渡到一个新的职业都需要学习曲线;在完全适应新的工作环境之前，我们都必须经历这个过程。具有较强的适应能力和对变化的灵活性的人可能会发现它是平稳和简单的;其他的人可能需要更多的时间和精力。无论你处于学术或是工程，但毫无疑问，向数据科学的职业过渡将是一个挑战，在某种程度上，是一个充满持续学习的漫长旅程。然而，迈出第一步是最重要的一步，也是最困难的一步。基于我在数据科学领域的短暂职业生涯，我总结出了新程序员的7个“主要错误”:我从错误和失败中学到的经验教训，使我希望这些东西能被别人提前思考进去;这些课程帮助我成长，帮助我在实现目标的道路上更进一步。希望你觉得有用…

1. 没有一个初步的战略

大多数没有计算机科学或数据分析背景的工程师想要在数据科学中开始一个新的职业生涯，他们没有一个明确的战略，没有成为数据科学家、分析师或工程师的明确步骤。他们试图尽可能快地用信息填满自己的脑袋，而不是真正深入到特定的主题;他们倾向于一次注册多个在线课程，从不同的网站下载几个备忘单，阅读许多作者的文章，但没有一个结构化的计划。在开始这段旅程之前，我强烈建议你制定一个学习计划，并列出一些日常习惯，以实现你的目标，增强你的分析和编程技能。对你想从事的行业使用的最流行的编程语言和软件进行自己的研究，搜索最广泛使用的库和包，并根据你的目标选择最适合你的编程语言和软件。坚持和练习会使你成为大师。

2. 尝试同时学习几种编程语言和软件

新程序员常常会受到诱惑，想要同时学习几种编程语言和软件，把它们作为技术技能写进简历。虽然你可能认为这是一种营销自己的策略，但它往往会适得其反。拥有数据科学、数据分析师和数据工程职位的公司和组织更有可能要求应聘者具备一种或两种或最多三种编程语言和软件的坚实背景。很少有职位要求你同时精通Python, R, SQL, C, c ， c#， Matlab, Java, Ruby。相反，你应该研究一下你更可能在某个特定行业或公司使用的编程语言和软件;掌握你的编程和分析技能，并成为真正的专家。你将认识到，所有编程语言之间共享一个公共逻辑和类似的函数，在此之后，从一种语言到另一种语言的转换只需要学习一种不同的语法，而不需要学习它背后的整个逻辑。

3.没有在代码上写注释

尽管这听起来很明显，而且是一个无关紧要的任务，但它代表了一种很好的策略，可以跟踪每一行或每一块代码执行的操作，以便返回到暂停的项目。在最初的代码编写过程中，程序员对项目的目的和目标有了清晰而清晰的认识;他们知道自己想要编写的程序背后的逻辑步骤和追求的结果。然而，由于多种原因(经济约束、信息缺失、优先级的改变)，所有的项目都很容易暂停，这将迫使程序员切换到不同的任务，而让先前的任务保持不变。一个中断的项目需要的时间越长，就越不容易记住它的位置和缺失的点。这里是注释发挥作用的地方。试着在你认为有必要的地方使用它们;记住要足够清晰，并记住它们应该允许代码程序员和执行者理解代码背后的逻辑步骤。

4. 在代码编写过程中不要求反馈

在你的经理要求你做什么，他/她希望你做什么，客户要求什么，和你实际做什么之间总是有很大的差距。当你在开发一个程序或新代码时，试着把它分成几个阶段，并在进入下一个阶段之前征求反馈。在每个阶段结束后得到反馈，这将让你知道你是否正确，或者是否需要根据客户的要求进行更改。这并不意味着你无法理解其他人的要求，而是将其视为利益相关者之间的想法和期望的统一。如果在偏离正轨的情况下，你收到反馈的频率越高，你需要进行的修改就越少。请记住，持续的沟通对于每一个项目的成功实施都是至关重要的。

5. 没有测试你当前的知识

你可能已经看了很多逐步编程教程。你可能也读过许多数据科学书籍和编程书。你可能已经完成了许多编程训练营的练习。下一步是什么?测试你目前的知识。这种训练营和课程的真正价值不在于证书本身，而在于你学到的知识，并能成功地应用于解决某个问题。老实说，每个人都可以通过参加在线课程来获得证书，只要跳过大部分的课程就可以了;公司和组织都非常清楚这一点。尝试把自己推向新的极限，在网上寻找编程挑战，尝试头脑风暴，在没有太多帮助资源的情况下编写代码。这并不意味着你在实际工作中不会用到它们，但它会让你感觉更舒服，更安全，更少依赖它们。

6. 没有充分利用优缺点

在某种程度上，你可能会觉得使用一种特定的编程语言和软件是很舒服的，而你可能会发现学习一种新的语言和软件是没有用的。我曾多次听到数据分析师争论哪种编程语言在能力、可用库和包、在线资源和流行程度方面是最好的。但是，你必须足够谦虚，认识到总有从另一种语言、库、包或软件中学习新东西的空间。每种编程语言和软件都有其优点和缺点，但是我们的目标是充分利用它们，并具有足够的灵活性，以确定最适合用于特定任务以解决特定问题的语言和软件。

7. 假设你什么都知道

相信我，没有人什么都知道。数据科学领域非常广泛，每天都要学习新东西。库、包、函数、方法和算法的总数非常多。永远保持好奇，保持谦虚，如果你认为你知道的很多，你实际知道的就很少。