成为数据科学家的学习和训练过程通常包括以下步骤：
在数据科学项目中，还需注意以下方面：
1，收集数据，2，训练模型（不断优化，直到足够好），3，派送模型（测试并更新数据与模型），[heading5]数据科学项目的工作流程[content]1，收集数据，2，分析数据（迭代多次获得正确的见解），3，提出假设与行动（调整，不断分析新的阶段数据）[heading5]每个工作职能都需要学习如何使用数据[content]数据科学家与人工智能，在销售，农场主，网站优化等各个方面均有强大作用，前者通过数据做决策，后者通过数据完成训练，并形成输入输出的程序。[heading5]如何选择人工智能项目[content]找到AI可以完成，并且你的商业领域可以运用的项目。召集一个人工智能专业与业务领域专家组成的团队第一，思考可以自动化的任务而不是自动化的岗位（细化可自动化任务）第二，思考什么是驱动商业价值的核心第三，思考什么是你商业领域的主要痛点破除数据迷信：1，有更多的数据基本没有坏处，2，数据让有些商业模式具有护城河（网络搜索），3，但即使少量数据集也可以取得进展。（有时错误数据的代价太高，或者资源太少）Due diligence on project:技术：1，确定AI系统可达到理想表现。2，需要多少数据？能获得多少？3，开发时间表，清晰所需时间，人员商业：1，降低成本，提升效率，2，增加收入，3，推出新业务或产品。使用电子财务模型以定量估算价值购买还是建造。这是一个重要的议题。现实情况是，人工智能项目可以外包而数据科学一般内部成立。[heading5]与人工智能团队合作[content]1，为项目提供验收标准，如检测废品成功率95%，需要另准备测试数据集。标准尽量以数据衡量。有时人工智能团队需要两个测试集。验收标准基本不可能100%正确，因为数据太少，技术不成熟，数据标注错误，模糊的标签（人为判断是否正确）都会成为不能100%准确的原因。[heading5]人工智能团队的技术工具（可选）