双非一本跨申热门数据分析，我成功发表国际一作论文，完成自我蜕变！

※ 本文系指南者留学学员原创，转载请联系授权

学员背景

C同学

双非一本 金融学

打算申请人资管理，商业分析，数据分析方向海外研究生

参与项目

指南者商业分析科研论文指导

大二的时候，我签约了指南者留学。由于准备时间较为充足，申请主导师就向我推荐了背景提升项目，以提升自身的软实力背景。

我的专业是金融学，但是我要申请的方向是人资管理/商业分析/数据分析，这些专业对编程语言和数据分析的经历都有一定的要求，比如需要掌握Python，R，SPSS等，跨专业申请还要求有相关的项目经验。而学校对商科所开设的数据分析课程都是很简单的课程，对实际工作没有太大帮助，所以一开始，我选择指南者留学的背景提升项目就是想提高Python数据分析的能力。

我在接触这个项目之前没有学过Python，就连Excel也不太会，英语能力也不是很强，所以很担心会完不成这个科研。甚至在学习过程中，有时也会对自己产生质疑，但做完了之后，我才发现科研其实并没有想象中那么难，而且还收获了很多知识。

理论培训部分

首先，我对Python知识进行了初步学习，包括Python基础，NumPy库，pandas库，matplotlib库（数据可视化），数据清理和数据处理，特征工程（特征筛选，特征处理等），聚类，降维，还有回归模型，分类模型和stacking算法等机器学习和集成学习领域的知识。我之前从来没有接触过Python，一开始学的时候学得很投入，大约花了一周就学完了所有内容。

指南者老师录的课讲得非常清楚，脉络也很清晰。相较于网上几百集的python课程，我更偏好于指南者的课程：教给学生最核心的内容，然后再慢慢拓展，而且每节课课后都会有作业可以帮助理解内容和大致框架，做完作业之后也会有老师认真地给我批改和讲解，即使有不懂的点，在讲解过后也变得易懂了。此外，课程中基本没有刻意地去背知识或者记代码的部分。感觉最重要的还是“重复应用”和“练习”，反复训练就能够初步了解并熟悉框架。

在理论学习过程中，我的进展也比较顺利，所以很快就进行到了项目的实战阶段。

选题方向

我要申请的方向和人资管理还有数据分析都有关系，因此教授提出了一个叫做“基于面试者建立的薪资预测模型”的课题，和我要申请的方向非常符合。而且，李教授本身也是南洋理工大学商学院的教授，管理科学杂志审稿人，对此十分有经验。最终我们确定以此作为选题。

科研过程

在确定选题之后，李教授给我发了一个薪资数据集，逐步教我如何开始研究。每周末我都会和李教授、梅老师进行线上会议汇报工作，教授会给我一些指导，以及布置下一周的任务和方向。

平时，教授和梅老师会很耐心地回答我提出的问题，且不会直接给我答案，而是引导性地提出一些问题和思考，让我自己先去尝试和思考还有查询相关内容。

比如在学习如何把分类变量转化为虚拟变量时，老师们会让我自己先去查询和研究。还有在特征筛选的时候使用点二列相关算法，随机森林特征重要性等，老师不会直接告诉我结果，除非在我研究过后还是不懂，才会给我示范一遍，这使得我在做项目的过程中能够不断磨炼和提升自己的能力。

在科研过程中，我尝试用各种回归算法建立薪资预测模型，最后还用了stacking算法集成模型，将多个第一层回归模型的预测结果作为第二层模型（元模型）的输入值进行再次拟合，然后得到最后的回归预测结果，减小过拟合的风险。经过多次建模之后，我发现自己已经能显著地减少预测误差，建立出一个薪资预测模型。

李教授在授课中提到，我不仅需要关注最后的预测结果，还要增强数据叙事的能力。于是我用OLS线性回归得到了各个变量和薪资之间的相关系数以及p值，还有其他的一些数据，接着还进行了一些数据可视化展示，通过可视化进行分析。

论文写作与发表

完成科研实验之后，老师让我阅读了几篇英语论文，并给了我大概的论文写作框架以及侧重点。

我一开始挺害怕写全英论文的，但其实论文写作是整个科研过程中最简单的部分。本着循序渐进的想法，我首先完成了论文中介绍研究背景、数据集和理论基础的部分，然后写清楚研究的过程，包括数据清洗和数据预处理，特征工程，建模过程还有调参过程等等，最后列出对照组和实验组的结果，并总结出相关结论。

论文初稿完成后，老师会提出内容的修改意见，进行一些排版问题（如图表）的调整等。接下来老师会去选择相关的国际会议，并准备将论文投稿到国际会议上。

最后，我的论文被CPCI会议录用，并在会议上进行了英文汇报演讲。

完成背景提升项目后，我不仅收获到了教授的推荐信，还有独立一作+通讯的CPCI会议论文，也能够去进行数据清洗，预处理和可视化，很熟练地建立回归和分类模型解决实际问题等等。这意味着我已经可以比较熟练地进行数据分析了。

如果大家想要留学，建议在个人软背景方面提前做好准备，这样就可以在更充分的时间内提升自我。而且，接触科研对我们后期的科研打好基础很有帮助。我在那段时间学到的知识，在之后的学业过程、竞赛和实习中都可以应用到，也让我能更快地学习和理解新的Python知识。之后，我还自己发了两篇EI会议，并获得了安永数据科学挑战赛的全球前十，其中也用到了stacking算法。

到现在，我已经完成了从零到一的自我蜕变，从科研小白变得能够参加比赛、自己发表实习等等。这段经历教会了我一点：科研是件循序渐进的、持续提升的事。它既需要合适的领路人，也需要自身的努力和不断的试错。希望大家都能够达成理想中的目标，变成更好的自己！