117笔记本文分享：嗜血代码一共哪几个boss？，辐射4随从好感度？，如何成为一名数据科学家？等内容，具体看全文。
上古卷轴5所有随从代码
嗜血代码一共哪几个boss？
嗜血代码一共哪几个boss？
嗜血代码一共18个boss。如狂咲毒蝶，奥利弗·柯林斯，渴求的暴君，浸润处刑者，白狼狂战士，肋骸继承者， 肺骸继承者，金色猎人，爪骸继承者，喉骸继承者，焰炮和冰刃的随从，十藏·御堂，女王的骑士·再临，髓骸之王（髄骸の王）等
辐射4随从好感度？
getav CA_affinity （这个是 查看同伴好感度的指令， 一般事件都触发 在 250,500,750,1000 好感度， 1000为满好感度， 也就是崇拜你 PS:只要设置好感度 在 249 再随便提高一下好感度就可以触发剧情了。
如何成为一名数据科学家？
大概是能制作出属于自己的数据地图吧。
这是我自己做出来的，集合了近10年来的数据分析职业经验，参考了数十份行业内的权威著作、白皮书等，结合数十万字的庞大学习资料，才有了这个。
指导别人前，自己也得有拿的出手的干货吧，不然怎么让人信服？
先说一个，如果题主只是为了高大上的title来的，那我劝你趁早放弃幻想，现实中数据科学家只是尊称罢了，没什么用，说不定别人转头就认为你是为他们服务的呢？
那这个概念是怎么来的？
程序员觉得自己不适合编程，产品经理觉得自己不适合做产品，统计会计觉得自己天花板又低，咦，这个数据科学家的岗位听起来蛮高大上的，做的事情和我也没什么差距，我去试试？
嗯，基本上都是这样。
你们以为的：
这种人存不存在？存在，但醒一醒，数量很少，而且需要多年的历练。
据我了解，多个互联网大公司的数据leader，他们就是导导表，跑下数据，然后按业务需求把数据给别人，偶尔还帮其他部门做一些临时的需求，挖掘用户数据可能更多一点。
离数据科学家还远着，这就是现实。
但并不是没办法，成为数据科学家，还是有路可循。
1、数据科学家怎么来的？
先有Data science ，再有做此行当的人data scientists 。
science都是要做实验的，实验的对象是数据，方法是dm，ml，dl等，仪器是各类存储硬件，处理软件。奇妙的是研究对象是不同领域，所以一个data science过程，产出物可能仅仅一些常规知识，提示和决策，甚至可以拓展对某个领域认知。
2、数据科学家的类型
第一种，偏分析。
可以说，类似于商业分析这种，需要你懂行业，懂市场，懂公司运作，然后再去解决问题。
主要工作，基本上是清清数据，做做分析，出出报告，搞搞洞察，但随着大数据的到来，对模型建立能力、工具使用能力、数据处理能力要求更高了。
Tableau、python、Finebi、R、pandas、matlab都得会。
还得懂市场、经济、统计的知识。
第二种，偏算法。
研究类的升华，比如阿里达摩院，也算一个成本部门，是部门就得有产出，是研究就得有成果，就得能落地（这句话不是我说的，是马老师）。
那这种就很好理解了，把算法从Research做到Product。
要求会更高，NLP，数据挖掘，推荐算法，CV，业务逻辑，需求管理，编程能力倒是其次的。
3、数据科学家的核心技能
除了数据分析，还有什么？
其实数据科学在公司里的应用还是基础层次，老板招人可能只是想让公司赶上AI的末班车，但是不懂如何让数据成为生产力，噱头是主要的。公司越大，职位边界会越模糊。
所以，数据科学家应该拥有产品经理一样的嗅觉能力，或者仅仅次于程序员的代码能力。
不然你就会很迷茫，自己在产品和开发都没有话语权，逐渐变成了支持部门。
所以要在大方向上，更加积极一点，从insight到product，要全程参与，真的很培养能力，然后才能有数据话语权，这可不是写个python、sql或者etl就能实现的。