Новый год, это же ты, лучше статьи.
Что общего между наукой о данных и письмом?
Помимо очевидного (мы все ищем больше часов в день, чтобы совершенствоваться в обоих), наука о данных и письмо также заслуживают титула как два навыка, которые могут превратить нас в разносторонних людей в обоих навыках, если их улучшить. в тандеме.
Специалистов по обработке данных обычно называют «рассказчиками» из-за того, что они могут превращать массивные наборы данных в красивые визуализации, рассказывающие истории массам. Поэтому логично, что специалисты по данным пишут о своей работе только для того, чтобы вдохновлять, информировать и обучать будущих специалистов по данным о том, как сами стать эффективными рассказчиками.
Новый год - идеальное время для самосовершенствования (хотя гуру самосовершенствования утверждают, что любое время года - идеальное время для самосовершенствования), и это не останавливается на том, чтобы больше ходить в спортзал или читать 52 книги в новый год. Вместо этого в наступающем году, полном неизвестности, небольшие улучшения в ваших науках о данных и письменных навыках могут стать постоянной константой, необходимой вам для значительных улучшений в обеих областях к концу года.
Игнорируйте синдром самозванца.
Хотите узнать секрет? Я чувствую себя полным аутсайдером в сообществе специалистов по анализу данных.
Несмотря на то, что у меня есть образование в области разработки программного обеспечения, наука о данных - это для меня совершенно новый мир, частью которого я пока не чувствую. Тем не менее, я не позволю этому помешать мне написать об этом, как и вам, если вы только начинаете или переходите в эту область.
Как предлагали до меня многие другие, важно учиться на практике.
Не только это, но и наука о данных - это область, в которой ваша способность учиться намного важнее, чем учетные данные, которые у вас есть. Сообщество специалистов по науке о данных состоит из людей из разных слоев общества - некоторые из них изучали инженерные или гуманитарные науки в университете, некоторые работали в совершенно несвязанных секторах до перехода, а другие научились всему, что им нужно было знать, чтобы проникнуть в эту область.
Кроме того, когда вы читаете обстоятельную, аргументированную статью, вас обычно не волнуют учетные данные человека, который ее пишет. В этом прелесть технологической индустрии. Вам не обязательно иметь докторскую степень. быть авторитетом в предмете или научить других что-то делать.
Предупреждение: не забывайте сохранять скромность, и люди будут более чем готовы помочь вам стать лучшим писателем или специалистом по данным. Как начинающий, я прекрасно понимаю, что мои статьи не будут идеальными, и что код, которым я делюсь, не будет идеальным решением проблемы. Однако, как новичок, если вы признаете, что все еще учитесь, люди будут вежливы в своей критике и будут работать, чтобы помочь вам улучшить свои статьи или код. Не будь тем человеком, который «все знает». Вы заведете больше друзей и станете разносторонним специалистом по обработке данных, если будете честны и приветствовать любую помощь, которая попадется вам на пути.
Пишите последовательно, а затем ударяйте только по горячему утюгу.
Первый совет, который я собираюсь предложить, - стандартный и часто наиболее рекомендуемый совет начинающим писателям, которые хотят стать лучше. Второй совет, возможно, немного более противоречивый.
Чтобы лучше писать статьи по науке о данных, вам нужно писать последовательно. Как и в тренажерном зале, вы видите результаты только тогда, когда поднимаете тяжести последовательно и по расписанию. Точно так же, когда вы пишете, вы задействуете мышцы. Эту писательскую мускулатуру нужно тренировать постоянно, пока вы не сможете регулярно писать эффективные статьи. В тот момент, когда вы чувствуете уверенность, что можете сесть и написать обстоятельную статью по определенной теме за день (потому что давайте посмотрим правде в глаза, заставлять себя писать целую статью по науке о данных за час - это неприятно для себя , или ваших редакторов в этом отношении), то вы знаете, что закрепили хорошие писательские привычки в своих писательских мышцах.
Однако на этапе, когда вы постоянно и легко создаете контент, вам необходимо определить, делаете ли вы свою лучшую работу. На этом этапе вам следует подумать о том, чтобы перейти к письму в стиле «ударяйте, пока железо горячо».
Почему? Потому что Medium гордится тем, что является домом для высококачественных статей, и будет поддерживать и выделять тех, кто это делает. Поэтому, если вы пишете, когда приходит вдохновение, вместо того, чтобы чувствовать потребность быть хомяком на колесе, производящим контент, вы, скорее всего, напишете статьи по науке о данных, которые будут особенно информативными, проницательными и глубокими.
Используйте технику Фейнмана.
Часто рекламируемый как метод быстрого и тщательного изучения концепций, я также считаю, что метод Фейнмана - идеальный метод, который поможет вам писать более качественные статьи по науке о данных.
Ричард Фейнман был физиком, лауреатом Нобелевской премии, наиболее известным своим вкладом в квантовую механику, физику элементарных частиц и нанотехнологии. Однако для меня он наиболее известен как Великий толкователь. Фейнман был известен тем, что читал лучшие лекции по физике не потому, что он всегда делился сложными, трудными для понимания идеями, а потому, что его лекции по этим сложным темам были доступны и легко понятны широким массам. Из-за этого Фейнмана называли самым легким в чтении лауреатом Нобелевской премии за всю историю.
Но что сделало его таким замечательным учителем столь сложного предмета? Все благодаря методике, которую он использовал для овладения темой. «Техника Фейнмана», как она стала известна, - это метод понимания чего угодно.
Я не мог снизить его до уровня первокурсника. Значит, мы этого действительно не понимаем . - Ричард Фейнман
Техника Фейнмана включает в себя четырехэтапный процесс, который фокусируется на достижении учащимся истинного понимания предмета путем проб и ошибок, открытий и свободного процесса исследования. Технику можно разбить на четыре этапа, которым вы следуете по порядку:
- Выберите концепцию, которую хотите изучить.
- Обучайте концепции себя или кого-нибудь еще.
- Если вы застряли, вернитесь к исходному материалу.
- Упростите свои объяснения и создайте аналогии.
Итак, как это поможет вам писать более качественные статьи по науке о данных? Что ж, если вы не понимаете тему таким образом, чтобы можно было объяснить ее простыми словами, как вы ожидаете, что сможете научить эту тему другим и заставить их понять ее?
Использование техники Фейнмана не только сделает вас более способным писать статьи по науке о данных, но также даст вам возможность одновременно изучить любую концепцию науки о данных. Это беспроигрышная ситуация: убить двух зайцев одним выстрелом.
Попросите человека, не имеющего технических знаний, прочитать вашу статью.
Одно дело - уметь писать хороший код и анализировать стопки данных - другое дело - сообщать другим людям, что вы делаете и почему.
Быть хорошим специалистом по данным означает, что вы также хорошо умеете общаться, а это значит, что вы можете описать концепцию с разным уровнем сложности в зависимости от вашей аудитории.
Поэтому для написания более качественных статей по науке о данных всегда полезно попросить человека, не имеющего технических знаний, прочитать ваши статьи, чтобы вы могли увидеть, кто-нибудь может понять, что вы пишете.
Это особенно важно, если вы пишете серию вводных статей для людей, только начинающих заниматься наукой о данных. Вы же не хотите отпугнуть их еще до того, как они начнут свое путешествие, не так ли?
Кроме того, как Mr. Фейнман говорит, что если вы не можете объяснить что-то просто, вы сами этого не понимаете.
Я учился в университете со многими людьми, которые были очень умными и легко могли писать блестящий код. Однако, когда я просил их о помощи, они могли объяснить это только на очень сложном уровне, который я даже отдаленно не мог понять. Так что, конечно же, поскольку я не хотел выглядеть глупо, я обычно повторял: «О, отлично, спасибо, теперь это имеет смысл!», А затем отправлялся на поиски кого-нибудь, кто мог бы объяснить концепцию словами, которые я бы на самом деле понимать. Чтобы связать это с вашими статьями, вы не хотите, чтобы кто-то прочитал вашу статью, а затем сразу же нашел чужую статью, которую он может лучше понять.
Итак, повторяю, чтобы бороться с этим и сделать ваши статьи более дружелюбными и полезными для читателей с разным уровнем подготовки, попросите человека, не имеющего технических знаний, прочитать ваши статьи, а затем объяснить вам, что вы только что написали. Сделав это несколько раз, вы будете поражены тем, насколько доступнее станут ваши статьи, а ваши читатели будут еще более отзывчивыми к вашей работе.
Читать. Много.
Шопенгауэр классно сказал, что чтение - это просто суррогат мышления для себя; это значит позволить кому-то другому направлять ваши мысли . Многословный парень, он в конце концов продолжает: В результате много чтения лишает разум всякой эластичности, как постоянное давление веса делает пружину, и что самый надежный способ никогда не иметь никаких собственных мыслей. заключается в том, чтобы брать книгу каждый раз, когда у вас есть свободная минута .
По сути, он говорит (с точки зрения моего непрофессионала), что чтение не сделает вас умнее и, во всяком случае, сделает вас тупее и менее способным думать самостоятельно.
Итак, я понимаю то, что он пытается сказать: чтобы сформулировать собственное понимание концепций, нам нужно думать самостоятельно, а не иметь данные нам идеи. Однако для тех из нас, у кого есть жизни, мы не можем тратить часы, необходимые каждый день, только на то, чтобы что-то рассудить для себя.
Поэтому я считаю, что для написания лучших статей по науке о данных вам нужно читать. Много.
Этот совет широко распространен, и не зря.
Не уверены в собственном стиле письма? Читайте статьи любимых авторов и подражайте их стилю письма.
Вам нужно улучшить свое понимание конкретной темы науки о данных? Прочтите несколько статей от разных авторов на эту тему, пока не найдете ту, которая даст вам момент понимания.
Хотите узнать что-то новое и научить этому других? Прочтите о теме, а затем создайте свой собственный проект на основе статьи, чтобы укрепить свое понимание.
Этот совет объясняет, как я могу написать статью о том, как лучше писать статьи по науке о данных, не будучи плодовитым писателем по этой теме в течение очень долгого времени. Я прочитал кучу статей по науке о данных на Medium и благодаря этому могу сказать, что делает статью хорошей, а что - плохой. Все хорошие статьи имеют некоторые общие черты: их легко понять, автор использует простую терминологию и аналогии, и вы можете сказать, что они пишут на тему, которой они увлечены (вместо того, чтобы просто выкачивать контент, чтобы сделать доллар). Благодаря всем этим знаниям, которые я получил во время чтения, теперь я могу написать статью, чтобы помочь другим писать более качественные статьи по науке о данных.
Другими словами, прочтите как можно больше статей о науке о данных и письме и наблюдайте, как ваши навыки стремительно улучшаются.
Последние мысли.
Не существует конкретного рецепта, который гарантировал бы вам получение самой хорошо принятой и прибыльной статьи по науке о данных на этой платформе.
Однако, если вы готовы к марафонскому процессу обучения написанию хороших сообщений в блоге и чистому, эффективному коду, и вы вооружены советами, упомянутыми в этой статье, вы будете на правильном пути к тому, чтобы писать лучше. статьи по науке о данных в 2021 году.
