Как профессиональному или начинающему специалисту по анализу данных, машинному обучению или инженеру по искусственному интеллекту вам необходимо выработать хорошее отношение к работе.

Любой, кто в настоящее время занимается наукой о данных, AI / ML может сказать, что это очень широкая и динамичная область, и поэтому вы также должны быть очень гибкими, чтобы достичь своих целей или узнать много нового. В этой истории я собираюсь поделиться некоторыми вещами, которые, как я думаю, должен принять каждый, кто уже работает в этой области или хочет войти в нее.

Будьте изобретательны

Как специалисты, работающие с данными, мы должны знать и соглашаться с тем, что не существует единого способа что-то сделать. Мы должны избегать использования одного конкретного метода выполнения чего-либо, а, скорее, исследовать множество инструментов, фреймворков, библиотек и пакетов, доступных нам для конкретных случаев использования. Не сосредотачивайтесь на чем-то одном, используйте то, что облегчает и ускоряет вашу работу. Если в настоящее время для вас нет ничего доступного, создайте что-нибудь, обратитесь к единомышленникам в вашем сообществе и создайте что-нибудь вместе. Это может помочь сотням или даже тысячам людей в будущем. Не бойтесь начинать, обращайтесь за помощью, когда в этом возникает необходимость, и проверяйте свои творческие способности.

Будьте любопытными

Обучение - это бесконечный процесс, и поэтому вы никогда не сможете узнать слишком много. Любопытство - это важная позиция, которую необходимо развивать каждому специалисту по анализу данных, искусственному интеллекту или машинному обучению. В том, чтобы чего-то не знать, нет ничего постыдного, а знания можно найти только тогда, когда их ищут. Выработайте привычку задавать вопросы или добиваться ясности каждый раз, когда в этом возникает необходимость. Это показывает, что вы очень интересуетесь данной темой, и доказывает, что вы готовы узнать больше, чтобы получить больше знаний. Как люди, которые работают, делая выводы из данных, мы всегда должны быть уверены, что знаем, как выполнять свою работу, что нам нужно делать, чтобы выполнить свою работу, и почему мы делаем определенные вещи для ее выполнения. Задавая технические вопросы о вашей работе или проекте вашим коллегам или руководителю, вы очень сильно поможете понять основные концепции того, над чем вы работаете, и направите вас к выполнению своей работы.

Будьте последовательны

Одна из самых важных вещей для начинающих специалистов по данным, инженеров по искусственному интеллекту или машинному обучению - это последовательность. Очень трудно так долго оставаться на пути обучения, особенно когда кажется, что все стоит на месте. Знайте, что у каждого есть время прорыва, так же как у каждого цветка есть время расцвести. Продолжайте учиться, придерживайтесь учебного плана и не идите против любой ценой. Ваша мысль придет, но будьте готовы к ней, когда она придет. Все, что вы узнаете как новичок, - это то, что вы больше всего будете использовать в отрасли, поэтому не пропускайте первые шаги. Вы будете готовы к работе в отрасли раньше, чем ожидаете, если будете продолжать учиться.

Написание чистого и многоразового кода

Большинство из нас, работающих в этой области, пишут код ежедневно. В этой области может быть несколько человек, чьи конкретные рабочие задачи не включают написание кода, но для большинства из нас, кто тратит много часов в день на написание кода, нам необходимо взять на себя группу этических норм, которые заставят нас выделяться своей элегантностью. и хорошие программисты. Кодекс этики - это, по сути, общепринятый способ написания кода, который делает нашу работу аккуратной и организованной. Соблюдение этики кодекса дает множество преимуществ, и наиболее распространенными из них являются то, что вы чувствуете себя профессиональным программистом и идентифицируете вас как организованного человека. Существует множество этических норм кодекса, но я думаю, что основные из них, которые должен знать каждый программист:

  • Именование переменных: не называйте переменную алфавитом, буквой или чем-то еще. Имя вашей переменной должно сообщать любому, кто смотрит в код, что обозначает переменная. Это может быть короткая форма слова или 2 или более слов. Вы можете использовать подчеркивание для разделения сокращенных слов или использовать регистр стиля, известный как camelCase. Здесь вы соединяете оба слова, начиная с первого с нижнего регистра, а любое новое слово с верхнего регистра. Например. MyVar1 или firstVariableName.
  • Отступы. Отступы - обязательный принцип в кодировании, поскольку они структурируют код таким образом, чтобы сделать его более читаемым и организованным.
    Любой код, который попадает в блок, например. функции, подпрограммы, циклы и операторы if должны иметь отступ, чтобы показать их область действия в программе.
  • Комментарии: комментарий - это любой текст, который не влияет на результат выполнения кода, это просто фрагмент текста, который позволяет кому-то узнать, что вы сделали в программе или что делается в блоке кода. Комментарии не должны украшать код. Они должны служить руководством. Так что придерживайтесь простых комментариев. Не делай
!!#<<!--comment--!>>

Просто сделайте комментарий, например:

# This is a comment

Читайте широко

Как специалист по анализу данных, инженер искусственного интеллекта или машинного обучения, вы хороши ровно настолько, насколько хорошо вы узнаете. Чтение сообщений в блогах, статей или статей по темам, которые вам интересны в своей области, очень поможет вам в расширении ваших знаний и изучении новых вещей. Чаще читайте и будьте в курсе сообщений хороших авторов.

Попробуй себя

Работа с Landing Data Science, AI / ML чаще всего включает в себя процесс прохождения теста на кодирование. Это может быть очень сложно, особенно если вы не готовы к этому. Лучший способ подготовиться к тесту на кодирование - это ежедневно проверять себя. Это не только поможет вам улучшить свои навыки, но и заставит вас работать быстрее и уделять больше внимания времени. В Интернете есть множество платформ, на которых вы можете пройти тесты кодирования, но я наиболее знаком с HackerRank. Возьмите за правило проходить хотя бы один тест в день, и со временем вы будете очень хорошо сдавать тесты кодирования. Кроме того, вы можете искать имитационные интервью или время от времени брать интервью у друга или коллеги. Это помогает укрепить вашу уверенность во время настоящих собеседований и подготовит вас к некоторым из наиболее вероятных вопросов, которые вам зададут на реальном собеседовании.

Создайте надежное портфолио

Хорошее портфолио специалиста по анализу данных, искусственного интеллекта или машинного обучения должно включать личные или профессиональные проекты, которые вы завершили, ваши достижения, профессиональные цели и задачи, навыки, интересы и образование. Солидное портфолио выделяет вас среди других и делает вас желанным для рекрутеров и работодателей.

Постройте хорошую сеть

Свяжите себя с людьми со схожими интересами с вами и часто поддерживайте связь. Обратитесь к этим людям, чтобы попросить о помощи или поделиться идеями. Общайтесь с людьми, на которых вы равняетесь, и задавайте им советы и другие вопросы, которые помогут вам на пути к тому, чтобы стать специалистом по данным, искусственным интеллектом или машинным обучением.

Подготовка к работе в команде

В большинстве компаний специалисты по анализу данных, инженеры по обработке данных, инженеры по ИИ и машинному обучению работают вместе как одна команда, и поэтому любой, кто стремится войти в эту отрасль, должен вооружить себя некоторыми навыками командной работы, которые могут помочь добиться прогресса в команде. Навыки командной работы могут быть как мягкими, так и техническими. Мягкие навыки в основном относятся к общению и отношениям с другими людьми в вашей команде, будь то коллеги или руководители. Технические навыки - это основные навыки, применяемые в работе для достижения максимального прогресса. Изучение того, как использовать инструменты для распределенного контроля версий, такие как Git и Github, очень важно для работы в команде, поскольку это дает каждому в вашей команде свободу работать вместе как команда, находясь вдали друг от друга физически. Вы можете узнать об использовании распределенной системы контроля версий, такой как Git и Github, из этой статьи Энн Боннер.

Используйте знания в своей области в ваших интересах

Как специалист по анализу данных, ваши знания в предметной области - это ваша суперсила. - Дерек Дегбедзуй

Специалисты по обработке данных будут работать лучше всего, если они будут работать в определенных областях. Специалист по анализу данных, изучавший банковское дело и финансы, будет лучше всего работать в финансовой компании, а специалист по данным, обученный биологическим наукам, в равной степени будет лучше всего работать в компании, которая работает в секторе биологии. Наука о данных сегодня является самой быстрорастущей и разнообразной областью, вам не нужно иметь степень бакалавра или магистра в области компьютерных наук, чтобы иметь возможность продолжить карьеру в области науки о данных. Независимо от области, в которой вы находитесь, вы можете работать специалистом по данным, если действительно хотите. Расправьте крылья, помогите специалисту по данным в своей области. Переключение домена на тот, о котором у вас очень мало знаний, значительно снижает вашу ценность как специалиста по данным в этой области. Специалист по данным, обученный работе с финансовыми данными, почти бесполезен в компании, которой нужен специалист по данным для обработки климатических или геопространственных данных. Люди могут утверждать, что «все данные - это данные», но как специалист по данным, вы должны знать, что понимание ваших данных является ключом к достижению любого прогресса в работе с данными.

Спасибо, что нашли время прочитать эту статью. Вы можете поделиться своими мыслями и мнениями в разделе ответов, и вы можете связаться со мной напрямую в Twitter или LinkedIn. Удачного дня.

Большое спасибо Benacq за вычитку и исправление многих ошибок, которые я допустил при написании этой статьи.