Как стать хорошим специалистом по данным
После того, как я так громко рассуждал о том, как стать плохим специалистом по данным, я подумал, что должен уравновесить игровое поле, дав несколько советов о том, как стать хорошим специалистом по данным. Обратная сторона медали.
У меня сильное чувство, что если вы только начинаете работать в этой области из-за трудоустройства или заработной платы, вы начинаете не с той ноги. Вы должны сначала взглянуть на свои увлечения. Здесь интересно потратить несколько секунд на поиск слова страсть, как оно определено на Dictionary.com:
страсть
[pash - uh n]
имя существительное
- любые сильные или непреодолимые эмоции или чувства, такие как любовь или ненависть.
2. сильное любовное чувство или желание; любовь; пыл.
3. сильное сексуальное желание; похоть.
4. случай или опыт сильной любви или сексуального желания.
5. человек, к которому испытываешь сильную любовь или сексуальное желание.
6. сильная или экстравагантная привязанность, энтузиазм или желание чего-либо: страсть к музыке.
7. объект такой привязанности или желания: Точность стала его страстью.
Надеюсь, ваша страсть к науке о данных не включает в себя определения 2, 3, 4 или 5. Но движет им сильная привязанность и энтузиазм к науке о данных! Если это так, вы на правильном пути, и мой первый совет: не пытайтесь проглотить океан одним глотком. Увеличьте один аспект этой страсти, тот, который вызвал у вас интерес в первую очередь. Посмотрите, как вы могли бы применить его к реальной проблеме, и учитесь в процессе. Например, в моем случае я очень давно увлекся искусственной жизнью. Примерно в 2012 году я увлекся обучением с подкреплением, генетическими алгоритмами и генетическим программированием. Со временем у меня вырос интерес к машинному обучению и глубокому обучению, я узнал об этом, читая книги, посещая онлайн-курсы и поступая в аспирантуру. курс во время учебы в магистратуре. В то время у меня была надежда применить это к проекту, который я делал для моей магистерской диссертации, но иногда план менялся. Короче говоря, здесь нужно следовать своему сердцу.
Если вы пойдете с таким подходом, вы избежите многих ошибок, о которых я упоминал в первом посте. Вы не ожидаете, что в качестве входных данных вы получите «чистый» набор данных, поскольку вы применили его к нескольким реальным примерам, как вы узнали. По пути вы узнаете, как собирать данные, как их очищать, как интерпретировать ... это принесет вам пользу в двух направлениях. Сначала вы изучите один из важнейших навыков - очистку данных. Но самое главное, это разовьет ваш пытливый ум. То, что я никогда не видел, чтобы ни один курс мог сделать. Опять же, я не думаю, что это навык, который вы можете получить за несколько недель, он требует сдвига ума, который вы приобретете через повторяющуюся практику.
Еще одним преимуществом увлечения является то, что, если у вас еще нет необходимого математического образования, вы усвоите его по ходу дела. Если вам сложно заниматься математикой, возможно, будет легче освоить ее при необходимости, поскольку вы расширяете свои знания с помощью собственных увлеченных экспериментов! Я также повторю, что, несмотря на то, что вы могли подумать или вам сказали, математика не так уж и сложна. Более того, их намного легче получить, если вы начнете с позитивного отношения, говоря себе, что вы можете это сделать.
Следующее преимущество такого подхода состоит в том, что вам нужно будет определить и уточнить вашу проблему. Вы решите, что для вас важно, каков ваш «исследовательский» вопрос и как он соотносится с деятельностью, которую вы делаете на этом пути. Когда я учился в магистратуре, я видел два типа студентов. Те, у кого уже была повестка дня исследования, вопрос, который они хотели изучить, или кто, по крайней мере, сели пораньше со своим консультантом и задал такой вопрос исследования в соответствии со своими интересами и увлечениями. Эти студенты обычно выступали с высококачественными презентациями, посещали курсы, которые имели большое значение для ответов на их исследовательские вопросы, и стали очень опытными в своей области исследований. Студенты второго типа ждали, пока их консультанты дадут им исследовательский проект, никогда не были реально вовлечены в него, представляли средние или плохие презентации, посещали любые курсы, не видя, как они связаны с темой исследования: ну, в большинстве случаев они были нет ... и в конце концов, вероятно, все еще заканчивали учебу, но с предметом, о котором нужно забыть ... Вы хотите быть похожими на первый тип студентов, даже если вы делаете это самостоятельно, вы хотите взять это под свой контроль и пожинать плоды .
Наконец, вам будет полезно написать или рассказать о своих выводах и уроках. Лично я обнаружил, что это помогает прояснить мои мысли и получить (когда-нибудь) обратную связь от других схожих по духу коллег. Все говорит о том, что научные статьи - не единственный способ сообщить о своих выводах, блоги, видео, отчеты могут помочь вам, если у вас есть страсть. Несомненным преимуществом академической статьи является система рецензирования, которая дает вам обратную связь о вашем исследовании, но вы не должны ограничивать себя этим единственным средством коммуникации, если оно не соответствует вашей реальности. Ясно раскрывайте то, что вы нашли, не заявляйте, что вы то, чем вы не являетесь или еще не являетесь. Когда придет время, другие узнают в вас специалиста по данным, и в тот день вы точно будете им знать!
В том же духе, что и в моем предыдущем посте, усердно учитесь: это легче, когда вы следуете личной цели исследования / интереса. Работайте усердно: опять же, что-то более легкое (не обязательно легкое), когда вы следуете своему увлечению. И всегда будьте честны с собой (но также и с другими) в том, что вы знаете или узнали. Если вы с первого дня думаете о себе как о полноценном специалисте по данным, возможно, вы не приложите столько усилий, чтобы когда-либо им стать. С другой стороны, если вы будете следовать своим интересам и увлечениям, вы можете стать специалистом по данным еще до того, как начнете думать о себе как о таковом.
Первоначально опубликовано на сайте thelonenutblog.wordpress.com 5 марта 2018 г.
Фотография на обложке Magda Ehlers в Pexels.
