
數(shù)據(jù)科學家Michael Galarnyk著
我以前寫過《如何構(gòu)建數(shù)據(jù)科學投資組合》,其中包括向潛在的雇主展示你能做什么而不是告訴他們你能做什么的重要性。這個博客利用aSuccess is Iceberg ImagebyOrysya Stusas框架來展示人們在獲得數(shù)據(jù)科學成功的過程中經(jīng)常隱藏的幾個方面。這篇博客旨在表明,大多數(shù)人都不得不花費相當多的努力來達到他們現(xiàn)在的水平。他們必須努力工作,有時經(jīng)歷失敗,表現(xiàn)出紀律,堅持不懈,為目標獻身,有時犧牲或冒險。說完,我們開始吧!
正如你在上面為hertweet創(chuàng)建的GIF中看到的那樣,人們在日常模型構(gòu)建中會犯很多技術錯誤/失敗。
我們大多數(shù)編寫代碼或從事數(shù)據(jù)科學的人經(jīng)??吹奖舜斯ぷ鞯淖罱K產(chǎn)品--而不是作為過程一部分的草稿、錯誤和決策。這些步驟的一點透明度會有很大的幫助。
Jake VanderPlasis在Atweeton中似乎也表達了類似的觀點,在開源領域,人們通常只看到成品而不是過程。
但我敢打賭,在任何一個成功的開源項目的表面上,都有很多痛苦、痛苦和自我懷疑。
除了技術上的失敗,還有其他類型的失敗,包括你可以穿的類型(期刊拒絕,電子郵件拒絕,等等)。凱特琳·K·科比(Caitlin K.Kirbyy)確實穿了她的失敗/拒絕?!度A盛頓郵報》上有一篇文章詳細描述了她的裙子是一件手工制作的及膝服裝,由她在過去五年中收到的17封拒絕信(期刊拒絕、電子郵件拒絕等)制成。
順便說一句,如果你想要更多與軟件/數(shù)據(jù)科學相關的拒絕故事,有一個完整的拒絕網(wǎng)站,你可以去看看,這可能會啟發(fā)你。
大多數(shù)人都必須努力工作才能達到他們現(xiàn)在的水平。我絕對不是說你必須每周例行公事地工作70-90小時,因為這聽起來不健康。雷切爾·托馬斯的帖子提到了這種態(tài)度可能是歧視性的和適得其反的。
我們需要盡可能地擺脫工作時間的數(shù)量才是最重要的這種膚淺的想法??萍夹袠I(yè)對長時間工作的癡迷不僅對許多殘疾人來說是不可及的,對每個人的健康和人際關系都是有害的,而且正如奧利維亞·戈爾迪爾為Quartz at Work指出的那樣,關于生產(chǎn)率的研究表明,這只是效率低下:
正如無數(shù)研究表明的那樣,這根本不是真的。工作時間越長,生產(chǎn)率就會急劇下降,一旦人們每周工作55小時,生產(chǎn)率就會完全下降,以至于平均每周工作70小時的人的生產(chǎn)率不會超過少工作15小時的同事。
瘋狂的長時間工作在學術界也很常見,因為杰克·范德普拉斯在下面的推特上說。
雖然這條推文不是對吳恩達早先推文的評論,但我認為它表明有不同的方法可以獲得成功,而不是持續(xù)不斷地工作。thePython數(shù)據(jù)科學手冊的作者似乎做得很好。(推特上的杰克·范德普拉斯)
與其努力工作,也許我們應該談談堅韌或堅持,因為杰里米·霍華德和西爾萬·古格的新書中有一段關于堅韌的精彩文章。
推特上的內(nèi)容是杰里米·霍華德(Jeremy Howard)“Sand Sylvain Gugger”新書的摘錄。
簡而言之,我認為從這件事中得到的最好的東西是:
你將面臨許多障礙,既有技術上的障礙,也有(甚至更困難的)你周圍不相信你會成功的人。有一種方法肯定會失敗,那就是停止嘗試。
生活中的許多成功都是關于堅持不懈。有很多成功人士的故事,比如愛彼迎的數(shù)據(jù)科學家彭凱利,他們真的堅持不懈,不斷地工作和改進。在她的一篇博客文章中,她查看了她申請和面試了多少個職位。
Applications: 475
Phone interviews: 50
Finished data science take-home challenges: 9
Onsite interviews: 8
Offers: 2
Time spent: 6 months
她顯然申請了很多工作,并一直堅持下去。在她的文章中,她甚至提到你需要如何不斷地從面試經(jīng)驗中學習。
記下所有你被問到的面試問題,尤其是那些你沒能回答的問題。你可以再次失敗,但不要在同一地點失敗。你應該一直在學習和提高。
這篇文章的一個主要主題是每個人都經(jīng)歷過一些失敗。重要的部分是,有些人竭盡全力去實現(xiàn)那里的目標。在Andreas Madsen發(fā)布的博客中,他描述了進入人工智能(通常是計算機科學系)的頂級博士學位是多么困難。基本上,他和所有的教授交談過,他被告知他需要“在頂級ML場館發(fā)表1-2篇論文”才能進入頂級博士學位項目。他連續(xù)花了7個月的時間在一個沒有資金和主管的研究項目上,以產(chǎn)生可以出版的作品。
犧牲和風險可以以許多不同的形式出現(xiàn)。一個風險可能是忽略來自上面的命令。WhenGreg Lindenwas在亞馬遜,他做了幾個有趣的項目,盡管他應該做其他事情。在他的一篇博客文章中,他描述了一個項目,這個項目是:
根據(jù)亞馬遜購物車中的商品進行推薦。添加一些東西,看看彈出什么。再加幾個,看看有什么變化…我黑了一個原型。在一個測試網(wǎng)站上,我修改了Amazon.com購物車頁面,以推薦您可能喜歡添加到購物車中的其他商品。在我看來挺不錯的。我開始四處展示。
出了個問題。
雖然反應是積極的,但也有一些擔憂。特別是,一個營銷高級副總裁堅決反對它……在這一點上,我被告知我被禁止在這方面做任何進一步的工作。我被告知亞馬遜還沒有準備好推出這個功能。它應該停在那里。
相反,我為在線測試準備了該特性。我相信購物車的推薦。我想衡量一下銷售影響。
我聽說SVP發(fā)現(xiàn)我在推出一個測試時很生氣。但是,即使對高管來說,也很難阻止測試。測量是好的。反對測試的唯一好理由是,負面影響可能如此嚴重,以至于亞馬遜負擔不起,這是一個很難做出的聲明。測試開始了。
結(jié)果很清楚。它不僅贏了,而且這個功能以如此大的優(yōu)勢贏了,以至于不讓它直播讓亞馬遜付出了巨大的變革代價。隨著新的緊迫性,購物車推薦推出…
當時,亞馬遜肯定是混亂的,但我懷疑我忽視來自上面的命令是在冒險。盡管亞馬遜很好,但它還沒有一種完全包容測量和辯論的文化。
雖然我不主張忽視上級的建議,但似乎在某些情況下,冒險對公司和你自己都是有益的。
希望你能從這個博客中找到一些對你的數(shù)據(jù)科學之旅有用的建議和例子。請記住,成功人士的許多建議都存在生存偏見??偸前胄虐胍傻亟邮芙ㄗh或分享經(jīng)驗。如果你有任何問題、想法,或者只是想分享你自己的經(jīng)歷,請給我們留言。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11