自 2016 年开始我的数据科学职业生涯以来,我一直想不断学习和提高自己的核心知识。发展空间和工作带来的经验是一份好工作的基本素质,而不仅仅是薪水的多少。

我把注意力从找工作上转移开,开始累积数据科学的经验。凭着坚持,我在微软(Microsoft)找到了工作——我知道这家大型公司是一个正确的选择。

微软(Microsoft)的数据科学团队为数据科学家(其中不乏经验丰富者以及业余爱好者)组织了一次虚拟峰会和实习,希望他们的工作表现可以更好。

因此,我通过峰会接触到的数据科学领域的领头人们让我明白,要想在数据科学领域取得成功,关键在于我们在工作和日常生活中培养的简单而有效的习惯。

#1 把学习和自我提升放在首位

微软(Microsoft)没有给我发邮件,让我去参加他们的虚拟峰会,也没有给我发 VIP 邀请,因为到现在,我还在使用 Hotmail这个已逐渐退出大众视野的邮箱。

如果我不想学更多的东西,扩展我的知识,我就不会知道微软(Microsoft)正在组织免费的峰会。

数据科学(Data Science)背后的技术非常强大,尤其是在如今这个联系都自动化了的时代。

对于那些希望从其他优秀数据专家中脱颖而出的数据科学家来说,不断学习和提升自我至关重要。

如何培养这种习惯:

众所周知,数据科学(Data Science)不是一个静态的领域。查看职位描述,你可以了解到大多数雇主希望数据科学家具备哪些技能,并与你的简历进行比较。

你缺乏这些技能吗?找出你的弱点,并努力提升自我。

大多数人每天朝九晚五工作,而远程学习不仅灵活而且有效。你可以试着参加并了解与数据科学(Data Science)和其他重要领域相关的在线课程、文档、视频、播客、研究论文和博客。

#2 建立专业的数据科学人际网络

许多优秀的数据科学家都参加了这个线上会议,这在意料之内,但我想知道他们是如何获取这个巨大的平台,与微软进行合作的,所以我做了一些功课。

我在领英(LinkedIn)上查看了他们的个人资料,发现他们有一个共同点,那就是他们在该平台上的联系人都超过了5000个。

有关数据科学(Data Science)的老生常谈—“数据科学是一场个人战”这句话已经过时了。

我知道,部署模型非常自由,创建精美动画、可视化、以及凭直觉预测分析都充满了乐趣。听起来很酷对吧,但你可能需要额外动动脑子,才能更快、更高效地进行分析。

团队合作非常重要,尤其是现在的数据解决方案正在不断完善,你需要与志同道合,且有其他技术领域丰富知识的专业人士建立联系。

除此之外,新的社交网络和联系人会让你更容易获取与实习、自由职业和有高薪职位有关的信息。

如何培养这个习惯:

由于各大行业数据科学家的激增,每年专业人士都有大量机会与其他有共同兴趣的专业人士建立联系,进行社交活动。

所以,当你下次去参加面试时,不管结果如何,都要与面试官在专业知识方面有一定的联系——提出问题、建议、提供资源、并表现出好奇心。

建立强大的专业网络的根本利益所在,是提供就业机会、提高集体解决问题的能力、和得到职业的认可。

#3 高效的数据科学家也是优秀的读者

我知道你会想;数据科学(Data Science)与数字、统计和代码有关,那我应该读什么?

然而,数据科学(Data Science)基础知识背后的概念和实施都来自于简单的文字。

这不仅仅是与模型和编程语言有关;最重要的是你要了解其中的内部运作。

事实上,如果你依赖于之前或当前的工作中积累的建议和经验,你的职业发展很有可能会停滞不前。

“阅读研究论文将极大地帮助数据科学家掌握行业内部发展趋势和发展状况。”

— 索拉布·杰哈(Saurabh Jha)

如何培养这种习惯:

成百上千份高质量研究论文、书籍、文章和杂志都包含了宝贵的数据科学资源,主动学习,扩展你所在领域的某些概念知识。

在我拿到数据科学证书之前,我从各种博客文章中学习了大量编程语言和分析技巧。

除了技术方面,阅读有关生产力、职业建议以及个人发展的文章,也能重新定义你的心态,朝着积极和正确的方向工作。

#4 积极参与数据科学社区

去年年初,我很想分享我在数据科学领域的经历。因为各大社交平台上都存在大量诈骗行为和恶意软件,所以我不愿意用Facebook 群组和Telegram。一个木马病毒差点偷走了我研究了 6 个多月的项目。

注意:除非你清楚来源,否则切勿点击在 Facebook 群组中看到的任何随机链接。

无论你的地位或经验如何,作为数据科学家,你都应该愿意为别人提供帮助。随时准备解决某项任务,查找,并发布数据集,指导行业中的年轻人。随着数据科学的高速发展,越来越多的人开始涉足与数据相关的领域,丰富并拓宽技术理解力。

而且,你还需要帮助未来的工程师、分析师和科学家,提高效率,并最大限度地带领他人。

如何培养这种习惯:

成为领头人,在数据科学论坛上撰写有价值的博客文章、研究论文和文章。如果你有演讲的技巧,也可以创建一个播客或 YouTube 频道,专门分享你的经验,提供技巧,轻松解决的简单数据问题。

#5 无法避开的一点——培养优秀的编程技能

Quora一些最具争议的数据科学问题:

  • 数据科学家会编程吗?
  • 数据科学家是否需要成为一个非常优秀且编程速度很快的程序员?
  • 数据分析师需要编程吗?不会编程,还能成为数据科学家吗?

从我做的的功课中,我意识到,大多数的数据科学家都想避开数据科学中的编程,让我担心的是,很多人都在寻找捷径。

当然了,不是每个人都喜欢编程,但可悲的是他们不愿意学习。

数据科学家至少应该具备 Python、JavaScript 和 R 等编程语言的基本知识,因为,大多数与数据相关的任务都是基于坚实的编程知识。

如何培养这种习惯:

许多高质量的在线课程涵盖多种编程语言的基础知识及高级知识。仔细研究这些课程,找出在这个行业中脱颖而出所需要的必要技能。

文章要点

数据科学家的工作不是一份单一工作,要做的不仅仅是分析;专业人士必须具备数据工程、人工智能、可视化、数据挖掘等方面的大量知识。在这些领域中,你认为什么能让你从众多数据科学家中脱颖而出?

作为一名数据科学专业人士,保持良好关系、发挥最大潜力以及在团队成员之间建立有效沟通的好方法就是培养有价值的习惯。

每天做的小事成就了现在的你,是时候行动起来,创造属于你自己的成功了!

原文作者:Benjamin Nweke
翻译作者:Lia
美工编辑:过儿
校对审稿:Jiawei Tong
原文链接:https://towardsdatascience.com/5-habits-i-learned-from-successful-data-scientists-at-microsoft-aef16a4cfb9b

大数据时代的金融科技领域

Jun 18, 2021

如果你想在投资银行找到一份科技岗位,你很有可能需要处理风险或者交易等技术内容,正因为银行销售、交易功能是公司中最看重的板块。同时它们受到法规遵从的严格约束。

数据工程师面试最全指南

Jul 21, 2021

虽然,数据工程师(DE)是近年增长最快的科技行业职位之一,但其实网上并没有很多关于数据工程的面试内容。过去一年里,我参加了旧金山湾区几家科技公司的数据工程师职位的面试,也帮助很多人成功通过面试。

北美求职指北-E周报(9月第3周)

Sep 21, 2021
  • 重磅提案引爆移民圈:交钱可提前获得绿卡
  • 10月职业移民排期EB-3表B倒退
  • 美领馆有望恢复常规签证服务

Leave a Comment

Your email address will not be published. Required fields are marked *

Comment *