
如果我们能说我们什么都知道,我们都会喜欢的。不幸的是,这是不可能的。有时我会告诉自己“我什么都不知道”,以此来推动自己学习,不断提高。
数据科学是那些需要不断学习的领域之一,并且总是有改进的空间。在数据科学的世界里,很难保持在事情的顶端并感到成就感。一旦你学完了一件事,并对它感到自信,你就会发现自己在寻找新的主题或领域去学习。
没人能坐在这里说他们什么都知道。你有资深的数据科学家,他们在这个领域工作了10年以上,仍然需要谷歌如何加入两个数据集。这并不意味着他们不知道它,他们可能只是在一段时间内没有使用该代码,他们已经忘记了。
一旦您开始在数据科学领域工作,您将与其他数据科学家、分析师、机器学习工程师以及更多的相互交流知识。然而,你可能不知道你的同事做的事情,反之亦然。然而,在你不知道的情况下告诉你的同事你知道一些事情,有时会损害你的信心。
如果手头的任务你不知道做可以简单地用谷歌,看一个YouTube视频,或看看堆栈溢出解决,那就太好了。但是,如果你继续不停地告诉你的同事或老板你知道一些事情,而你不知道;你会发现自己淹没在额外的学习中。相反,你可以说“对不起,但我不知道怎么做”。这样,你的同事和老板就会了解你的优势和劣势,为你提供正确的支持/培训,以便你在特定的领域有所提高。
这也适用于担任高级职务的人。如果你没有正确的技能来管理和指导一个团队,你会不知所措,压力水平会增加,这可能会让你考虑你的位置。
你的第一份工作总是让人害怕。说出自己的观点你会感到焦虑和紧张。我将介绍几点,我认为每个人都应该融入他们的工作和个人生活。
你不必事事出类拔萃。然而,要从事数据科学,你需要基本的技能。如果你是一名数据科学家,喜欢数据争论,创建数据可视化,但在构建机器学习模型方面几乎没有经验;这是你的一个弱点,你可以努力解决。向自己承认,你不会在数据科学家手中的每一项技能上都取得进步,这是成长为数据科学家的第一步。
一旦你确定了自己的长处和短处,你喜欢什么,不知道什么;你可以缩小自我发展的范围。如果你对成为机器学习工程师特别感兴趣,你作为数据科学家的技能将派上用场。然而,您需要研究诸如算法、自然语言处理、神经网络等学习领域。
你需要了解哪些技能对你的职业生涯是有益的,目前或将来。如果你的职业规划要求你使用Python和R作为编程语言,那么学习另一种语言如HTML就没有用了。你不会想做什么都是菜鸟,什么都不是高手。
如果你不问,你就得不到。数据科学家的角色需要大量的技术技能,以及软技能。这是不幸的,但许多人会认为你会知道如何做几乎所有的事情,因为你申请了一个特定的角色。我们已经知道,事实并非如此。总是有改进的空间和学习不同技能的时间。
如果工作中的一个项目有一个严格的最后期限,你被要求完成一个特定的任务来快速跟踪这个过程,然而,你不知道如何处理它,因为你不具备这些技能。你会发现自己陷入困境。从长远来看,直言不讳地告诉你的同事你能做什么和不能做什么,而不是感到紧张和羞耻,会拯救你。你可能会被分配另一项任务,其他团队成员都知道你很乐意做,以确保每个人都能在最后期限前完成。
与你的前辈谈论你的弱点,开启了一场关于自我发展的对话。公司可能希望你在这些方面有所改进,并让你接受特定的培训,或者在工作时间为你分配自我发展时间来支持你。如果一家公司能帮助你成为最好的数据科学家之一,他们会的。
另一方面,你可能会觉得分配给你的任务低于你的技能。重要的是,不要把一天的时间花在做一些简单的事情上,而这些事情对你在另一个领域有好处。这是爬上梯子最简单的方法。和你的上司谈谈你的优势,以及他们如何提高公司的效率,可以解决许多业务问题。这是一个双赢的局面。
申请合适的工作
众所周知,人们申请需要特定技能的空缺职位,但自己并不具备这些技能。如果你这样做,你就会失败。与其根据薪水来申请工作,不如根据你目前的技能来申请。
做一份入门级的工作,培养你的技能,然后从那里开始努力,并没有什么坏处。谦卑自己,量入为出是建立职业生涯的第一步。关键字是'building'。它不会交给你,所以你必须从某个地方开始。宁可从头开始工作,也不要从头上摔下来。
在线课程
有各种各样的在线课程,你可以参加,以提高和增加你的技能。您可以通过Udemy、Coursera、Udacity等学习课程。他们可以学习特定的编程语言,如Python或C++,或者理解数据库管理和SQL。
阅读
网上有很多阅读材料可以帮助你提高对各种主题的理解。教科书,学术论文在网上以及KDNuggets等平台上都可以获得,为您提供优质的资源材料来指导,帮助您理解和建立您的职业生涯。
持续学习是你的自我激励和坚持不懈的方式,以扩大你的技能和发展未来的机会,无论是个人还是专业。你可以决定有一天你对医学感兴趣,并想在该领域结合你的数据科学技能。或者,您可能想成为一名高级数据科学家,但意识到自己缺乏SQL知识。
学习永不停息。总是对自己说“我什么都不知道”;它给了你继续学习之旅的决心。知识唾手可得,如果你不利用它,你就会停留在原地。
能够谦逊自己,推动自己不断学习,这将帮助你提升自己的形象,保持相关性,为自己打开新的大门,并为意想不到的事情做好准备。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23