
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
2025被称为“AI元年”,而AI,与数据密不可分。网易公司创始人丁磊在《AI思维:从数据中创造价值的炼金术》一书中指出:AI思维, ...
2025-07-17数据分析师的技能图谱:从数据到价值的桥梁 在数据驱动决策的时代,数据分析师如同 “数据翻译官”,将冰冷的数字转化为清晰的 ...
2025-07-17Pandas 写入指定行数据:数据精细化管理的核心技能 在数据处理的日常工作中,我们常常需要面对这样的场景:在庞大的数据集里精 ...
2025-07-17解码 CDA:数据时代的通行证 在数字化浪潮席卷全球的今天,当企业决策者盯着屏幕上跳动的数据曲线寻找增长密码,当科研人员在 ...
2025-07-17CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16MySQL 中 ADD KEY 与 ADD INDEX 详解:用法、差异与优化实践 在 MySQL 数据库表结构设计中,索引是提升查询性能的核心手段。无论 ...
2025-07-16解析 MySQL Update 语句中 “query end” 状态:含义、成因与优化指南 在 MySQL 数据库的日常运维与开发中,开发者和 DBA 常会 ...
2025-07-16如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10