京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者Yulia Lukashina,技术作家。
我完全相信每个人都能做好(赚到好钱!)只有在他们喜欢做的工作中。如果你对你的任务感到无聊,每天都不得不强迫自己,你就不能交付高质量的结果。
但如果数据科学让你感到温暖和轻盈,那么你就选对了打开的大门。你到底是怎么知道的?
或者你的仪表板,你的管道,或者你正在建造的任何东西。你感觉像一个工匠看着他的创作,享受着它的完美。
您对添加的每一行代码都感到更高兴,使您更接近结果。你喜欢打字。您喜欢毫不费力地从记忆中回忆函数,并将它们融入您以前概述的处理逻辑中。
你喜欢学习新的函数和扩大你的“词汇量”。你觉得自己就像一个外语课程的学生,开始理解以前是个谜的单词。
长代码并不总是质量的标志。但你也喜欢优化!您喜欢用刚刚学习的包中的现有函数替换笨拙的自发明函数。
或者您甚至向GitHub提交一个新包,让更多的人使用它!
您喜欢优雅的代码行的外观,它取代了复杂且不可伸缩的解决方案。你喜欢回到你写过的东西,让它变得更好。
嗯,如果您有一个最后期限要掌握,错误消息可能会非常令人沮丧。但好奇心总是好兆头!
你认为,
哇,我的宝贝和我说话!
并咨询搜索引擎的含义。然后您学习工具或编程语言的一个新的方面。你很高兴消费新知识,获得一个达到智慧新水平的机会。
是的,错误信息让我们继续前进!
即使它们一点也不比旧的好。即使它们乱七八糟,违反直觉,您仍然喜欢学习新的数据科学工具。只是因为它让你觉得自己像一个在沙盒里的孩子,建造一个没有人会住的沙堡。
您喜欢深入到新工具并抓住其背后的逻辑。你喜欢逆向工程,你不认为这是浪费你的时间。
每一个新的工具都为你打开了新的思维方式,打开了新问题的新视角,打开了旧分析方法的新角度。
而且它也可能为你的数据科学简历增加价值!
你可能是一个害羞的人,避免公开演讲或在大量观众面前做报告。但你不会克制地回答你最好的朋友关于你工作的问题。你在半意识的层面上为自己的专业领域感到自豪。
你谈论它不是因为你喜欢说话和给人留下深刻印象,而是因为你的职业是你身份的一部分。你可以做你自己,分享你认为重要的东西。
你喜欢在他们的脸上看到理解,理解一件复杂的事情的喜悦,这件事情曾经是激动人心的魔法。你喜欢指导你的学生或同事通过设置,回答他们的问题,消除他们对自己能力的怀疑。
你喜欢培养新一代的数据科学家,或者至少是超级用户。你会感觉到越来越多的人加入了你的秘密数据科学“集团”。
你得到的是原始数据,它没有显示出任何系统化的迹象。那会让你发疯的!
然后,一步一步地,你做一些数据清理,转换它,然后--瞧!-您可以看到清晰的维度、模式和可能的依赖关系。这就像是从飞机的窗户上看飞机起飞时。你当时站在机场大楼附近,但后来你逐渐变得越来越高,突然间你立刻看到了整个城市!
…包括你每周去附近的杂货店。你有一个清单,你有一个计划,哪些货架过去,按什么顺序。不是说你的时间太少,但优化购物路线似乎只是一件很自然的事情!
好吧,这可能是一种夸张。我的观点是,如果你热爱数据科学,你可以在空闲时间继续做。
当我在两个让我感到快乐的领域--数据科学和技术写作--定居后,我的职业生涯开始更加有机地发展。我不再为下一个漂亮的头衔而战。我吸收了新知识,却不考虑眼前的回报。这种态度开始得到回报,尽管确实需要一点耐心。
当你以良好的感觉结束一天时,第二天早上你会更有效率。当你散发出冷静和自信时,你就可以不再担心工作竞争。公司会因为你是一个理性和安全的人而雇佣你:除了是一个高效的数据科学家!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24