
数据科学家日常工作的15项原则
作为一个数据科学家,我为我的日常工作总结开发出15项原则,这些是我本人也遵循的:
1、不要用数据说谎或吹牛: 对经验性证据要诚实坦率。最重要的是不要用数据自欺欺人。
2、建立永久工具并分享给他人: 花费一些日常工作时间去建立一些能使自己和他人生活变得轻松的工具(译者补充:我为人人,人人为我)。我们可是该死的人类,我们应该是工具的制造者!
3、不断自我教育: 看在佛祖的份上,你可是个科学家哦。去阅读研究生水平的核心数学和统计方法教材吧,永远不要安逸于你在走廊里从同事那得到的对某个方法的拙劣解释,学习基本原理可以让你玩出花样来。阅读最近的论文,参加研讨会,发表和评论论文。对此没有捷径。
4、提高你的技能: 学好一种语言,这样你才能被称为行家里手。其他语言也要学到能与别人沟通。不要忘记,SQL和英语很象,这个星球上每个白痴都能说,但你只有真正掌握它才可以写出优美的诗篇。学习一种编译性语言、一种解释性语言,和R语言。或者只需要学习R!它是丑陋的,但它会给你一个优势。搞透Matlab,你已经不再是没毕业的学生了。学习Unix,即使你平时使用Windows,学习sed和grep等所有那些东西,你可以用bash和powershell做些奇妙的事情。如果你愿意,也学学Hadoop,但要知道它是一个蹩脚的系统。
5、明白数据科学家有个生存意义 “踢人们屁股并让他们震惊”: 每天做一件与此相关的事。(译者注:kick ass在一般情况下指“很厉害;很拽”,但对于数据科学家来说,通常是用数据来揭示人们错误或具有危险性的行为,以此引起关注,所以用本意“踢屁股”反而比较合适)
6、通过向别人展示工作来经常挑战自我:不要害怕一些恶棍会批评你的工作,粉碎他们。如果你想害怕蟑螂的话,那你就不要走路了!
7、不要吝惜知识,也不要害怕问问题: 有些人对他们的知识缺乏信心,不去分享它,原谅他们,但不要成为他们中的一个。
8、先开发出一些思路,然后听取别人的看法,利用他们关于这一领域所知道的知识,但不要让你自己被其束缚: 如果他们真牛到可以用他们所知道的来解决问题,他们就不会来找你要解决方案了。
9、出去和人们在一起,与之交谈,互通有无,他山之石可以攻玉。
10、为你温和的代码建立个令人印象深刻和交互性强的用户界面: 代码是我们的语言(译者注:但不是用户的,所以……),让你的代码通过好的UI来闪耀光辉吧。
11、有效使用可视化技术,避免难以理解的图形: 可视化的唯一用途是使数据易于理解而非令人困惑。
12、学习新技术,努力理解经典技术的原理
13、多揽多做: 这就是天才工作的方式。不要害怕提出创造性的想法。你听说过“低调说话,高调做事”?不要觉得这很华丽,这其实是无能鼠辈工作的方式,不要成为他们中的一个。
14、保持创造力和关注: 你可以通过创造力和关注取得成功(咖啡因对这个有点帮助,但别过头儿)。
15、积极起来,努力工作。如果有人想阻止你,只管碾碎他们。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14