京公网安备 11010802034615号
经营许可证编号:京B2-20210330
对于经常阅读我文章的人来说,你可能会认为我是这个星球上最矛盾的人。我不怪你。
我最近注意到,在与人的口头或书面交流中,我对与我交流的人做出了大量的假设。我没有明确地定义非常重要的方面,然后才确切地说明我所说的话,这取决于上下文,有可能冲淡我希望传达的实际信息。
最近,我写了一篇关于如何通过网络简化进入数据科学的初始阶段的文章。作为对这篇文章的回应,我在LinkedIn上收到了很多连接请求,表示他们希望与我连接,以便建立他们的专业网络。
别误会,我对与我交往的人没有意见。事实上,我在写的每一篇文章的结尾都鼓励它。我非常感激我处于一个人们希望与我联系并跟随我在数据科学之旅的位置。与大家分享我的经验的目的是,我希望从我的角度来表达作为一名数据科学家或自由职业者的现实,因为我们都在努力成为不可或缺的。
平淡无奇地说…
联网是浪费时间!
哎呀,我又做了一次。让我解释一下…我们知道的网络方式,或者我们被告知要做的方式,已经完全死了。
事实上,我还没有想出一个足够好的名称来描述什么是真正的网络,所以我仍然将“真正的网络方式”称为网络。
很有可能浪费时间构建你的数据科学网络。这是它的样子;
在我看来,这种网络形式不是网络。完全是哑弹。浪费时间。
以下是我对网络的看法…
如果你正在制作一些有趣的东西,那么总会有人想了解你。
简单明了。
为什么人们想见埃隆·马斯克?如果你说因为他是亿万富翁,你又一次掉进了陷阱。这是错误的心态。如果你在想他的数十亿美元,很可能你在想这对你有什么好处。这是接受者的心态。
人们想见埃隆·马斯克,因为他做人们想要的东西。他是个解决问题的人,我们需要他!
如果您正试图基于上面列出的3个原因中的任何一个建立网络,您绝对是在浪费时间--这些时间可以用来建立人们想要的有趣的东西,从而导致人们想要了解您。
如果你看看LinkedIn上讨论数据科学的热门人士,你就会明白我在说什么;
名单还在继续…
我知道你在读我和你分享的名单时在想什么-
“这些人都在这个领域工作了多年”。
这是千真万确的…每一座建筑都必须从某个地方开始。
分4步开始您的数据科学之旅
从本质上说,当我提到网络时,我想说的是,你应该专注于创造人们想要的东西。做一个创造者。这样,合适的人就会来找你。
从我的观察来看,与我联系在一起的人中最难忘的是那些与我联系在一起的人,原因如下;
这并不是说我没有人和我联系,向我询问工作和其他不在这份清单上的事情,我有。但是,这些人很快就消失了。
在我看来,如果你发现自己试图与网上的人联系除了这三个原因,那么我建议你抓住自己的行为。无论你做什么或说什么,都可能令人绝望,并可能在关系开始前危及关系。
如果你真的想建立一个强大的网络,在你决定开始创建的那一刻,合适的人就会找到你。
要开始创作,你不需要像我一样从一个博客开始;你有很多不同的方法来创造人们想要的东西。
这些想法不必从细节开始。重要的是你开始创造并分享你所创造的--最终,合适的人会来找你。
最重要的数据科学项目
一开始,成为一个创作者并分享你在网上做的事情似乎是一项艰巨的任务,尤其是如果你像我一样天生内向的话--克服这个问题始于分享一件事,然后永远不要停止。如果你希望发展一个强大而健康的网络,那么重要的是你要站在造物主的立场上--从那时起,一切都会来到你身边。
请在LinkedInandTwitters上与我联系,了解我关于数据科学、人工智能和自由职业的最新消息。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16