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
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