京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Bigabid首席技术官兼联合创始人Amit Attias
无论一个数据科学家刚刚开始她的职业生涯,还是她已经是一个经验丰富的专业人士,在初创企业工作都有很多优势。大多数创业公司都更加亲力亲为,通常大多数员工都参与了公司的许多方面。这为参与和扩大技能提供了一个很好的机会。
在一个较大的公司,一个团队可能负责研究和开发,而另一个团队负责质量保证。在初创企业,同一个团队可能负责研究、开发和测试的所有方面。因此,创业专业人士接触到了更广泛的经验,因为他们看到了全局,并迅速获得了成为团队领导者所需的工具。
如果一名数据科学家有机会在初创公司工作,这里有六个小贴士将帮助她和其他数据专业人士取得成功:
作为一名团队成员,数据科学家不仅应该在需要代码审查时审查笔记本,还应该阅读团队的所有笔记本和附带笔记本(包括可能有不同关注点的笔记本)。这确保了她对整个过程以及研究是如何发展的获得最充分的理解。数据科学家每天做出无数的决定,他们甚至没有意识到。研究笔记本让她收获了其他人在初创公司完成的代码审查的好处。
好处有两方面:
通过积极地与团队联系,一个数据科学家不仅可以了解其他人在做什么,她还可以发现如何以有意义和有价值的方式做出贡献。
拥抱初创企业的“自己动手”精神,让数据科学家有机会开发软件工具,而在较大的公司中,这些工具将由独立的工程团队开发。这不仅提高了一个人的技能,也使一个人更加自给自足,使一个人能够独立地排除和修复问题。
在一个较小的初创企业,团队中的每个成员都是一个更大的生态系统中有价值的一部分,协调一致地创建一个产品或服务。这转化为参与和理解公司使命的每一个方面背后的推理的机会。
理解用户界面就像理解流程和系统的利益相关者一样重要。当处理一个假设、建立一个内部工具、训练一个模型时,数据科学家必须考虑:
一个数据科学家可以通过寻找用户反馈来更好地理解UI的工作原理,如果在她工作的初创公司有的话。有时,用户可能已经知道什么有效,什么不有效,所以通过倾听他们的意见,可以帮助她决定重点开发哪些功能。从队友那里得到关于可能盲点的反馈也很重要,因为他们的视角会不同,他们的有利位置会发现疏忽。
通过对数据科学家创造的内容承担全部责任,她可以获得用户和团队中其他人提供的有价值的见解,并加以很好地利用。
在一家较大的公司,在测试一个拉请求后,数据科学家的工作就结束了。在初创公司,同一个数据科学家会更进一步,检查功能/模型是如何运行的,以及她的见解是如何实现的。初创企业的数据科学家还必须关注实时监视器和日志,检查其中一些,以发现最初几分钟/几小时/几天内的任何违规行为。
正如这六个小贴士所展示的那样,创业公司的成功需要更高的适应能力,随机应变的意愿,以及在需要时调整方向的能力。它还需要成为一个紧密团结的团队的一部分的愿望,并看到产品或服务的每一个发展阶段。尽管风险可能很高,但回报可能很大。
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