數據科學家和人工智能愛好者Dhilip Subramanian

數據科學、機器學習和人工智能是近幾年來的熱門領域。許多人想成為數據科學家，并通過大學、在線課程或自學投入巨大努力來提升他們的技能。然而，在現實世界中，在工作和解決業務問題方面有很多挑戰。作為一名數據科學家，非技術技能同樣重要。在這個博客中，我分享了我作為一名數據科學家在工作中遇到的個人經驗。

理解業務問題

現實世界中有很多挑戰，學生在大學里不一定要面對。在學校里，他們通常會得到一個結構化的問題和一個流行的數據集，最終得到精確的解決方案。然而，行業中的問題往往是非結構化的和復雜的。對這個問題的任何假設都會在現實世界中適得其反。在深入分析之前，最好完全了解業務問題。理解業務問題需要對問題及其領域進行更多的研究，計劃，向客戶提出正確的問題，并與團隊成員進行討論。

團隊合作

數據科學是關于邏輯思維，在解決問題時產生更多的想法和創造力。因此，團隊合作在數據科學中扮演著重要的角色。多維度而不是單維度思考也是必要的。團隊成員可能來自不同的背景，擁有不同的技能。采取每個小組成員的力量，并相應地分配工作。這幫助我用不同的方法解決了這個問題，并學到了新的東西。

好的傾聽者

另一個關鍵技能是做一個好的傾聽者。數據科學是關于共享和協作的?；旧?，這個人需要理解團隊中其他人的觀點。很多時候，其他團隊成員提出了好的想法，這些想法可能是獨特的，為了在項目中成功地實施，有必要傾聽和理解它們。正如我上面所說，數據科學不是一個人的表演，它總是一個團隊的努力。

文件編制

數據科學或AI是一個快速發展的領域，因此，總會有一些新的和至關重要的東西需要學習。很難記住所有的東西，文檔幫助我克服了這個挑戰。此外，它幫助我明確了自己的思維過程。我曾經記錄我的學習，分析，模型過程，實驗和代碼。此外，我把失敗的實驗和原因寫得很詳細，這有助于我從長遠來看提高我的想法。除此之外，它還幫助我改進了我的溝通和對概念的詳細理解。你甚至可以記錄你學到的或遇到的小事，這些小事從長遠來看會有很大的不同。使用您自己方便的工具來記錄。

敏捷環境

在敏捷環境中工作讓我在每個沖刺開始時都有明確的計劃、優先級和方向。擁有敏捷的心態有助于應對變化和處理不確定性。如果你遇到了不確定性，嘗試選擇，收集反饋并不斷改進。這也給了我一個與不同團隊合作的機會。在每個sprint結束時，以機器學習模型的形式向涉眾展示最小可行產品(MVP)有助于我以更好的形式塑造我的項目。此外，每個sprint結束時的反饋幫助我糾正錯誤并高效地交付項目。

講故事

講故事是數據科學的重要組成部分。我們正在處理數據，創建一個模型，并找到洞察力。但是，這個模型在商業術語中說明了什么？換句話說，這個模型是如何為公司賺錢或解決問題的？利益相關者和管理層對P值或任何其他統計數據都不感興趣。這里的主要挑戰是以一種吸引人的方式用更簡單的術語向非技術觀眾解釋模型。通過一個小故事來解釋模型的一種方法。這是我去年學到的最大的東西之一。始終，包括良好的可視化，它有助于傳達的信息作為一個故事。講故事是一門藝術，它需要時間和大量的練習。

展示產出的創造性

我們總是使用傳統的PPT向客戶或利益相關者展示我們的工作。我們為什么不創建一個web應用程序或儀表板來解釋我們的模型輸出，而不是PPT呢？創建web應用程序或儀表板顯示了對項目的承諾，并與涉眾和客戶建立了聯系。

始終使用版本控制

版本控制是每個人都包括在工作流中的重要事情。它有助于集中管理代碼，而不是將其保存到PC/Laptop或外部驅動器中。這樣，每當您在任何位置處理新項目時，都可以參考代碼或文檔。

編碼

在過去的8個月里，我顯著地提高了我的編碼技能。我在工作和比賽中學到的一件事是編寫函數式或面向對象的代碼，以獲得最大的代碼重用性。這將有助于在未來的項目中使用代碼，并減少當前項目的時間。每當我提到stackoverflow或google時，我都會記錄代碼函數，這有助于我學習編碼方面的新知識。始終遵循最佳實踐，并保持代碼閱讀器友好。

請求幫助

數據科學是計算機科學、統計學、機器學習和領域專業知識的融合。因此，它需要有處理不同步驟的技能，從清理數據到解釋最終模型并部署它。不要被嚇倒，你不可能在一天內掌握數據科學。因此，如果您陷入困境，請隨時尋求幫助，通過這些幫助您將獲得更多知識，并最終使您對自己的方法充滿信心。

繼續學習！

人工智能是IT行業的新熱點，讓我們直面這樣一個事實：所有這些都不可能在短時間內被任何人同化。決定從戰略上采取行動，每天投入一兩個小時學習新概念和解決新問題，包括學習新算法、編碼、閱讀博客、做個人項目等。除此之外，我強烈建議閱讀非技術書籍，這些書籍對流程和講故事技巧有很大幫助，這將是我們繼續前進的一個有用的特征。

激情

在我最初的日子里，我的印象是，在這個分析的世界里，每個人都是一切的主人。但后來我意識到我的假設是錯誤的。我明白這對這里的每個人來說都是一個不斷學習的過程。在這個游戲中保持最新的核心是激情、好奇心和渴望了解更多。無論是機器學習、深度學習還是NLP，解決復雜問題的總是激情。

免責聲明-此博客包含我的個人經歷。如果這些信息對你有所幫助，我很想聽聽。

感謝閱讀！