"Начиная"

Скорее всего, вы неправильно изучаете науку о данных, вот как научиться вместо этого

Разрушение общепринятых заблуждений для разработки нового набора принципов

Большинство молодых амбициозных специалистов по данным, с которыми я разговаривал, так же, как и я, действительно соблазняются похвалами. Я потратил много времени на поиск идеальных курсов, программ и достижений, чтобы иметь набор значков, которые будут впечатляющими для других.

Проблема? Вы производите впечатление не на тех людей, потому что те, кто обладает высокой квалификацией, просто не заботятся об этом.

Погоня за наградами и значками приведет к тому, что вы закончите эти месячные курсы Coursera в течение 1 месяца, чтобы вы могли поделиться ими, не чувствуя при этом необходимости применять эти навыки. Это заставляет вас чувствовать себя особенным, потому что вы прочитали 52 книги за год, а затем рассказали другим, что сделали это вместо того, чтобы по-настоящему освоить одну или две книги за тот же год. Этот путь не только приведет вас к тому, что вы не достигнете желаемых результатов, но и приведет к созданию собственного синдрома самозванца.

Позвольте мне предложить лучший способ достижения вашей мечты.

Представление лучшего способа изучения науки о данных может быть разрушено рядом заблуждений, которые, как я обнаружил, люди в настоящее время придерживаются. Это может быть связано с неправильным сообщением о ремесле / навыках и слишком большим количеством шумихи, дающей людям ошибочное представление о том, каким должен быть их путь.

Заблуждение №1: Необходимость знать все.

Любой, кто гуглил термин «Наука о данных», «Машинное обучение», «ИИ» или что-то еще, знает, сколько навыков требуется для этого ремесла. Статистика, линейная алгебра, исчисление, Python, R, Spark, SQL, облако, предметная область и т. д. Это невероятно сложно для всех участников.

Из-за неправильного представления о ремесле, а иногда и непонимания потребностей, мы также получаем рабочие роли, которые говорят одинаково, что усиливает ощущение того, что нам нужно знать и быть всем. Нам нужно иметь более 10 лет опыта работы с Tensorflow (смеется), а также докторскую степень в области статистики, а также экспертные знания в области финансовых рынков и сверхчеловеческие способности.

Ремесло развивается достаточно быстро, и эти должностные инструкции становятся лучше, но остается ощущение, что практикующие должны знать и быть всем. Это заблуждение заставляет людей брать все курсы, читать все книги и делать все проекты на kaggle, которые они могут сделать, чтобы улучшить свое резюме.

Вот проблема с этой стратегией: это производит впечатление только на других юниоров.

Старшие и выше, люди, которые фактически принимают решения, и люди, на которых вы действительно хотите произвести впечатление, заботятся о результатах, ценности и том, что вы можете предложить. Они не особо ценят ваши достижения на Coursera. Однако давайте проясним: все с чего-то начинают, и я вовсе не преуменьшаю значение МООК. На самом деле, я написал целую статью о том, как начать работу с недорогими МООК, так что я действительно поддерживаю их в снижении входного барьера для многих людей. Я просто говорю, чтобы вы не обманывали себя, думая, что это принесет вам больше, чем личное чувство достижения, которое, возможно, все еще очень ценно.

Вместо того, чтобы попасть в эту ловушку и чувствовать себя полностью выгоревшим и безуспешно добивающимся желаемого, вот что я бы порекомендовал вместо этого: потратить 6 месяцев на изучение одной или двух тем, а затем еще 6 месяцев применить то, что вы узнали.

Первые 6 месяцев я использовал технику Фейнмана. Пройдите курсы или книги Coursera или что-то еще, что вы можете взять, и выполните следующие действия, чтобы изучить это:

  1. Выберите концепцию, о которой хотите узнать. Если это не разожжет вашего любопытства, найдите что-нибудь о применении темы или будущем развитии темы, что может вызвать этот интерес. Если все еще ничего, вы, вероятно, пытаетесь научиться не тому. Интерес, вызванный любопытством, является важной отправной точкой.
  2. Объясните это 12-летнему ребенку. Если вы не можете объяснить это просто, вы не добьетесь успеха ни на одном собеседовании. Людям не нужны декламации математических формул, им нужно глубокое понимание.
  3. Размышляйте, уточняйте и упрощайте. Дважды проверьте свои предположения и продолжайте улучшать свою способность критически относиться к тому, что вы изучаете. Не принимайте то, что вы читаете, за чистую монету и пытайтесь взломать его, чтобы понять, почему все работает так, как оно есть.
  4. Организуйте и проанализируйте. Организуйте свои мысли на бумаге. Записывайте вещи и проверяйте их в реальном мире, бросая вызов людям. Послушайте их дебаты, контраргументы и наводящие вопросы и посмотрите, как вы с ними справитесь. Если вы не можете, вы можете понять это не так хорошо, как вы думали.

Изучать только одну тему в течение 6 месяцев может показаться излишним, но если вы правильно пройдете этот маршрут (особенно шаг 3), то вы обнаружите, что значительно расширите свой кругозор, чтобы по-настоящему изучить тему. Но вы не будете сосредоточены на неправильных вещах или просто на прохождении произвольных курсов, вы будете сосредоточены на золоте, которое является истинным пониманием.

Следующие 6 месяцев так же важны, как и первые. Вы должны строить, и вы должны строить что-то там, где вам не передают чертежи. Если вы просто хотите узнать о науке о данных, то вам это, вероятно, не нужно, но если вы действительно хотите быть практиком (и хорошим), вам нужно совершить набег на неизвестную территорию и показать, что вы можете постоять за себя.

Люди совершают здесь огромную ошибку, идя на kaggle и делая очевидные проекты, которые все уже делали миллиард раз. Это не имеет ценности для вашего обучения или эффективного использования вашего времени, и это не имеет ценности для людей, на которых вы должны пытаться произвести впечатление.

Вместо этого начните с вопроса об интересующей вас отрасли или области, а затем найдите в открытых API данные, которые связаны с ней. Потратьте значительное количество времени на сбор некоторых из этих данных и их очистку/обработку. Скорее всего, это будет беспорядочно, и вы, вероятно, будете черпать информацию из совершенно разных источников. Это звучит сложно, но на практике это НАСТОЛЬКО большая часть ремесла, так что это резко выделит вас среди конкурентов.

А затем потратьте оставшееся время на создание решения, которое использует навыки, полученные вами за первые 6 месяцев. Бонусные баллы, если вы можете написать об этом или создать контент, в котором рассказывается о том, чему вы научились, или о том, в чем вы потерпели неудачу. Кстати, если вы сделаете это таким образом, вы также будете вынуждены освоить гораздо больше, чем один навык, за эти 6 месяцев.

Это действительно единственный значимый способ научиться этому ремеслу, и лучшие люди знают об этом. Причина в том, что очень немногие люди на самом деле делают это, но те, кто это делает, со временем становятся невероятно талантливыми. Даже если в конце им не удастся создать идеальный проект, уроки, извлеченные на этом пути, и история, которую они могут рассказать, гораздо ценнее.

Заблуждение № 2: Слишком большое внимание уделяется математике, но недостаточное внимание уделяется людям.

Я думаю, что это связано с искаженным представлением о ремесле и о том, что действительно необходимо для того, чтобы стать успешным специалистом по данным/инженером по машинному обучению. Хотя математическая и статистическая теория действительно ценна, обычно вам не нужна команда, полностью укомплектованная всеми, кто обладает этими навыками. На самом деле, если вы формируете команду, вам нужно больше людей, которые разбираются в инженерии, а не в математике. Обычно именно поэтому людям трудно получить работу, просто зная математическую теорию и не имея большого количества проектов за плечами.

Вы определенно меняете правила игры, если знаете математическую теорию, но только если знаете ее в контексте программирования. Если вы не можете кодировать или демонстрировать свои способности кодирования, то это 100% то, с чего вам нужно начать.

Однако последующая проблема этого заблуждения заключается в том, что два мира программирования и математики постоянно обсуждаются, но коммуникативные навыки и навыки работы с людьми списываются как «мягкие». Это на самом деле очень вредно для будущих перспектив, потому что влияние на людей и общение — очень большая часть ремесла, и это невероятно сложно. На самом деле, это настолько сложно, что я с уверенностью могу сказать, что большинство людей, которые думают, что обладают этим навыком, на самом деле им не обладают.

Эта способность включает, но не ограничивается:

  1. Возможность по-настоящему выслушать потребности вашего клиента или делового партнера и задать конкретные вопросы, которые прояснят проблему.
  2. Предложите решение, которое непосредственно решает проблемы, которые у них есть, которые они могут понять и поддерживать.
  3. Постройте доверительные отношения с вашим клиентом за короткий промежуток времени, чтобы он доверял вам решение своей проблемы и оказывал адекватную поддержку.
  4. Уметь влиять на правильных лидеров, чтобы они изменили или попробовали другие идеи, которые, по вашему мнению, будут работать, но изначально не были предложены. Возможность продавать свои идеи осуществляется почти каждый день в этой функции.
  5. Рассказ. Это 100% навык не у всех, и это не просто визуализация данных. Сторителлинг — это искусство донести сложную идею в ясной и лаконичной форме, чтобы она оказала на людей значимое влияние. Как правило, в условиях бизнеса это означает изменение какого-либо действия или политики в ответ на историю.

Ничто из вышеперечисленного и многое другое не работает, если у вас нет навыков работы с людьми. Моя работа заключается в том, чтобы иметь дело с людьми в течение всего дня, поэтому, пожалуйста, убедитесь, что вы развиваете их так же, как изучаете технические глубины ремесла. Техническая глубина может помочь вам войти в дверь, но вы невероятно быстро столкнетесь с карьерной стеной, если не сможете влиять на людей.

Заблуждение № 3: Оптимизация для пункта назначения, а не для пути.

Наука о данных, машинное обучение и искусственный интеллект — это не ремесла, которые являются конечными точками. Это ремесла, которые требуют, чтобы вы продолжали учиться и изобретать себя заново. Не обязательно для того, чтобы оставаться актуальным, но больше для того, чтобы продолжать повышать уровень ценности (для себя и других).

Вы должны быть тем, кто обогащает свой ум, чтобы продолжать расти и совершенствоваться, иначе это ремесло может быть для вас действительно несчастным. Это ремесло создано для тех, кто делает больше, чем им говорят, в основном из-за их страсти к обучению и творчеству.

Из-за этого вы должны любить путешествие, потому что это бесконечная игра. В этом ремесле нет реалистичной конечной точки, и если вы думаете, что она есть, значит, вы играете не в ту игру. Даже для одного проекта часто существует бесчисленное множество способов улучшить первоначальную идею или модель в момент реализации, но вы должны знать, когда нужно уйти и быть довольным тем, что вы сделали. Поле никогда не перестает развиваться, потому что оно имеет слишком много огромных глубин, чтобы их можно было пересечь.

Если вы видите самое ценное в том, что вы носите титул «Data Scientist», то он никогда не заканчивается (старший, менеджер, вице-президент и т. д.), и вы сосредотачиваетесь на вещах, которые на самом деле в любом случае не будут иметь никакого значения. Обратите внимание на то, что на самом деле могут сделать и что делают те, кто обладает этими навыками. Обратите внимание на то, как они думают и как строят эти ментальные модели. Их конкурентное преимущество не в титулах и наградах, а в способности критически мыслить в невероятно эффективном темпе для решения чрезвычайно сложных бизнес-задач с помощью технологий.

Этот навык приобретается только тогда, когда вы любите тратить время на то, чтобы становиться лучше.

Новый набор принципов

Разрушая распространенные заблуждения, возникает необходимость в новом наборе принципов, которыми вы будете руководствоваться в своем путешествии. Какой бы ни была причина этих заблуждений (плохие ожидания, плохие объявления о вакансиях, слишком много шумихи и т. д.), крайне важно, чтобы вы читали, разговаривали и учились у реальных практиков в этой области о значимых способах прогресса.

Принцип № 1: учитесь импульсивно, а не быстро

Сосредоточение внимания на скорости приведет к тому, что вы произвольно закончите каждый МООК, вместо того, чтобы сосредоточиться только на том, что вам нужно, чтобы понять одну часть концепции, которая вам нужна для проекта. Обучение с импульсом подразумевает, что вы понимаете, как построить правильный набор фундаментальных блоков, чтобы вы могли двигаться быстрее в будущем. Это лучший способ воспользоваться составным ростом для себя.

Принцип № 2: учитесь вместе с другими, а не в одиночку

Лучшее время для активного присоединения к сообществу — вчера, а второе лучшее время — сегодня. Взаимодействуйте с окружающими вас людьми, задавайте им вопросы о том, что они конкретно знают, и старайтесь глубоко понять, как они думают. Открыто делитесь своими знаниями и неудачами, чтобы будущие практики могли стать лучше. Точно так же, как проверенный и верный метод снижения риска заключается в диверсификации и распределении вашего риска, проверенный и верный метод усугубления роста заключается в диверсификации и расширении вашего сообщества.

Принцип № 3: учитесь с неуверенностью вместо уверенности

Бесконечные игры — это игры, в которых нет четкого набора правил, начальных и конечных точек и произвольных конкурентов. Бесконечные игры бесконечно развиваются и полны неопределенностей, тогда как конечные игры — полная противоположность. Это ремесло находится в гораздо более быстром движении, чем можно разумно двигаться, но это будущее того, как мы ведем бизнес и живем. С этого момента скорость будет только увеличиваться, так что вы должны быть в порядке, танцуя в неопределенности путешествия, а не зацикливаясь на определенности любого произвольного пункта назначения.

Если у вас есть какие-либо мысли о том, какие заблуждения я, возможно, пропустил, или принципы, которые эти три не охватывают, пожалуйста, прокомментируйте и примите участие! Хотелось бы расширить свой кругозор и продолжить дискуссию.