原文：
towardsdatascience.com/how-to-advance-in-data-science-1e587c32f7c9
由 Tima Miroshnichenko 拍摄的照片：www.pexels.com/photo/man-in-white-dress-shirt-using-laptop-7567434/
一旦你成为数据科学家，知道你的日子、周甚至几个月的学习和努力终于得到了回报，这是一种很棒的感觉。
然而，这只是一个开始。
概率上，你可能不想成为一个普通的数据科学家，而可能是一个优秀的数据科学家。因此，在这篇文章中，我想根据我个人的经验和从这些顶尖实践者那里观察到的结果，谈谈你应该做的一些事情，以将自己提升到数据科学家的前 1%。
持续改进
由 David Gavi 在 Unsplash 上拍摄的照片
书籍《原子习惯》（James Clear 著）中提出的、广受欢迎的一个观点是，每天提高 1%会随着时间的推移产生巨大的复利效应。
-
每天提高 1%相当于 1.01 的 36.5 次方 ~ 38
-
每天下降 1%相当于 0.99 的 36.5 次方 ~ 0.026
由作者绘制。
通过每天作为数据科学家做出小的积极选择，你的进步会累积，推动你进入那个精英阶层。
好吧，这听起来在纸上看起来不错，但你能做些什么来在实践上实施这一点呢？
好吧，最好的方法是每天学习一些新东西。无论它有多小，如果你每天都在积累知识，不言而喻，这将在长期内对你有益。
我可以给你一些例子来尝试：
-
不要使用 Pandas，而要使用 Polars 或 Spark 等包来学习新的数据处理框架。
-
为你经常使用的任何终端或命令行提示符编写别名。
-
在进行代码审查时，询问为什么有人以某种方式做事。
-
与软件工程师配对，学习一些 IDE 的生产力技巧。
一个很好的自我问责的方法是在每天结束时写下你学到的新东西。
担当责任
图片由 Markus Winkler 在 Unsplash 提供
做好日常任务到高水平并没有什么错。然而，为了在数据科学职业生涯中脱颖而出并表现出色，你需要开始承担项目和产品的责任。
这意味着你采取积极主动的方法来改进现有的系统、流程和模型。而不是总是等待被告知该做什么，你积极寻找可以改进的领域。
有这样的主动性将提高你的问题解决能力、领导力以及其他一系列技能。不用说，这可能会吸引你公司的高级人员和利益相关者的注意。
因此，让我们举一些例子来说明你可以如何做到这一点。
这些主要针对初级或中级数据科学家，尽管我相信你们中的高级人员也能从中获得一些灵感！
-
当你在代码库上工作时，如果你发现了一个错误或模型改进，提出来并实施它。
-
自动化任何手动流程，如获取某些数据或模型监控。
-
如果可能的话，自愿领导项目，无论它们有多小。
-
研究潜在的模型改进，并带上一些笔记将它们带到规划会议中。
-
组织围绕改进公司内部某事的黑客马拉松。
有些事情做起来有多容易，这取决于结构和你在公司中的位置。主要的一点是，当你有机会时，尽量争取对任何事物拥有所有权，并尽可能好地完成需求。
精通软技能
图片由 Harli Marten 在 Unsplash 提供
尽管数据科学是一个非常技术性的工作，但软技能对于帮助你晋升至关重要。所有数据科学家都有坚实的数学和编码基础，但如果你能清晰沟通和表达，你的想法将更有影响力。
能够向非技术型利益相关者解释复杂的数学模型，如神经网络，这真是一种超能力。你是一个翻译者。
在大多数公司中，数据科学家与工程师、产品经理和分析师组成的跨职能团队合作。所有这些角色对数据科学的理解程度各不相同。如果你能在这些团队中顺利工作，那么这将有助于更有效地完成工作。
拥有出色的软技能可能带来的最佳好处之一就是信任和影响力。如果人们信任你，你就可以开始在团队和公司内部影响决策。不用说，这一点非常重要。
提高软技能可能有些困难，因为有些只是人类天性的一部分，是我们自然的方式。然而，以下建议对大多数人应该是有用的：
-
抓住机会向不同的受众展示。不要只是向数据科学家展示，向非技术人员展示你的工作，并调整演讲以适应他们。
-
努力与那些你不太常开会但你的工作与他们相关或受其影响的人互动。
-
积极参与会议，不要成为另一个旁观者。
发展软技能是一项终身的事业，但有一些方法可以加速你的进步。
学习相关技能
由Thought Catalog在Unsplash上的照片
假设你是一位专注于推荐系统的数据科学家。这是一个很好的领域，并且对这个技能有需求。
但你知道什么更好吗？
成为一位专注于推荐系统并且知道如何有效地使用软件工程原则和云系统将算法部署到生产中的数据科学家。
我在这里谈论的是技能堆叠的概念。Indeed将技能堆叠定义为
“技能堆叠的概念是个体可以通过获得广泛技能而不是追求单一技能或才能来提高自己的价值”
换句话说，学习新的技能，这些技能可以跨越并补充你现有的知识。
现在有很多优秀的数据科学家，但有多少人也了解像网页开发、MLOps 或软件工程这样的技能，并且达到相当高的水平？
甚至不需要那么广泛，你可以在数据科学领域学习到高级水平。你可以成为推荐系统专家，也可以是计算机视觉专家。
这种技能的交叉使得你在雇主眼中更有价值，因为你是一个能够做一些其他角色工作的人。
你如何获得这些相关技能？
-
确定一个你想要学习的领域，你目前在这个领域并不专长。
-
如果可能的话，找到工作中有机会或项目让你能够练习这项技能。例如，如果你想学习计算机视觉，你公司可能有一个你可以参与的计算机视觉项目。
-
在工作之外学习和学习，并在网上展示你的工作以展示你的理解。
你基本上是想找到一种最简单的方法，将学习相关技能融入你的日常生活。
投入更多时间
照片由 Nathan Dumlao 在 Unsplash 上提供
说实话，要想成为顶尖的 1%数据科学家，你必须投入比其他人更多的时间来磨练技能。
现在，“拼命文化”被视为一种负面现象，这并不是我暗示的。不要整天不停地工作，试图学习太阳底下的所有东西。这既不实际也不高效，最终会导致过度劳累。
然而，关于每天额外投入一两个小时来提高能力和学习新技能的说法是有道理的。再次强调，小的增量收益随着时间的推移会累积。
你如何找到更多时间来发展你的能力？
嗯，这可以是一整篇文章，但我可以给你一些建议，这些在过去对我有效，我现在还在使用：
-
如果你有些日子在家工作，可以利用通勤的时间学习新事物。
-
提前一个小时起床，这又给你多了一小时。不用说，不要为了这个牺牲你的睡眠！
-
在你的日程表中为学习时段设置时间块，以鼓励你投入学习时间。
无论何时何地投入额外的时间，关键是你有它，并且有效地利用它！
当然，你只需在你的日常工作中表现良好，并在业余时间做其他事情，就能成为一名优秀的数据科学家。我想重申，这并没有什么不妥，我非常清楚人们有其他紧迫的优先事项，这使得工作之外的学习变得困难。
这是针对那些想成为顶尖数据科学家的人，这意味着有时需要投入更多的时间。
你认为像 Andrej Karpathy 或 Yann LeCun 这样的顶级研究人员只是简单地朝九晚五就能达到今天的地位吗？我打赌可能不是。
摘要 & 进一步思考
你可能已经注意到了我刚才提到的五个主题中的关键主题。要成为顶尖的 1%数据科学家，你必须持续学习，并且投入比其他人更多的时间。我确信这对你来说并不意外，但成为真正擅长一项技能或职业没有捷径，只有努力和奋斗。然而，拥有方向和明智的学习时间投入方法是很重要的。在不正确的方向上努力可能是危险的，所以你需要首先调整自己。我希望这篇文章能给你一些关于顶尖数据科学家所做的事情的洞察，并帮助你推动你的职业生涯前进！
另一件事！
我提供一对一的辅导通话，我们可以聊聊你需要什么——无论是项目、职业建议，还是只是确定你的下一步。我在这里帮助你前进！
[与 Egor Howell 的一对一辅导通话]
职业指导、求职建议、项目帮助、简历审查topmate.io](https://topmate.io/egorhowell/1203300)
扫一扫
28万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
