Возьмите следующий шаг, чтобы расширить свой набор навыков в области науки о данных

Преодолейте следующую ступеньку, расширьте свой арсенал навыков в области науки о данных

От эффективного повествования до стратегического планирования карьеры, навыки, которые вам понадобятся, чтобы продвигаться в вашей карьере в области науки о данных, разнообразны и все более интердисциплинарны. В отличие, скажем, от статистики или программирования, это также области, где структурированные образовательные среды, такие как программы дегустации или интенсивные курсы, помогут вам только на определенном этапе.

К счастью, авторы TDS имеют чрезвычайно разнообразный спектр профессионального и личного опыта и многое узнали о том, что работает и что нет, в реальных ситуациях в широком спектре организаций. В этой статье мы собрали сильную подборку статей, которые фокусируются на этих менее технических, но всё же важных аспектах работы с данными, они предлагают ценные наставления на основе опыта этих профессионалов.

• О, вы имели в виду «управление изменениями»?Непрерывно меняющаяся территория науки о данных всегда является вызовом, особенно в организациях, сталкивающихся с изменяющимися приоритетами бизнеса. Марк Дельбар предлагает свой взгляд на трудности управления изменениями в контексте команд по работе с данными и рассматривает, как руководители и члены команды могут находить баланс между иногда противоречивыми целями.
• 4D в повествовании о данных: превратить науку в искусство““Без повествования научная работа ученых по данным просто сулит цифровое гадание на удачу”, говорит Зижинг Чжу, который далее представляет детальную систему, выходящую за рамки основ визуализации, чтобы помочь специалистам в доставке данных с большей эффективностью и влиятельностью.
• Знайте свою аудиторию: руководство по подготовке технических презентацийРассматривая тему повествования о данных с другой стороны, Джон Ленихан пристально смотрит на подготовку презентаций, сосредоточенных на данных, и предлагает конкретные советы по структурированию ваших выводов таким образом, чтобы вовлечь коллег и заинтересованных лиц и решать их проблемы. (По окончании вы также должны изучить последующую статью Джона о переводе данных в согласованные повествования.)

• Не подавайте заявление в компанию технологий, пока не овладеете этими 6 необходимыми навыками науки о данныхВ своем последнем руководстве, посвященном карьере, Холоуд Эль Алами детально останавливается на ключевых областях, в которых специалисты по данным должны овладеть, если они хотят стать конкурентоспособными кандидатами на роли в крупных технологических компаниях. Основываясь на своем опыте в Spotify, Холоуд охватывает технические и нетехнические навыки и объясняет, как они все в конечном итоге должны быть связаны с измеримым воздействием.
• 3 ключевых карьерных решения для младших специалистов по даннымПомимо относительной новизны этой области, уже существуют довольно устоявшиеся карьерные пути для специалистов по данным, но что если вы не хотите следовать какому-то из них? Новая статья Мэтта Чепмана позволяет начинающим специалистам задуматься о своих приоритетах, проанализировать то, что действительно важно для них, и формировать свой выбор вокруг типов ролей, которые они преследуют.

Если вы хотите расширить свои навыки и знания в обоих направлениях, то мы подготовили для вас отличные материалы, которые вы не захотите пропустить.

• Для нового взгляда на системы рекомендаций загляните на сайт Irene Chang и прочитайте ее введение в Thompson sampling, первую часть в постоянной серии охватывающей эти всеобщие алгоритмические инструменты.
• Узнайте все о псевдослучайных числах и их роли в машинном обучении, следуя простому и наглядному пособию от Caroline Arnold.
• Майкл Галкин и его соавторы подробно рассказывают о своих последних исследованиях и представляют ULTRA – фундаментальную модель для рассуждения на базе баз знаний.
• В своем недавнем исследовании, Мисс Эрин исследует RLHF (обучение с подкреплением на основе обратной связи от людей) и его роль в обучении данных и парадигме обучения, стоящей за последними достижениями в области больших языковых моделей.
• Мы рады представить новый пост-объяснитель от Каролины Бенто: пошаговое руководство по скрытым моделям Маркова, включающее интуитивную реализацию.
• Дебютный пост Джона Флинна представляет наглядное и всестороннее описание современных подходов к непрерывному обучению в искусственному интеллекте и тому, как они стремятся справиться с (главной) задачей актуализации моделей.

Спасибо за поддержку наших авторов! Если вам нравятся статьи, которые вы читаете на TDS, подумайте о том, чтобы стать членом VoAGI – это открывает доступ к нашему архиву (а также к каждому другому посту на VoAGI).

• Овладение силой корпоративных данных с помощью генеративного ИИ Отчеты от Amazon Kendra, LangChain и больших языковых моделей.
• Цепочка данных и ее значение в современном управлении данными
• Исследователи Кембриджского университета представляют набор данных из 50 000 синтетических и фотореалистичных изображений стопы вместе с новой библиотекой ИИ для стопы.

До встречи в следующей перемнной,

Редакторы TDS