牛逼的数据科学家应该具有的8个习惯！

来源：IoT for all作者：Guest Writer------ 【导读】------我被最经常问及的问题是：“你是如何发展机器学习及数据科学职业的？我的回答是要从养成一些重要的习惯开始。以下是对我工作有帮助的，以及我所看到的卓越的数据科学家们所建立的8个习惯。1. 专注的阅读和学习一天只有24个小时，你要阅读的“垃圾”内容恐怕会比“干货”内容多得多，这时，列出一份可信的信息源就变得非常重要——可信的信息源应该包括博客、社交摘要、文库等能提供优质内容的渠道。不要浪费时间阅读像《福布斯》或《赫芬顿邮报》这样的网站，不要在Arxiv上遍阅每一篇深度学习论文。我会长期研究Facebook、谷歌、迪斯尼等公司的研究成果，他们会在固定渠道频繁更新值得一读的内容，像斯坦福大学、麻省理工学院、康奈尔大学等大学也是高质量学习内容的来源。寻找那些你很容易理解的形式和你感兴趣的话题的博客。不同的人表现同一个主题会用写作、演讲、视频等不同的形式，你要选择适合你的沟通或表现风格。2. 优化你的工作区和工具集我可能比大多数数据科学家都有效率，因为我已经优化了我使用的工具。我可以更快地交付项目，因为我不会浪费任何时间与我的开发环境来作斗争。我在Amazon上为我的工作区设置了默认的服务器镜像，而且每一个都是用我找到的最适合编程语言和数据库的IDE（集成开发环境） /环境变量定制的。我为大多数类型的项目都提供了数据源，并在大多数内部数据源中预制了挂钩，安全设置是镜像的一部分。我尝试了很多次、失败了很多次。我使用的配置比我能计算的还要多，在尝试了多种不同的数据科学方法和开发应用程序后，我才达到如今这种程度。打造最适合你的工作区能使你变得高效，这样在毫无准备的业余爱好者面前你就会显得非常专业。3. 倾听业务问题在谷歌自动化取代你的工作之前，你需要找到新的业务问题去解决。我经常听《彭博财经》和CNBC的节目。我会关注为什么公司没有实现收入目标，这些是他们没有解决的商业问题，所以他们愿意为解决方案付费。数据科学或机器学习该如何应对这些挑战?我看到很多预测性的问题；也有一些公司无法预料的突发事件，通常是供应链中断或客户偏好的改变。我也看到了一些涉及数据科学或机器学习能力的问题——公司没有分析数据的能力，这也都是许多公司共同面临的问题。学习如何解决这些问题并宣传你的能力，如果你能倾听他们的业务问题并提供综合解决方案，你对公司的价值就会更高。4. 建立一个专业的网站声誉和影响力是新的营销手段，建立一个专业的网站就有这两个好处。首先，一个专业的网站可以让你找到你可以学习的人；第二，一个专业的网站允许你建立自己的品牌，并在数据科学或机器学习社区中增加个人影响力。像Twitter和LinkedIn这样的社交网站，以及像stack一样的技术网站，都是构建专业网站的绝佳场所。在那里你先跟随观察，然后倾听，当你开始看到社区里大家都喜欢的内容类型的时候，你可以做一个内容整合者，就是简单的整合分享一些你正在读的东西，你的粉丝也可能会喜欢看到你分享的这些内容。开始寻找你自己的声音。当你看到其他人并没有很好地涵盖有趣的主题时，你可以开始创建内容，进行一些有趣的经验分享，使用堆栈，回答问题等等。当你变得专业以后，就开始考虑为开源项目贡献力量或者发布你的研究成果。影响力带来机会，你必须不断提升自己，而不是一味地要求新工作和升职。我通过我的专业网站获得了演讲、内部访问和接触一些客户的机会。记住，付出总是有回报的！5. 增加发言的机会抓住每一个你可以发言的机会。我被称为“影响者”的最大原因之一是我的演讲活动。我喜欢听众数量不多的小型活动，我会准备一个简短的并且大家感兴趣的讨论话题，其余的时间都花在回答问题上。我们都以不同的方式提供价值。我的风格是先满足听众的好奇心，然后再将事件引导到大家关注的领域的要点上。而其他演讲者会把大部分时间花在演示环节上，这样一来，观众就不太能够提出问题，因此演讲者还不如导游更有价值，而这更适合于会议设置，而不是私人事件。找到适合你自己的风格、信息和听众。分享你独特的经历、项目或愿景，你会惊讶于对你的分享感兴趣的人数。当众发言有助于发展你独特的视角。在长期的机器学习或数据科学的职业生涯中，你的观点比你在代码或算法中做出贡献都要有价值。6. 多说“NO”数据科学家和机器学习专家可以做很多不同的事情，这就要求我们做很多不同的事情。在大多数情况下，没有正确答案。学会说“不”，你可以更多的理解你想要从事什么工作和选择你的职业道路。我对工作、书籍交易和那些不适合我个人生活的项目都会说不。这使我更快乐，更专注于我想做的事情。我想要的机会，我必须自己追逐，我应该做一个要求别人的人，而不是被人要求的人。我所知道的最有效的数据科学家都可以得到他们想要的项目、客户和角色。我自己也模仿过这种行为，对我来说效果很好。7. 采用极简主义风格大师们使用最少的代码，最少的数据，最简单的算法，最简单的表达。极简主义是专家数据科学家的标志。8. 有目的地说话&要被理解我只花大约20%的时间与数据科学和机器学习专家进行交流，其他大部分时间用来与非技术受众沟通。他们并不关心机器学习本身，他们有自己想要的结果。要想有目的地说话和清晰的表达，首先得学会倾听。提出问题以了解一个人或群体的真实想法的过程是一种艺术。我还在研究这个问题，但我已经看到大师们能够通过提出正确的问题来剖析问题的根源。一个好的辩证要素是创造一个环境，在这里人们乐于诚实地回答问题，并承认他们不知道的东西，可以给他们一种感觉：花时间回答这些问题将有利于他们，并以一种他们理解的方式以某种方式把他们的答案综合在一起。一旦我理解了这个问题，我就能更加肯定地回答它。我的语言风格所有人都很容易理解，同时我很尊重听众，我希望能用正确的方式引导，让他们会掌握复杂的概念。我认为，以观众能理解的方式表达思想和概念是我的责任。当他们迷失或困惑时，这不是他们的错，而是我的错。这是我自己最难以接受的，这样的观点帮助我提升了很多。我也对你的习惯很感兴趣，你怎样做才能使你变成更好的数据科学家，你又在你努力效仿的人身上观察到了什么？