数据科学很性感？不，其实它非常枯燥！
|
应对策略：我用GitHub的issue功能建立了一个游戏化的“奖杯板”。每次关闭问题卡片的时候，我都非常兴奋。看到我们“征服”的问题，我会感到十分骄傲。当然，如果我点击“启动”一切都能够奇迹般的正常运行，我会更加骄傲。虽然这一幕只在大学提交编程作业的时候出现过。我一生都记得那一刻的感觉。如果现实生活中再次发生，那可能是什么东西出错了。
GitHub问题板截图 救火(占10-50%时间) 再周全的时间计划，总会发生一些让你偏离正轨的意外。不仅是数据科学，对于任何交付团队经理来说，这就是一场噩梦。具体来说，意外可以分为3类： 外部因素，如范围变更、上游系统依赖和客户抱怨; 内部团队问题，如恼人的bug需要更多的时间解决、团队成员离职但没有做好交接、人力不足、个人冲突等; 以及自己的无知，包含一切五花八门的“其他”事情。 期望： 从头到尾巡检一遍，搞定后，迎接客户、领导、团队的击掌庆祝和拥抱。 现实： 意料之外的事情总是在最不合时宜的时候发生。意外会有一些规律可循，但没有解决问题的万能良方，这让人太心烦了。 应对策略： 遇到高技术问题或跨团队协作，最好将时间周期延长至2到2.5倍，预留足够的空间; 在团队内部设立激进的里程碑; 在心里大骂来平衡情绪，时儿也口头说说发泄; 深呼吸、保持微笑、学会倾听; 和团队一起探索所有可能的方案，依据可行性、所需投入、难易程度确定方案优先级; 都不能起作用，不要再等待了，寻找帮助! 继续推进。以上都不能算是策略，但是在实践过程中可以发挥作用。 总结 本文都在论述真实世界中，从事数据科学工作会遇到哪些困难。有志于从事机器学习工作的人需要知道除了构建模型，事实上还有很多其他要做的。与其他工作一样，你最终都会感到枯燥、受挫。当然，这很正常。但更重要的是，你应该建立一套自己的应对策略，那你就可以长期在这个赛道上，享受沿途的小成就，奔向最终的胜利。 相关报道：https://towardsdatascience.com/data-science-is-boring-1d43473e353e
（编辑：应用网_阳江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
