<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ThinkChat2.0新版上線,更智能更精彩,支持會話、畫圖、視頻、閱讀、搜索等,送10W Token,即刻開啟你的AI之旅 廣告
                # 評估自己作為數據科學家并利用結果建立驚人的數據科學團隊 > 原文: [https://machinelearningmastery.com/data-science-skills-simple-method-can-use-evaluate-use-results-build-amazing-data-science-teams/](https://machinelearningmastery.com/data-science-skills-simple-method-can-use-evaluate-use-results-build-amazing-data-science-teams/) 成為數據科學家需要哪些技能? 我在[做數據科學:從前線直接談話](http://www.amazon.com/dp/1449358659?tag=inspiredalgor-20)一書中讀到了一個有趣的數據驅動方法來回答這個問題。 在這篇文章中,我總結了這種自我評估方法,您可以用它來評估您作為數據科學家的優勢,以及您可能適合于一個令人驚嘆的數據科學團隊。 如果您愿意,可以使用應用機器學習從業者作為數據科學家的同義詞。 ## 數據科學獨角獸 回顧數據科學家的工作,數據科學的作者看到雇主正在尋找獨角獸。 招聘廣告尋找在計算機科學,統計學,通信,數據可視化和領域專業知識方面不具備優勢的員工。 鑒于“數據科學家”一詞的定義不明確,雇主甚至不知道他們需要什么,甚至他們需要解決什么問題,這也就不足為奇了。 ## 技能直方圖 聰明地,作者列出了招聘廣告中數據科學家所需的常用技能。 他們使用此列表并建議您按照相對比例(0-100)對每種技能進行排名。 最后,他們建議您將結果顯示為條形圖或直方圖。 一個人不具備所有技能,但設計精良的數據科學團隊將會。 本次自我評估的技巧如下: * 計算機科學 * 數學 * 統計 * 機器學習 * 領域專長 * 溝通和演講技巧 * 數據可視化 本書第 11 頁對 Rachel 完成評估的一個例子如下: [![Data Science Profile](img/38452387219e06e0f8fed5538819f620.jpg)](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/11/Data-Science-Profile.png) 數據科學概況 摘自“數據科學”第 11 頁 我認為這是一個有用的工具,可以幫助您專注于自己的優勢,并承認您的弱點,團隊成員可以幫助您覆蓋。 ## 技能直方圖的集合 良好的數據科學成果需要一個團隊。 個人可能具有專業性,并且在其他領域通常較弱。當具有不同優勢的個人聚集到一個團隊中,您就能夠完成偉大的數據科學。 作者如下圖所示(摘自本書第 12 頁) [![Profile of a Data Science Team](img/7abf0a1bef94fb5c40a00d79824b3c2a.jpg)](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/11/Profile-of-a-Data-Science-Team.png) 數據科學團隊簡介 摘自“做數據科學”第 12 頁 ## 評估自己 你從上面列出的 7 個人的力量是什么? 您是否能夠在每種技能的 1-100 之間給自己一個主觀評分? 請參閱下面的我自我評估的嘗試。 [![Jasons Subjective Skill Assessment](img/ce28c1f592e605af0784c1d94c52fa6e.jpg)](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/11/Jasons-Subjective-Skill-Assessment.png) 杰森的主觀技能評估 這個很難(硬。我相信我的優勢可能在于計算機科學,機器學習和交流。上圖表明我的可視化技能并不令人敬畏。 我認為夸大你的技能很容易。好有多好,你如何將一項技能與另一項技能進行比較?如果你的微積分是垃圾,那么擅長計算機科學中的離散數學對你的數學成績沒有幫助。數據是正確的嗎?等等。不過,你必須從某個地方開始。 這里的關鍵學習是識別和減少你的優勢。你無法掌握所有技能。把你最強大的技能帶到桌面上。 在下面發布您的結果,我認為這將是一個迷人的方式將人們聚集在一起進行小型項目或討價還價的比賽。 從上面缺少技能嗎?
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看