三要三不要：成功数据科学家都知道的黄金法则
数据科学和人工智能可谓当下最为热门的领域，也是人们最常提及的实体类数据管理。数据科学与人工智能持续发展成果不断，给人们提供了各种机会。但在成为优秀的数据科学家或机器学习操作者之前，你必须遵循几条黄金法则来提高生产力。 笔者学习机器学习和深度学习模型有一阵子了，也一直在做各种项目。根据笔者的经验，“三要三不要”法则你最好能从一开始就了解。话不多说，来看看关乎你数据前途的要点。
一要：广泛搜查，持续学习
这些领域每天都在进步。技术发展迅猛，所以紧跟发展、了解数据科学中的最新成果显得越发重要。查找项目、任务甚至是一个简单的数据科学术语，都必不可少。向他人学习，特别是一些专家的观点，这些人都有着自己的见解，你可以学习运用。 查找和批判性思考就是提升水平的一种途径。极力推荐大家到Youtube上看一些高质量的视频，比如数据科学、人工智能、数学或编程频道。多读书，论文更重要，后者是获取正确知识的关键，对你理解数据科学的某个话题也有帮助。
一不要：放弃!
数据科学有时会很棘手，初学者刚上手会很难。不少人看一眼这个领域里的话题都害怕。其实，它同编程一样，出现错误意味着你会学到新的东西。不论到网上寻求解决方案，亦或自己攻克，从中你都会获得满足感。 初出茅庐不会解决问题也不要紧，只要持之以恒寻找出路加深理解，你就会进步。哪怕是专家也会犯错然后找资料解决特定问题。这大概是唯一一个不用恶补知识的领域了，忘记的知识谷歌上都可以查。 笔者鼓励大家转变对挑战性任务的看法，多几分享受。失败乃成功的奠基石，在数据科学中，犯错越多学的就越多。振作起来学习吧!
二要：实践操作
想要欣赏数据科学的“真善美”，最好要有很多项目的实践经历。可操作性高的任务和能力范围内的难题绝对给你很妙的体验。从理论的角度了解数据科学背后的机器学习、数学概念很关键。当然也要知道如何实操，不要怕麻烦，你要独立完成这些。 设想一个多层次感知器或神经网络的反向传播，你可能知道这些概念在数学和理论方面意味着什么。但实际操作和摸索方案也同等重要，后者对于提升和面试大有益处。 哪怕是一个简单的机器学习算法，都建议不要用算法库或类似的辅助工具。试着发现最好的办法，上手操作。如此可以提升技巧，对概念有更全面的理解。
二不要：犹豫不决，我要不要寻求帮助
过程中碰壁再正常不过，而数据科学的迷人之处就在于背后有非常优秀的群体，里面有很多人才和资源可以帮到你。Stack Overflow、discord channels、YouTube、免费的在线编码训练营、GitHub等有关数据科学的平台。 跟他人或者专家沟通交流也是明智之举。有效的沟通可以纠正你对某个话题的误解。同样，沟通能让他人听到你的观点，自己也能学到点。交流得越多，观点越完善，最大的作用是自己的社交能力会有所提升，这也是团队工作需要的。 过去笔者对于寻求帮助犹豫不决，认为凭自己解决所有问题才是正确的。但有时候也许是理解错或者有瑕疵，自己试过仍不行，就可以去问朋友或专家，请他们帮你!
三要：保持探索，建立新项目，积极实践!
人工智能与数据科学浩瀚无边，有很多东西等着我们去探索。置身于庞大的领域中，实践对于更新自己的能力和实操技巧愈发重要。发展从未停止，其中各个方面也包含很多知识，所以请坚持编码和实操! 积极参加网络上的竞赛。Kaggle就挺不错，上面会举办一些高权威的数据科学比赛。别怕成绩不好，只要学到东西就好。还有很多网站可以提升编码技能或参加比赛，比如HackerRank。加入群体后你可以向更多爱好者取经。 可操作的项目和想法数不胜数。选一个就可以着手开始了。不断学习的最佳办法就是多做!找更多的项目，更新技能!
三不要：问题解决后不要停止对更好方案的追求
恭喜各位完成了项目!但是还有更多等待你去挖掘。这个领域的魅力之处在于它提供了多样的选择。你所建的每一个模型和项目都有很大的提升空间。考虑别的可能性、其他方法和提升是好习惯，你会得到更好的结果。 最初，笔者每完成一个项目都会非常激动，着急做下一个任务。这没毛病，但往往你的项目是可以进一步提升的。在进行下一项之前，列出项目中可以完善的几个方面。
总而言之，不断学习、不断实践、不怕失败、完善技能，这些就是你通向数据科学大师的不二法门。
标签：法则,项目,科学家,学习,科学,三要,不要,数据 来源： https://www.cnblogs.com/jinsexiaomifeng/p/14095419.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。