Как обучение / наставничество может быть необходимым дополнением к мягким навыкам для специалистов по анализу данных
Есть много хороших статей по науке о данных, но ...
Небрежное чтение статей по науке о данных в Towards Data Science было моим сайтом номер 1, на котором я хотел изучить новые навыки для многих авторов, которые делятся своим путешествием в области науки о данных. Многие статьи предлагают отличное прямое содержание без обширных обзоров технической литературы, что часто приводит меня в замешательство по сравнению со статьями в научных журналах, такими как arXiv.
Чаще всего многие статьи, направленные на то, чтобы научить и вдохновить читателей на смену карьеры в науке о данных, охватывают следующие темы:
- Какая степень / ученая степень позволит вам продвинуться дальше в этой области?
- Карьерные перспективы и типичные описания должностей в области науки о данных
- Рекомендуемые языки программирования
- Типичные алгоритмы машинного обучения, которые вам следует изучить
- Рекомендуемые онлайн-курсы для начинающих и не только
- Как реализовать алгоритм X для решения Y
- Новая структура науки о данных, которая оживит ваш процесс анализа данных
Эти темы абсолютно необходимы при рассмотрении вакансии в области науки о данных. Однако в этой статье я хотел бы выделить определенный soft-навык, который абсолютно необходим всем, кто работает в области науки о данных: общение.
В реальном мире наука о данных - это не просто извлечение необходимых данных из базы данных, обработка большого набора данных и разработка алгоритмов машинного обучения для прогнозирования или классификации заданных проблем.
Это тоже бизнес.
А когда дело доходит до бизнеса, нам нужно не только говорить в технических терминах с нашей командой данных, но также иметь возможность разговаривать с внутренними заинтересованными сторонами и клиентами на языке, понятном всем профессионалам.
Фактически, коммуникация была инкапсулирована как один из основных навыков обработки и анализа данных согласно KDNuggets в 2019 году. Основываясь только на инфографике, я бы сказал, что коммуникация довольно высока в% желаемого навыка.
Типичные требования к работе специалиста по данным
Рассмотрим следующее описание должности специалиста по обработке данных в Rolls Royce, которое напоминает многие другие должности специалиста по обработке данных:
Помимо стандартных технических навыков и опыта в области науки о данных, которые появляются в верхней части списка, выделенные soft-навыки, относящиеся к коммуникации, также являются важной чертой для специалистов по данным.
Итак, почему репетиторство?
С этого момента, когда я говорю об обучении, я имею в виду техническое обучение, которое включает в себя категорию STEM (наука, технология, инженерия, математика).
Мой личный опыт репетиторства
Когда я учился в бакалавриате, я прошел стажировку в качестве инструктора по программированию для детей в First Code Academy. Я обучал многим языкам программирования, включая Python, HTML / CSS / JS для базового веб-программирования, C # в сочетании с Unity для базовой разработки игр и блочного программирования, такого как MIT AppInventor для Android и Scratch.
«Что? Кодирование для детей? Для них это не слишком сложно? »
Да, это может показаться трудным, потому что большинство из нас усвоили это, по крайней мере, в позднем подростковом или раннем взрослом возрасте. Мы думаем, что кодирование - сложная задача, которая, вероятно, будет понятна взрослым с развитым интеллектом. Я начал программировать, когда мне было 20, во время учебы в бакалавриате.
Освоившись с основами программирования на первом курсе, я решил принять участие в этой стажировке и, мальчик, многому ли я научился за этот короткий период времени!
1. Освоение концепции ELI5
ELI5 (Explain Like I’m 5) - это решение сообщества Reddit для многих трудных для объяснения вопросов, и в основном сообщество пытается «приглушить» достаточно, чтобы тот, кто спрашивает, понял.
Когда я обучал младших школьников в возрасте 7–10 лет, у них не было очень развитой когнитивной способности, чтобы усвоить общие методы программирования, такие как переменные, циклы и условные выражения. Их обучение требует широкого использования наглядных пособий, чтобы соединить точки.
Переведите это на науку о данных, и мы поговорим о визуализации данных и объяснении моделей, которые решают их бизнес-проблему.
1.2. Визуализация данных
Когда мы представляем внутренним заинтересованным сторонам и клиентам, мы должны исходить из того, что их сознание - это чистый холст, а мы художники, отвечающие за создание четкой и определенной картины в их головах. Это особенно верно, когда вы единственный, кто отвечает за данный проект. Никто не знает, что и как вы это сделали.
Простое добавление пары ключевых показателей в таблицы и простые диаграммы не поможет. Создание интерактивных панелей управления для руководителей и их пошаговое руководство - неотъемлемая черта многих специалистов по данным.
Я говорю «многие», потому что это может быть работа, которую вместо этого поручили бы аналитикам бизнес-аналитики.
В любом случае умение демонстрировать свои прекрасные наглядные материалы и отвечать их бизнес-требованиям имеет решающее значение для вашей должности, если вы не научный сотрудник, тогда, возможно, это не так важно.
1.3. Объяснение модели
Объяснение вашей прогнозной модели на основе вашего выбора алгоритма также важно, помимо достижения прогнозируемой цели KPI. Помимо хороших прогнозов, заинтересованные стороны могут также захотеть узнать, какие переменные ответственны за чувствительность прогноза.
Именно здесь ваш выбор алгоритмов машинного обучения может сыграть роль в зависимости от того, кто ваш конечный пользователь. Если точность имеет первостепенное значение, вы можете рассмотреть сложные методы, такие как NN или ансамблевые методы. В противном случае объяснение переменных более подходит с использованием более простых алгоритмов, таких как множественная линейная регрессия или логистическая регрессия.
Однако при текущем состоянии фреймворков машинного обучения сложные модели, такие как случайный лес (который также является моим личным фаворитом), имеют функцию важности функций, которая легко визуализирует важность каждой функции, относящейся к модели, что делает ее отличным источником информации для бизнес-менеджеры, на которых стоит обратить внимание.
2. Стратегические коммуникации
Научить кого-то чему-то новому и техническому - определенно сложная задача, особенно когда дело касается чисел и рациональных понятий. На каждом уроке, который я проводил, я замечал, что студенты наиболее внимательны в первой трети урока (каждый урок длится 90 минут). После этого они становятся беспокойными и начинают испытывать трудности с усвоением урока.
Это относится и ко мне, когда я посещал лекции во время учебы в бакалавриате, и мне хотелось бы думать, что многим работающим взрослым людям тоже не хватает времени на концентрацию внимания.
Человеческий мозг не предназначен для использования на 100% нейронов, формирующих память.
Благодаря репетиторству я научился создавать отчеты и презентации таким образом, чтобы максимально привлечь внимание читателя или аудитории.
У разных людей будут свои стратегии, но, по сути, знание того, когда оживить ваш контент, когда он становится немного скучным, является ключом к тому, чтобы произвести хорошее впечатление о вашей работе. Это означает меньше текста и больше визуальных элементов и умение рассказывать истории. Вы также можете придумать творческие аналогии, которые будут резонировать с результатами, которые вы пытаетесь объяснить.
Что касается меня, я использую интерактивные возможности Tableau в своих интересах во время передачи результатов моим заинтересованным сторонам.
3. Сочувствие и терпение
«Вы можете мне еще раз объяснить это?»
«О, ха-ха, я совсем забыл об этом»
Они сказали, с этими невинными щенячьими глазами. Эти вопросы задаются мне почти на каждом уроке, и поначалу мне немного сложно повторять объяснение снова и снова.
Но потом я понял, что я такой же, поэтому с самого начала я не был идеальным академиком!
А потом я понял, что во время работы есть такие люди, как я, которые довольно легко забывают. Конечно, это не удивительно. Ожидается, что многие сотрудники будут выполнять несколько задач одновременно, и когда кто-то отвлекает их от вашей работы на некоторое время, они обязательно забудут.
Поэтому вместо того, чтобы чувствовать разочарование от необходимости повторяться, преподавание может привить в вас сочувствие и терпение, которые заставят вас подумать: «Конечно, я буду рад объяснить вам это еще раз, вот как это происходит…»
Последние мысли
Я использовал свой опыт обучения программированию детей в качестве примера того, как вы можете развить свои коммуникативные способности в области науки о данных. На самом деле, я считаю, что это чрезвычайно помогло мне с моими собеседованиями, где я должен структурировать свое объяснение моего прошлого опыта работы и проектов таким образом, чтобы менеджер по найму мог понять, не добавляя слишком много технического жаргона, если только менеджер по найму технически не склонен.
Но это не значит, что вы должны следовать по этому пути, я уверен, что есть другие способы, которые вы можете сделать, чтобы вывести свои коммуникативные навыки в области науки о данных на новый уровень.
Один из способов - подумать о создании собственного увлекательного проекта и поделиться своими открытиями с друзьями. Если им понравилось, то я уверен, что у вас все получилось!
Я надеюсь, что эта статья каким-то образом помогла читателям улучшить свои коммуникативные способности в области науки о данных!
Если вам понравилась эта статья, подумайте о том, чтобы взглянуть на другие статьи, которые я написал бесплатно на моем личном веб-сайте!
Наслаждаться!
