·
关注 发布于 前往数据科学 ·发送为 新闻通讯 ·3 分钟阅读·2023 年 1 月 5 日
--
就这样,新的一年到了!我们希望你们已经享受了 2023 年的头几天。
我们知道许多数据科学家在这一年开始新的冒险和雄心勃勃的项目,而每一次新的尝试也是提升我们技能或获取新技能的机会。
学习是任何形式的成长的核心,无论是职业还是其他,但还有许多其他目标激励着我们的读者。为了帮助那些刚刚入门(或考虑入门)的人,我们的 1 月版提供了一系列资源来帮助你成为更好的学习者。
作为对该总结的补充,我们将今年的首个变量献给近期的文章,这些文章将激励你采取行动,并为你提供在未来几个月中探索的新想法。享受吧!
-
利用数据的力量推动环境变化。没有数据科学家可以单独解决气候危机,这就是为什么扩大对气候问题敏感的从业者社区如此重要。梅布里特·席林格通过一篇 TDS 首发文章,为更好地理解气候变异性整合了物理学、统计学和时间序列分析,为这一努力做出了贡献。
-
几个简单的决定可以对你的职业产生重大累积效果。新年的决心往往是宏大的且引人注目的——而且到二月份就容易被遗忘。相反,穆尔塔扎·阿里提出了 10 个具体的建议——从学习设计用户研究到选择个人项目——这些建议可以帮助你成为一个更强大、更全面的数据科学家。
-
**是时候推动角色转变了吗?**如果你是一个数据分析师,并且把自己看作未来的数据科学家,玛丽·纽豪瑟的指南是必读的:它涵盖了这些角色之间转换的方方面面。(如果你考虑的职业变动是其他类型的,这也是一个非常有用的资源。)
-
更具多样性的科技领域不会在没有行动的情况下到来。你是从事数据工作的专业人士,想知道如何在组织中促进包容性吗?托马斯·A·多费尔关于多样化团队好处的入门指南是一个很好的起点,可能会帮助你与利益相关者展开重要的对话。
-
不仅要在解决问题上提高能力 — 还要在预防问题上有所进步。对于许多为内部(甚至可能是外部)用户开发数据产品的你们来说,让事情顺利进行不是一些平凡的活动;它正是你工作的核心。玛丽安·诺丁 的最新文章探讨了数据漂移和比特腐蚀的根本原因,并解释了如何以长期可持续性为目标来应对这些问题。
如果你在假期后充满了额外的精力—或者至少日程还不满,我们鼓励你抽出一些时间来关注这些其他近期的亮点:
-
卡罗利娜·本托 带来了一份新的易于跟随(同时也非常详尽)的教程,这次讲解了 ROC 分析和曲线下面积。
-
关于 AI 生成艺术的辩论在 2023 年肯定会继续激烈;史蒂夫·丹尼斯 的文章 讨论了削弱这一技术成就的伦理紧张关系,以及解决这些问题的思路。
-
现在还不算晚,可以再回顾一下 2022 年—至少像 普鲁卡尔帕 的文章一样有洞察力,她评估了 她自己对现代数据栈未来的预测。
-
图形机器学习在来年会走向何方? 迈克尔·加尔金 介绍了你需要跟踪的最新趋势和发展,这些在这个不断变化的领域中至关重要。
一如既往,感谢你对我们工作的支持。如果你希望帮助 TDS 在 2023 年及以后继续发布优质文章,请考虑 成为 Medium 会员。
直到下次 Variable,
TDS 编辑部