为什么这么多数据科学家选择辞职

数据科学家的荆棘

是的，我是数据科学家。

我们读了许多关于数据科学是21世纪最性感的事变的故事，以及作为一个数据科学家人你可以赚到的诱人的钱，这看起来像是一份绝对抱负的事变。

思量到这个规模有大量高手艺的人专门去办理伟大的题目(是的，“专门去”是一件起劲的工作)，这份事变有许多值得热爱的处所。

但究竟是，正如英国《金融时报》这篇文章所述，数据科学家凡是“每周花1-2小时探求新事变”。

另外，文章还指出，“呆板进修专家在开拓者名单中排名第一，占14.3%。数据科学家紧随厥后，为13.2%。”这些数据是由仓库溢出在基于6.4万名开拓职员的观测中网络的。 我也是云云，最近我本身也换了数据科学事变。 那么为什么这么大都据科学家在探求新的事变呢?

在答复这个题目之前，我应该澄清一下，我如故是一个数据科学家人。总的来说，我喜好这份事变，我不想阻止其他人盼愿成为数据科学家，由于这份事变风趣、刺激且有回报。这篇文章的目标是唱反调，揭破这项事变的一些负面影响。 在我看来，我以为许大都据科学家对他们的事变不满足有四大缘故起因。

祈望与实际不符

我熟悉的很多低级数据科学家(包罗我本身)都想进入数据科学规模，由于这统统都是为了用对企业发生庞大影响的全新呆板进修算法来办理伟大的题目。

这是一个机遇，让我们认为我们正在做的事变比我们早年做过的任何工作都重要。然而，环境每每并非云云。 在我看来，祈望与实际不符的究竟是许大都据科学家分开的最终缘故起因。这有许多缘故起因，我不能列一个细致的清单，但这篇文章根基上是我碰着的一些缘故起因的清单。

每家公司都纷歧样，以是我不能代表他们全部人，除了很多公司雇佣没有吻合基本办法的数据科学家来开始从人工智能中获取代价。

这导致了人工智能中的冷启动题目。再加上这些公司在招聘低级员工之前没有招聘资深/有履历的数据从颐魅者，你此刻已经为两边找到了一个破灭和不舒畅的相关的法门。

数据科学家人也许是来编写智能呆板进修算法来进步洞察力的，但他们不能这样做，由于他们的第一项事变是清算数据基本办法或建设说明陈诉。

对比之下，该公司只想要一张他们可以天天在董事会上展示的图表。然后公司会感想沮丧，由于他们以为代价没有被足够快地驱动，全部这些导致数据科学家对他们的脚色不满足。

罗伯特·张在他的博客文章中给低级数据科学家提出了一个很是有见解的提议: 重要的是要评估我们的愿望与我们所处情形的要害路径有多同等。探求要害路径与你的最同等的项目、团队和公司。

这突出了店主和数据科学家之间的双向相关。假如公司不在正确的处所，可能方针与数据科学家同等，那么数据科学家找到其他对象只是时刻题目。

对付那些感乐趣的人来说，胡参孙有一个关于说明团队如安在Wish成立的出色系列，我也认为很是有见解。

数据科学家扫兴的另一个缘故起因与我对学术界扫兴的缘故起因相似:我信托我将可以或许对天下各地的人们发生庞大的影响，而不只仅是在公司内部。

究竟上，假如公司的焦点营业不是呆板进修(我早年的店主是一家媒体出书公司)，那么你所做的数据科学很也许只会带来细小的增量收益。这些可以累积成一些很是重要的对象，可能你也许荣幸地偶尔发明白一个金矿项目，但这并不常见。

政治登峰造极

《政治》杂志已经有一篇出色的文章专门接头这个题目:数据科学中最难的工作:政治，我催促你阅读它。

那篇文章的前几句话差不多归纳综合了我想说的话: 当我早上6点醒来进修支持向量机时，我想:“这真的很难!可是，嘿，至少我会对我将来的店主变得很是有代价!”。

假如我能获得德洛尔，我会回到已往，打电话给“公牛队”我本身。 假如你真的以为知道许多呆板进修算法会让你成为最有代价的数据科学家，那么回到我上面的第一点:祈望与实际不符。

究竟是，商界最有影响力的人必要对你有一个好的印象。这也许意味着你必需不绝地做一些出格的事变，好比从数据库中获取数字，在吻合的时刻给吻合的人，做简朴的项目，这样吻合的人才会对你有正确的观点。在我早年的处所，我不得不常常这样做。尽量令人沮丧，但这是事变中不行或缺的一部门。

对付任何数据，你都是最直接的人

在做任何工作媚谄吻合的人之后，那些有影响力的人每每不大白“数据科学家”是什么意思。这意味着你将成为说明专家，也将成为陈诉专家，别忘了你也将成为数据库专家。 对你的手艺做出过多假设的不但长短技能高管。

技能规模的其他同事以为你知道全部相干的数据。你知道你在Spark、Hadoop、Hive、Pig、SQL、Neo4J、MySQL、Python、r、Scala、Tensorflow、A/B测试、NLP、任何呆板进修(以及任何其他你能想到的与of — BTW有关的数据，假如你看到一份写有全部这些内容的事变类型，请保持清楚。

这是一家公司的事变类型，该公司不知道他们的数据计策是什么，他们会招聘用何人，由于他们以为招聘用何数据职员都可以办理他们全部的数据题目)。

但它并没有就此止步。由于你知道全部这些，并且你显然可以会见全部的数据，以是你应该可以或许通过……获得全部题目的谜底。

嗯，它应该在5分钟前达到相干职员的收件箱。 试图汇报每小我私人你现实知道和节制的工作也许很难。不是由于现实上有人会对你不觉得然，而是由于作为一个没有什么行业履历的年青数据科学家人，你会担忧人们会对你不觉得然。这也许是一个相等坚苦的环境。

在孤独的团队中事变

当我们看到乐成的数据产物时，我们凡是会看到颠末专业计划的用户界面，它具有智能成果，最重要的是，它是一种有效的输出，至罕用户可以通过它来办理相干的题目。

此刻，假如一个数据科学家人只花时刻进修怎样编写和执行呆板进修算法，那么他们只能是团队中的一小部门(尽量是须要的)，这将导致一个出产有代价产物的项目标乐成。这意味着独立事变的数据科学团队将难以提供代价!

尽量云云，很多公司如故稀有据科学团队，他们提出本身的项目并编写代码来实行办理题目。在某些环境下，这就足够了。

（编辑：湖南网）

【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!