資料科學太難?這些陷阱請避開,正能量很重要!
很多人可能都會有這樣的疑問:網上有這麼多可用的資源,為什麼保持學習資料科學的積極性這麼難呢?
無論你怎樣學習資料科學,你總會遇到一些會扼殺積極性的挑戰,碰上一些讓你覺得自己很渺小而無能為力的工作,或者聽到惡魔在你耳邊低語,“這太難了,放棄吧。”
但你不必獨自面對這個難題。這篇文章將會提到一些打擊學習積極性的陷阱。希望你在瞭解了這些陷阱之後,走向資料科學的職業道路會更加平坦。
確保你適合學習資料科學後再開始學習
資料科學家這一職業很吸引人,薪水高、工作有趣、受人尊崇。因此許多人想做資料科學家。
對大資料以及人工智慧概念都是模糊不清的,該按照什麼線路去學習,學完往哪方面發展,想深入瞭解,想學習的同學歡迎加入大資料學習qq群:458345782,有大量乾貨(零基礎以及進階的經典實戰)分享給大家,並且有清華大學畢業的資深大資料講師給大家免費授課,給大家分享目前國內最完整的大資料高階實戰實用學習流程體系 。
但是,即使你對資料科學很感興趣,如果你討厭它的日常任務以及那種感受,那就很難保持積極性了。
對大多數初學者來說,在真正進入到“做”的階段,即構建全面的資料科學專案之前,可能要經過數個月的學習。這時候你意識到自己討厭這一過程的話,對自身將是一個很沉重的打擊。
如果你選擇從事資料科學家這一職業,你要適應以下的任務和這些任務給你的感受。
感受:
· 學習永無止境的感受。
· 超出能力範圍或被壓得喘不過氣的感受。
· 一次次的失敗才迎來一次成功的感受。
· 花費了數週心血的專案失敗了或被忽視的感受。
任務:
· 在完全沒有任何基礎上自學的技能。
· 花幾十個小時解答一個看似簡單的問題。
· 將自己與(看似)更成功的人作比較。
· 與不瞭解(不關心)資料科學的人談論資料科學。
· 做準備佔95%,執行只佔5%的工作。
· 做很多不那麼吸引人的工作(資料庫建立、資料再加工……)。
· 敲程式碼……無窮無盡地敲程式碼。
建議:學習之前要做好研究
資料科學家這一職業很棒,但同時也能給人帶來巨大的打擊。
在開始學習之時做一點研究,堅持完成資料科學學習的機率會大大增加。
學會處理焦慮
做研究時你會發現一個不幸的事實:要做一名資料科學家,你要精通很多工具,會許多技能,這會讓人覺得成為資料科學家的希望很渺茫。
你可能會開始問自己:我要不要再讀個博士?沒有工作經驗的話,我怎麼才能學到這些技能?我能夠學會這些東西嗎?
學習資料科學之初,你會覺得很焦慮,壓力大。這很正常,每個初學者都會這樣。但要記得剛開始學習的這段時間對於你未來是否能成功至關重要。你在最初幾周裡養成的學習習慣會一直延續下去,並決定你在之後的學習中會如何應對壓力和焦慮帶來的負面影響。
如果你能從一開始就找到處理壓力和焦慮的健康的方法,那麼隨著時間的推移,你學習資料科學的信心將會更堅定,積極性會更強。
要提醒你的是,在剛開始學習的這段時間內,你絕對不能採用不健康的方式來應對負面影響。
什麼方式健康什麼不健康,很大程度上因人而異。以下是一些不健康的應對壓力的方式,不要踩雷。
對學習感到不知所措時,不要購買全面的課程或教科書
要是你真的購買了全面的學習課程或者教科書,學習就好像變成了別人交給你的苦差事。更糟的是,因為沒有努力去規劃自己要學的東西,你便不知道學習某種技能或概念的原因是什麼。結果如何呢?一旦你購買了網上課程,你的學習積極性就迅速下降。
不要這樣做的原因 :即使你能從別人的課程中學到很多東西,還是建議你不要這樣做。為什麼?因為在資料科學的學習過程中,你學到的最重要的技能便是你能夠自學。
在自學過程中,你可以發現自己技能中的漏洞,學習新技術以填補漏洞,並制定一份可行的計劃來學習這些技能。如果僅透過現成的課程來學習,那你就會少這方面的經驗就會很欠缺。
隨著時間的推移,情況會變得更糟。當你真的成為資料科學家時,你可能會遇到一個十分獨特的任務,對於那個領域的問題,你完全沒有任何經驗。這時候如果慕課或教科書上沒有你需要學習的技能,那你的日子就很難過了。
在壓力大時不要推遲學習或指定某一天來學習
初學者可能會犯的最大錯誤是推遲學習。如果你覺得太忙了所以推遲,那沒關係。但如果你想學有所成,就要每天留出時間來學習。如果你沒有每天練習和學習,你的學習積極性很快便會減弱,最終你會對這份本可施展你的抱負的職業失去興趣。
不要這樣做的原因 :成為資料科學家的過程是一場馬拉松,而不是短跑。這個職業所需的廣泛技能只有透過長期不懈的努力學習才能獲得。如果你試圖在短時間內學會所有技能,最終只會耗盡自己的精力,失去繼續學習下去的積極性。
更糟糕的是,如果你有時間就學,沒時間就不學,那你可能永遠也不會真正踏上學習的旅程。如果你真的這樣做了,你的大腦會形成一個觀念,認為有時間的時候才能學習。對於資料科學來說,有這種想法便意味著你的職業生涯快要終結了。
建議:儘早養成健康的學習習慣
不管你是想要在事業上有所作為的全職工作者,還是想要從事自己感興趣的職業的在校學生,你們都要養成一個健康的學習習慣來應對壓力。
學習之初可以養成的一些健康的習慣:
· 每天留出時間來學習新東西。
· 加入資料科學的學習社群,你會發現很多人和你一樣有焦慮感。
· 如果你在學習中感到疲憊和焦慮,那就抽空用最近學到的知識來做個專案。這是很好的減壓方式,可以讓你回顧學習資料科學的初衷。
學會應對學習時的不知所措
真正開始學習資料科學的技能以後,你會發現要關注的東西很多。這時候,你可以列出未來半年裡想要學習的8到12個技能。 看看斯瓦米·錢德拉賽卡蘭的資料科學技能地圖,你就明白了。
第一次看到這張圖的時候,很多人可能會被要學習的技能之多嚇到。一個人怎麼能自學學會這些技能呢?不幸的是,這種不知所措的感覺會一直伴隨著你。
當你感覺已經掌握了一個概念或技能的時候,馬上又要在學習列表上加上五項新技能。隨著時間的推移,你需要學習的技術變得更新,更復雜,情況也就變得更糟。
學習的重負令你不知所措時,如果你沒有應對的計劃,那麼可能有兩種結果。
第一種結果 :你開始感到非常焦慮,因為需要學習的技能太多。你越焦慮就越難專注於一件事。你可能會花上幾個月的時間在不同的技能之間來回轉換,拼命地想一次學會所有的技能,最後一項技能也沒掌握時,你就會很沮喪。
第二種結果 :尚未掌握的技能太多,把你壓得喘不過氣來。這種情況繼續下去的話,會嚴重影響到學習積極性。你會把學會的和沒學會的技能進行對比,然後一天比一天沮喪。這時,你就會覺得自己取得的任何進步都毫無意義,自己不可能成為一名資料科學家。
任何一種情況變得越來越嚴重時,學習資料科學的積極性也會被慢慢消磨掉。但別擔心,有了詳盡周到的學習計劃和學習的重點,我們就可以在學習之初解決這些難題。
建議:有條理地學習,循序漸進
資料科學本身涉及的領域很廣泛,想掌握這眾多技能的唯一方法就是循序漸進,一次只學一種技能。無論你想怎麼學習資料科學,都要制定線型的、有條理的學習計劃,一次只集中精力學習一種技能,這可以讓你在面對眾多要學習的技能時更遊刃有餘。
如果你想制定自己的學習計劃,你可以構建斯瓦米那樣的技能地圖。但是,看到要學習技能那麼多,你可能會覺得喘不過氣來。這正是循序漸進的優點所在。
應對學習重壓的最佳方法是設定短期目標,將注意力集中在最重要的技能上。原則是——任何時候都要列出下個月要掌握的最重要的三個技能。
整整一個月,你可以只將注意力集中在這三種技能的學習上。看到自己有進步,每天激勵自己學習就容易多了。每個月結束時重新評估自己學習到的技能,並再選出應該集中注意力學習的更有價值的三個技能。
你可以參照以下步驟問問你自己:“現在我已經學了這些技能,接下來我需要學習的最重要的三個技能是什麼?”把答案寫下來,下個月集中精力學習它們。
對大資料以及人工智慧概念都是模糊不清的,該按照什麼線路去學習,學完往哪方面發展,想深入瞭解,想學習的同學歡迎加入大資料學習qq群:458345782,有大量乾貨(零基礎以及進階的經典實戰)分享給大家,並且有清華大學畢業的資深大資料講師給大家免費授課,給大家分享目前國內最完整的大資料高階實戰實用學習流程體系
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69903766/viewspace-2636542/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 避開大資料營銷三大陷阱大資料
- 資料偏移、分割槽陷阱……我們這樣避開DynamoDB的5個坑
- 這些資料科學技能,才是老闆們最想要的資料科學
- ElasticSearch這些坑記得避開Elasticsearch
- 資料分析很難學?60天就夠了!
- java太難學Java
- 新聞資料使用要領清單:避開陷阱,完善處理流程
- 關於資料科學家,我們應該知道的這些事資料科學
- (資料科學學習手札89)geopandas&geoplot近期重要更新資料科學
- 想入門資料科學領域?明確方向更重要資料科學
- 工作中的正能量和負能量
- 校園創業指南——這些“坑”要及時避開,這些準備要做好!創業
- 讓科學重回資料科學資料科學
- 巨大的科學難題需要大資料解決方案大資料
- 大資料基礎軟體廠商請小心“開源”陷阱!大資料
- 學習java很難嗎?Java
- 不懂開發請不要說這很容易實現
- Oracle學習的一些建議 興趣很相當重要Oracle
- 資料科學資料科學
- Redis開發運維的陷阱及避坑指南Redis運維
- 誰說資料分析很難?看完這7大分析套路後,還學不會的來找我
- 人的資料科學與機器資料科學資料科學
- 個推資料治理實踐分享:這些避坑經驗一定要看!
- 規避立項陷阱,國內開發者應該如何解決選品難點?
- 資料科學難在實踐,有哪些彎路可以不走?資料科學
- eMarketer:收穫大資料的果實很難大資料
- 這七家BAT公司,誰家資料科學家更多BAT資料科學
- 為什麼這麼多人覺得前端開發很難做下去?前端
- 除了Kaggle,這裡還有一些高質量的資料科學競賽平臺資料科學
- 【資料科學家】如何成為一名資料科學家?資料科學
- Python資料科學(三) python與資料科學應用(Ⅲ)Python資料科學
- Python資料科學(二) python與資料科學應用(Ⅱ)Python資料科學
- Python資料科學(一) python與資料科學應用(Ⅰ)Python資料科學
- 《The Pudding》:科學證實女性牛仔褲的口袋很難裝下智慧手機
- 金融資料分析系統很難懂?這3點你要了解!
- 函數語言程式設計很難,這正是你要學的原因函數程式設計
- 學習3D建模很難嗎,是不是很辛苦?3D
- 通往資料科學之路資料科學