详细内容或原文请订阅后点击阅览
初级和高级数据科学家之间的差距不是代码
为什么我对复杂算法的痴迷实际上阻碍了我的职业生涯。初级和高级数据科学家之间的差距不是代码，这篇文章首先出现在《走向数据科学》上。
来源:走向数据科学在 LinkedIn 或 X 上花五分钟，您就会注意到数据科学行业的激烈争论。它已经发布了一段时间了，但这周，它终于引起了我的注意。
正如您所想，这不是关于最新的模型或 Python 库，而是关于初级从业者和高级从业者的真正区别。
这让我开始思考。
初级数据科学家与高级数据科学家的真正区别是什么？
询问大多数早期职业从业者，他们通常会告诉你前辈只是知道更多：更多算法、更多 Python 库、更先进的深度学习技术。
在很长一段时间里，我也相信这一点。
我记得曾参与过一个小型内部分析项目。像往常一样，我全心全意地投入其中，并为一切的“干净”感到自豪。
我的笔记本井井有条，功能模块化，可视化看起来不错。哦，我什至尝试了几种不同的方法，只是为了看看哪种方法效果更好。
这个项目让我意识到一些非常重要的事情，而我看到数据行业中的大多数专业人士都忽视或不太重视这些事情。
本文并不是要贬低技术技能或假装代码不重要。
我大部分时间都在清理数据和重写笔记本，所以我知道这个行业的技术方面是非常真实和具有挑战性的。
但事实是，决定性的差距并不会出现在模型指标或整洁的代码中。
这是一种思维方式的转变。
这是从仅仅执行任务到决定实际需要做什么、为什么重要以及如何推动现实世界影响的转变。
青少年解决任务。老年人解决正确的问题。
初级数据科学家和高级数据科学家之间最大的区别之一在问题出现在你的办公桌上的那一刻就显现出来了。
作为一名初级员工，我的本能总是一头扎进去。我记得有一次，我被要求分析一组销售数据并为管理团队提供见解。