前端算法系统练习

毅力

对笔者来说，数据科学项目中最有趣的部分是建立机器学习或深度学习模型，并确保它们顺利工作，从而感觉良好。一旦它们符合相应要求，就可以部署这些已建立的模型。

然而，数据科学的很大一部分其实在于处理手头的数据。网络上自然存在的大部分数据都不干净。为了提取有用的数据，必须进行大量的清洗和预处理。大多数复杂的任务都需要进行关键性的分析和计算处理，以获得理想的结果。毅力在每种情况中都极为重要，在数据科学领域，尤为如此。

即使是这个领域的专家，他们也会犯错，并且为了解决某些问题而不得不查资料。这个领域可能是仅有的一个你不需要死记硬背很多东西的领域，因为你可以用谷歌来查找你忘记的东西。

然而，这完全没问题，因为它仅仅是一个学习过程，坚持到底，你才能够成长为一个更好的数据科学家。

较强的决策能力

处理计算任务的复杂情况并评估各种模型结果的质量，这在行业层面极其重要。因此，必须做出强有力的决定，决定什么是解决当前复杂任务的最佳选择和最佳可用资源。

举几个简单的例子，假设一个机器学习任务，你能够发现支持向量机(SVMs)在执行某项任务时的准确率为97%，而像逻辑回归这样的机器学习算法能够以98%的准确率执行同样的任务。数据科学家必须能够确定每个特定任务的最佳选择。

将这个例子进一步扩展到深度学习和神经元网络，数据科学家能够相应地在TensorFlow或Pytorch这样的深度学习框架之间切换，以选择最适合当前任务的框架。

这些显然只是一些简单的例子。然而，对于数据科学家成倍地拓展思路，获取更佳结果来说，决策能力极为关键。

这五种独特的品质是数据科学家必备的的最基本特征。技术技能同样是必不可少的，基础知识和对该学科的深刻理解保证了真正的方法。然而，在笔者看来，想要持久长期的成功，这些独特品质才是绝对必须的。
 

光大银行数字金融部总经理王青林：金融科技带来效率的提升和开放性的发展

“金融科技带来两大变化，一是效率的提升。”王青林说，金融行业曾经一度盛行的规则叫“二八法则”，把最好的资源用于服务20%的客户，这是因为服务成本的限制。金融科技带来效率的提升后，服务另外80%客户的成本变得更划算，有助于提高金融服务覆盖面。

“二是金融科技带来开放性的发展。”王青林说，未来银行网点可能会越来越少，网点要开到线上所有场景空间，这或将带来新的服务模式。
 

沟通技巧

有效交流是生活中大多数事情的核心概念，在大多数工作中也是如此。尤其在数据科学领域，沟通技巧起到关键作用。高效地执行一个复杂的项目，同时进行有效的协调和沟通，是每个数据科学家的必备要求。

一个数据科学家必须要有认真倾听主管、员工和其他任何人的指示的能力。一旦听完，通过激烈的、有意义的、深思熟虑的交流来传达观点和想法，从而处理信息并且有效沟通，至关重要。数据科学家也需要指挥其队友，有效地协调，和组员一起完成手头的特定任务。

团队协作

更多的时候，大数据科学项目需要一批职能明确、积极高效的数据科学家，以最高的效率执行特定的商业风险或任务。因此，他们必须为特定项目制作高质量的模型，为自己的员工提供最好的服务。

团队工作意义重大，因为它需要对正在进行的项目进行一致的信息交流。因此，这项工作需要数据科学家们集体努力，找出最佳的解决方案，提高模型的准确性，并在部署过程中产生最优质的结果。

（编辑：济南站长网）

【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!