Tabla de contenidos
Este año es tu año.
El próximo año, mirarás hacia atrás y te sorprenderás de lo mucho que has crecido como data scientist. No lo dudo. Y tú tampoco deberías.
Sin embargo, hacerlo requerirá trabajo y dedicación. Para comenzar bien, quiero discutir 5 propósitos de Año Nuevo para ayudarte a pasar al siguiente nivel.
[cta]
Aprende todos los días
Para ti, este año es un año de crecimiento. Comprométete a pasar al menos 30 minutos de aprendizaje todos los días.
El aprendizaje puede tomar cualquier forma que desees. Podría ser leer un libro, comenzar un nuevo curso en línea, ir a una reunión o comenzar un blog. Si necesitas algunas ideas para buenos libros, mira esta publicación:
Para este objetivo, no pienses demasiado en qué aprender, solo comienza a aprender. Según mi experiencia, casi todos los data scientist están motivados por el aprendizaje, pero creo que a menudo podemos pasar demasiado tiempo pensando en qué aprender. Queremos elegir la mejor materia posible, por lo que en lugar de perder tiempo aprendiendo, pasamos tiempo pensando en aprender.
Eso no quiere decir que no debas pasar un tiempo pensando en lo que te gustaría aprender, pero una vez que tengas una idea, simplemente sigue con ella. Tal vez siempre has querido aprender más sobre el reinforcement learning. ¡Ve y hazlo! Los primeros días de aprendizaje podrían ser descubrir los mejores recursos para el reinforcement learning. Entonces puedes comenzar a cavar.
Además, no olvides que este es tu momento de aprender. Si estás dudando, entonces necesitas cambiarlo. Elige un tema diferente, encuentra otra técnica de aprendizaje o involucra a un amigo para compartirlo juntos. La clave es encontrar una manera de pasar tiempo constantemente aprendiendo todos los días. Si puedes hacer eso, mirarás el año como un año de crecimiento inmenso.
Ser propietario
Independientemente de la función, en 2020, las personas te verán como un ejemplo de cómo generar un valor significativo para la empresa. En lugar de simplemente aceptar un proyecto “tal cual” y marcar las casillas que se te solicitan, desarrollarás una mentalidad de propiedad haciendo las siguientes preguntas:
- ¿Cómo este proyecto acerca a la empresa a sus objetivos?
- ¿Entiendo la visión del proyecto, para poder tener el poder de pensar creativamente sobre posibles soluciones?
- ¿Cómo puedo tomar la iniciativa para asegurar que este proyecto ofrezca valor? Incluso si algunos de esos elementos no son parte de mi “ trabajo”.
Hay muchas otras preguntas que podría hacer, pero estas 3 deberían ser un buen comienzo para cambiar tu mentalidad de un hacedor de tareas a un repartidor de valor . Te sorprenderá cuánto cambiará esto tu trabajo. Te empujará a ser un mejor colaborador, aprender nuevas habilidades y pensar por ti mismo porque tu trabajo no está terminado hasta que hayas aportado valor.
Creo que esta habilidad es especialmente importante para los data scientist porque los datos a menudo abarcan gran parte de la empresa. Esto a menudo significa que tú, como data scientist, debes trabajar en gran parte de la empresa para garantizar que tu trabajo ofrece valor. Si puedes dominar esta habilidad, serás invaluable.
Comienza de forma simple
En 2020, no te dejarás atrapar por la exageración de lo último y lo mejor por el mero hecho de exagerar. Claro, hay modelos complejos que pueden ofrecer resultados espectaculares, pero al comenzar un proyecto, te preguntarás:
¿Cómo construyo mi primer modelo en 1 día?
Si necesitas ayuda sobre cómo hacer esto, echa un vistazo a este artículo.
Construir tu primer modelo en 1 día te obligará a concentrarte en ser simple y solo resolver los problemas más críticos. Lo más probable es que tu modelo sea bastante malo, pero ahora tendrás una línea de base sobre la cual puedes empezar a construir. Es significativamente más fácil agregar complejidad que eliminarla. Seguir esta simple regla te empujará como data scientist a ignorar la pelusa y centrarte en los problemas centrales que necesitas resolver.
Fallar más
Como dice el dicho: “Aprendes más con el fracaso que con el éxito”. Creo al 100% que esto es un fracaso inteligente. Solo fallar no significa que aprendas o crezcas. Fallar y luego tomarse el tiempo para comprender por qué y establecer objetivos de mejora puede ayudarte a crecer significativamente.
Este año, establecerás la meta de ser mejor en el fracaso que cualquier otra persona .
Establecerás objetivos que te llevarán a tus límites y conducirán a algunos fracasos. Y cuando fallas, te tomarás el tiempo necesario para crecer.
Por ejemplo, quizás establezcas una meta de entregar valor con un tipo de modelo de machine learning que nunca antes hayas utilizado. Eso podría ser algo como el reinforcement learning o el probabilistic deep learning. Este tipo de objetivo te empujará fuera de tu zona de confort y te obligará a crecer.
Sin embargo, ten cuidado y asegúrate de que fallas adecuadamente. No es una buena idea asumir un gran riesgo en un proyecto de misión crítica o urgente. Sin embargo, el mismo tipo de objetivo en un proyecto terciario podría tener mucho sentido. Este objetivo complementa bien el objetivo “Comenzar de forma simple”, ya que garantiza que continúes ampliando tus límites. De lo contrario, podría haber algoritmos o tecnologías realmente valiosas que no estés aprovechando porque nunca se diversificaron.
Devolver
Finalmente, en 2020, establece una meta para retribuir a los demás. Encuentra tiempo para guiar, enseñar o ayudar a otros a crecer. La próxima vez que un data scientist junior se acerque a tu LinkedIn en busca de consejos, responde y trata de ayudar. Adam Grant hace hincapié sobre el valor de ser un donante y no podría estar más de acuerdo. No solo ayuda a otros, sino que también te ayuda a ti.
Estoy seguro de que, sin importar tu nivel de experiencia o habilidad, puedes encontrar formas de ayudar a otros en tu camino. Solo tienes que mirar.
Espero que mis 5 propósitos de Año Nuevo te ayuden a comenzar bien el año y te permitan mirar hacia atrás y ver este año como un gran año de crecimiento, aprendizaje y éxito.
Únete a mi grupo de correo electrónico para mantenerte en contacto.