'Towards Data Science(이하 "TDS")' 라는 캐나다 회사의 기술 블로그(Medium)에 "데이터 과학자로서 좋은 습관을 기르는 방법(How to Build Good Habits as a Data Scientist)"이라는 좋은 내용의 기사가 있어 공유 합니다.
<데이터 과학자로서 좋은 습관을 기르는 방법>
이제 곧 3월인데, 불과 두 달 전에 근엄한(solemn) 새해 결심을 세운 사람들은 이미 대부분 포기했을 것입니다. (구글과 ChatGPT가 우리에게 말하는 내용이라네요~.~)
데이터 과학자가 되기 위한 셀프 가이드 여정을 돕기 위해 광범위한 데이터 과학 및 기계 학습(ML)의 맥락(Context)에서 '강력한 습관'이라는 주제에 접근하는 TDS의 기사 4건을 추천합니다. 이 기사들의 공통점은 빠르고 단기적인 수정보다 지속 가능하고 점진적인 개선을 강조한다는 것입니다.
1️⃣ 데이터를 지속적으로 신뢰할 수 있게 만드는 것은 프로세스입니다.(Making your data consistently reliable is a process.)
[link] https://towardsdatascience.com/6-steps-to-making-data-reliability-a-habit-521389b04aca
[저자] Barr Moses, Will Robins
[tl;dr] 저자들은 수백 개의 데이터 팀이 데이터 품질 표준을 유지하기 위해 고군분투하는 것을 관찰했습니다. 그들은 학습한 교훈을 6단계의 장기 시퀀스("데이터 신뢰성 마라톤")로 추출했습니다. 이는 개별 실무자와 전체 조직 사이에서 변화에 영감을 줄 수 있습니다.
2️⃣ 리더십은 세부 사항에 있습니다. (Leadership is in the details)
[link] https://towardsdatascience.com/what-i-learned-from-the-best-and-the-worst-machine-learning-team-leads-c9331f56da4d
[저자] Aliaksei Mikhailiuk
[tl;dr] 뛰어난 관리자와 비효율적인 관리자 밑에서 일하고 몇 가지 ML 프로젝트를 주도한 후 Aliaksei Mikhailiuk는 성공을 가능하게 하는 원칙에 대해 깊이 이해하게 되었습니다. 그는 커뮤니케이션, 인프라 및 문서에 대한 통찰력과 이러한 각 영역에서 개선하기 위해 취할 수 있는 실질적인 단계를 공유합니다.
3️⃣ 타이트한 데이터 과학 기술을 운영하는 방법 (How to run a tight data science ship)
[link] https://towardsdatascience.com/dear-data-scientist-be-organized-969ef0fdeb5e
[저자] Alexandre Rosseto Lemos
[tl;dr] 여러분이 혼자 일하는 컨설턴트이든 리소스가 풍부한 대규모 데이터 팀의 일원이든 관계없이 워크플로우가 혼란에 휩싸이게 하는 것을 거부할 수 있습니다. Alexandre Rosseto Lemos는 최근 조직 기술을 키우고자 하는 모든 사람을 위한 실용적인 가이드를 출판했습니다. 이 가이드에는 데이터 전문가의 요구에 특별히 맞춘 조언으로 가득 차 있습니다.
4️⃣ 여러분 자신의 진행 상황과 성과를 추적하십시오. (Keep track of your own progress and accomplishments.)
[link] https://towardsdatascience.com/a-guide-to-writing-a-winning-self-appraisal-a9d4f5ee3d35
[저자] Semi Koen
[tl;dr] 성과 검토(performance review)가 다가오고 있거나 새로운 직책을 찾고 있거나 상관없이 성취에 대한 강력한 기록을 보유하는 것은 중요합니다. Semi Koen의 최근 게시물은 작업 하이라이트를 실시간으로 자세히 기록하고 강력한 자기 평가를 기반으로 자신을 옹호하는 습관을 들이는 것의 중요성을 강조합니다.
원본 기사는 아래 링크를 참고하세요, 감사합니다.