Ti senti ispirato a scrivere il tuo primo post su TDS? Siamo sempre aperti ai contributi di nuovi autori.
Non molto tempo fa, sembrava che ottenere il tuo primo lavoro nel campo della scienza dei dati o passare a un ruolo più entusiasmante nei dati o nel machine learning seguisse una sequenza abbastanza ben definita. Hai acquisito nuove competenze e ampliato quelle esistenti, dimostrato la tua esperienza, ingrandito gli annunci più adatti e… prima o poi, qualcosa di buono ti sarebbe arrivato.
Naturalmente le cose non sono mai state così semplici, almeno non per tutti. Ma nonostante ciò, negli ultimi mesi abbiamo assistito a un certo cambiamento di umore: il mercato del lavoro è più competitivo, i processi di assunzione delle aziende sono più impegnativi e sembra esserci molta più incertezza e fluidità nel settore tecnologico e non solo.
Cosa deve fare un ambizioso professionista dei dati? Preferiamo evitare scorciatoie e trucchi magici a favore di competenze fondamentali che dimostrino la tua profonda comprensione dei problemi che intendi risolvere. I nostri autori più esperti sembrano puntare nella stessa direzione: la serie di articoli che mettiamo in evidenza questa settimana offre approfondimenti concreti per professionisti di dati e ML in un'ampia gamma di fasi di carriera e aree di interesse; mettono in primo piano l’apprendimento continuo e lo sviluppo della resilienza di fronte al cambiamento. Buona lettura!
- Combinare narrazione e design per presentazioni indimenticabili
Indipendentemente dal ruolo, dal livello di anzianità o dal tipo di progetto, uno storytelling efficace rimane una delle competenze più cruciali che i professionisti dei dati possono sviluppare per garantire che il loro lavoro raggiunga il suo pubblico e abbia un impatto. Hennie de Harder offre linee guida attuabili per creare una presentazione avvincente che racchiuda un impatto e trasmetta il tuo messaggio a un pubblico diversificato di parti interessate. - Come continuare a svilupparsi come data scientist
Per Eric Levison“Essere un data scientist implica spesso avere la mentalità di chi apprende per tutta la vita.” Sebbene corsi, libri e altre risorse abbondano, ciò che rende i suoi consigli particolarmente utili è la sua attenzione all'apprendimento che può avvenire durante il normale orario di lavoro, dalla programmazione in coppia e dal tutoraggio agli scambi di conoscenze e ai cicli di feedback.
Fonte: towardsdatascience.com
