喜欢VS实用:数据科学家、AI工程师的工具选择指南

开发 前端
我发现了一个很有趣的现象:作为编写代码的人,我们开发了某些带有弱点的工具和技术,即使它们在特定情况下不是最佳工具,我们也倾向于一直使用这些工具和技术。

本文转载自公众号“读芯术”(ID:AI_Discovery)。

我发现了一个很有趣的现象:作为编写代码的人,我们开发了某些带有弱点的工具和技术,即使它们在特定情况下不是最佳工具,我们也倾向于一直使用这些工具和技术。

原因何在?选择工具也是一门学问,我们有责任知道应何时使用正确适当的工具、技术或方法,何时使用我们喜欢的工具。

[[342816]]

何时知道该用什么

作为数据科学家、AI或ML工程师,我们在要处理的任何项目时,一定要知道这个问题需要构建什么样的解决方案。如果对问题陈述有了足够的理解,你会发现构建和实现解决方案也会相对容易一些。

在构建数据科学、AI或ML解决方案时,一定要一步一个脚印地进行。如果目标是构建能够经得起时间考验的解决方案,那么使用系统化或循序渐进的方法构建解决方案是非常必要的。

解决问题时一定要遵循数据科学或ML项目的常规工作流程。在工作流程的每一个阶段,对可能解决手头问题的方法进行研究或案例研究,并查找可供使用的工具和技术。

完成这些事情后,权衡使用每一种工具或技术带来的利弊,并根据自己的判断,选择有助于更轻松有效实现目标的工具或技术。如果有许多选项,则可以选择那些被人们广泛应用认可的工具或技术,这样在使用的时候方便寻求帮助,有助于你有效地利用该工具或技术。

正如穆拉特·伊尔丹(Mehmet Murat ildan)所说的:“选择是丰富的,正确的决定是难得的!”

[[342817]]

图源:unsplash

为什么不应该只用你所喜爱的工具

我们在工作中必须保持开放的心态,这样才能有效地完成任务。只用最爱的工具和技术会限制你,让你意识不到选择合适的工具将帮助你便捷高效地完成工作。

如果你一直想在这个领域保持相关性,那么教会自己如何学习、忘却和重新学习可能是最重要的事情之一。你必须摆脱过去对你来说有用的工具、技术或方法,不断更新、更有效的方法。时间是我们职业生涯乃至生命中的一个非常重要的因素,因此,在进行任何项目的工作时,你应该始终坚持使用可以节省时间的工具、技术或方法。

伊桑塞加尔(Ehsan Sehgal)曾说:“在正确的时间做出正确的决定会使你的生活繁花盛开,反之则会布满荆棘。前者令你享受,后者你必须忍受。”

[[342818]]

图源:unsplash

你要学会选择对你有用、让你的工作更轻松、更快的工具,而不是那些你多年工作中形成的弱点。希望这篇文章有给你一些启发。

 

责任编辑:赵宁宁 来源: 读芯术
相关推荐

2019-02-25 22:57:22

数据工程师数据科学机器学习

2017-08-04 15:53:10

大数据真伪数据科学家

2020-05-29 10:16:45

数据科学数据科学家软件工程师

2019-04-26 14:27:07

大数据数据科学数据工程师

2020-03-13 14:13:48

机器学习数据科学编程

2020-07-19 15:17:41

机器学习技术工程师

2020-04-29 13:45:42

机器学习ML数据科学家

2018-08-19 15:39:56

数据分析数据科学数据工程师

2023-03-20 13:39:00

数据分析开源

2023-03-17 08:00:00

人工智能工具数据科学家

2016-08-02 17:00:12

Hadoop大数据系统

2020-07-22 14:42:40

AI 数据人工智能

2023-05-23 09:34:16

科学家AI

2017-01-11 09:16:49

SQLPython编程语言

2020-04-16 18:09:10

Pandas函数开发

2018-03-20 13:04:55

GDPR数据科学数据保护

2023-12-18 15:54:42

AI 模型

2012-12-26 10:51:20

数据科学家

2018-02-28 15:03:03

数据科学家数据分析职业

2018-12-24 08:37:44

数据科学家数据模型
点赞
收藏

51CTO技术栈公众号