Sono stato promosso!
Sono stato promosso! La mia carriera decolla!
Come?
Sono entusiasta di condividere che sono stato recentemente promosso!!! Questo è sicuramente un traguardo significativo nella mia carriera. Riflettendo sul mio percorso, inclusi tutti i successi e le difficoltà lungo il cammino, posso vedere la mia crescita dal ruolo di neolaureato a quello di un professionista esperto che conduce diversi progetti. L’anno scorso ho pubblicato un articolo su i sette principi che seguo per essere un miglior data scientist e ho ricevuto molti feedback positivi. In questo articolo voglio condividere ulteriori apprendimenti sullo sviluppo di carriera dei data scientist che mi hanno aiutato a ottenere la promozione. Spero che le mie riflessioni siano utili per accelerare la tua crescita professionale, soprattutto se sei nuovo nel settore.
La promozione significa che stai superando il livello di competenza attuale e il fattore principale che determina ciò è l’impatto del tuo lavoro. Questo articolo non si concentrerà solo su come generare impatto, ma anche su come fornire impatto sia all’interno che all’esterno del tuo team. Entrambi gli elementi sono altrettanto importanti per dimostrare le tue capacità. La struttura dell’articolo è mostrata di seguito:
Generare impatto
Generare impatto significa che devi completare e eccellere nei compiti assegnati. Per produrre costantemente risultati di alta qualità, quali sono le migliori pratiche da seguire? Ecco alcuni consigli che ho riassunto:
Migliorare la produttività
Sono sicuro che avrai sentito molto parlare di migliorare la produttività attraverso la gestione del tempo o l’energia. Ho provato diversi suggerimenti nel corso degli anni. Nell’ambiente lavorativo, il più pratico e utile per me è bloccare del tempo per le ore di lavoro profonde.
- Come ottimizzare i modelli di rilevamento degli oggetti per domini specifici
- Gli strumenti indispensabili per un ingegnere del Machine Learning
- Potenziamenti delle serie temporali
Definisco il lavoro profondo come la ricerca di metodi per risolvere problemi, la scrittura di codice per stabilire flussi di lavoro, lo studio dei risultati dei modelli e il loro miglioramento, ecc. Questo tipo di lavoro è difficile ma fondamentale per i risultati finali. Quando lavoro su questi compiti, non voglio essere interrotto da riunioni…
