Estos son solo 3 de algunos errores que descubrí cometiendo y aprendí a ser más consciente. Esperemos que otros científicos de datos se relacionen y agreguen a esta errata de práctica de DS:
- Perder de vista la imagen más grande y la imagen más grande es el negocio. Esto puede suceder si está demasiado involucrado con la complejidad de su modelo, o simplemente intenta calzar su problema en cualquier marco de modelo con el que esté familiarizado.
- Sea presuntuoso con el conocimiento que los miembros del equipo tienen de su trabajo. No se trata solo de sobreestimar la profundidad técnica de su gente de negocios. También se trata de minimizar los matices de su trabajo a los técnicos. Estos a menudo deciden si su idea puede o debe ser producida.
- Negarse de ayuda. Estás contratado como miembro de un equipo. Aproveche su membresía y la sabiduría de su organización.
Muchos más, pero solo pediste tres 🙂
- ¿Qué certificación SQL es mejor para un analista / científico de datos?
- ¿Debería continuar mejorando mis habilidades de JavaScript y Jquery si estoy interesado en convertirme en un Científico de Datos?
- ¿Son los científicos de datos buenos solucionadores de problemas de uso múltiple?
- Si las máquinas se vuelven más inteligentes, ¿qué pasaría con los científicos de datos y los ingenieros de aprendizaje automático en el futuro (dentro de 20 años)?
- ¿Cómo debería comenzar un aspirante a científico de datos en India?