คุณใช้เวลาหลายเดือนในการสรรหานักวิทยาศาสตร์ข้อมูลมาที่บริษัทของคุณเพื่อสร้างความสามารถในการเรียนรู้ของเครื่องที่ยอดเยี่ยมในฮาร์ดแวร์หรือแอปของคุณ คุณมีหนึ่งหรือสองหรือ 10 คนในทีม แต่คุณรู้สึกว่าต้องการมากกว่านี้ หากคุณยังไม่ได้คิด คุณควรคิดว่าจะทำอย่างไรให้พรสวรรค์ที่หามาได้ยากลำบากเหล่านี้มีสมาธิ มีความสุข และมีแรงบันดาลใจ ต่อไปนี้คือความรู้บางส่วนที่ฉันได้คัดสรรมา
จากการจัดการทีมนักวิทยาศาสตร์ข้อมูลหลายปี
ที่เกี่ยวข้อง: การจ้างโปรแกรมเมอร์สมัยใหม่: นักพัฒนาซอฟต์แวร์ใหม่ที่ชาญฉลาดของคุณมีทักษะ ‘อ่อน’ ด้วยหรือไม่
รู้บทบาท
“นักวิทยาศาสตร์ข้อมูล” กลายเป็นคำที่ค่อนข้างคลุมเครือที่ผู้คนมักนำไปใช้ในทางที่ผิดเพื่อเรียกความสามารถทุกประเภท สิ่งแรกที่ต้องทำคือทำความคุ้นเคยกับทักษะเฉพาะที่มีอยู่และทักษะที่คุณต้องการสำหรับพนักงาน สำหรับทีมที่ใหญ่ขึ้นซึ่งคุณกำลังทำโครงสร้างพื้นฐานและการวิจัยพื้นฐานของคุณเอง สิ่งที่คุณต้องการคือการรวมกันของนักวิทยาศาสตร์ข้อมูล วิศวกรข้อมูล และวิศวกรการเรียนรู้ของเครื่อง สาขาวิชาที่ทับซ้อนกัน แต่แตกต่างกันอย่างมากในรูปแบบที่บริสุทธิ์กว่า
นักวิทยาศาสตร์ข้อมูลคือนักคณิตศาสตร์ประยุกต์ที่เป็นหัวใจสำคัญ จุดแข็งที่ยิ่งใหญ่ที่สุดของพวกเขาคือการออกแบบคำถามที่เหมาะสมเพื่อเสนอข้อมูลของคุณ สิ่งที่ทำให้พวกเขามีความสุขที่สุดคือการแก้ปัญหา ไม่จำเป็นต้องใช้เวลาหลายชั่วโมงในการเขียนซอฟต์แวร์ แม้ว่าการเขียนโปรแกรมจะเป็นวิธีหนึ่งในการทำเช่นนั้น วิศวกรข้อมูลคือผู้เชี่ยวชาญที่ได้รับข้อมูลพร้อมสำหรับการวิเคราะห์ จัดการกับระบบประปา บันทึกข้อผิดพลาด และปรับขนาดโครงสร้างพื้นฐานที่รวดเร็ว วิศวกรแมชชีนเลิร์นนิงเป็นผู้เชี่ยวชาญแบบผสมผสานที่ผสมผสานศิลปะของผู้สร้างโมเดลเข้ากับความสามารถของวิศวกรซอฟต์แวร์ในการนำศิลปะนั้นไปสู่การผลิต หากความต้องการเร่งด่วนของคุณคือการนำโมเดลไปใช้ในการผลิต ให้จ้างวิศวกรแมชชีนเลิร์นนิง แต่เป็นการดีที่จะทราบความแตกต่างหากคุณต้องการสร้างม้านั่งที่มีความสามารถหลากหลาย
ที่เกี่ยวข้อง: คิดว่าบริษัทของคุณต้องการนักวิทยาศาสตร์ข้อมูลหรือไม่ คุณอาจคิดผิด
จ้างแรงม้าดิบ
หากคุณต้องการหลีกเลี่ยงวงจรจ้างไฟ-จ้างใหม่ ให้เลือกคนที่มีความสามารถที่ปรับตัวได้ง่ายกว่าคนที่มีประสบการณ์มากมายในสาขาเดียว ไม่มีใครสามารถทำทุกอย่างได้ แต่ทีมที่ยอดเยี่ยม โดยเฉพาะสตาร์ทอัพขนาดเล็ก ควรจะสามารถเปลี่ยนหมวกได้ตามต้องการ เมื่อพนักงานคนหนึ่งมีความรู้และประสบการณ์น้อยกว่า อีกคนสามารถสนับสนุนและช่วยให้พนักงานคนนั้นเติบโตได้
ค้นหาความสมดุลระหว่างการวิจัยและวิทยาศาสตร์ประยุกต์
เช่นเดียวกับที่โมเดลแมชชีนเลิร์นนิงถูกสร้างขึ้นเพื่อเรียนรู้อย่างต่อเนื่อง นักวิทยาศาสตร์ข้อมูลและวิศวกรแมชชีนเลิร์นนิงก็เช่นกัน วิทยาศาสตร์ข้อมูลและการสร้างแบบจำลองอยู่ในระดับแนวหน้าของคณิตศาสตร์ และสาขานี้มักมีวิวัฒนาการเมื่อมีการค้นพบ ความรู้ส่วนใหญ่ของทีมข้อมูลจะล้าสมัยทุกปี นั่นเป็นเหตุผลที่เราเสนอค่าตอบแทนรายปีให้กับทีมของเราเพื่อเข้าร่วมการประชุมและเรียนหลักสูตรออนไลน์
กระตุ้นให้คนของคุณเผยแพร่และมีส่วนร่วมในโครงการ
โอเพ่นซอร์ส กล่าวคือ ทีมวิทยาศาสตร์ข้อมูลสามารถช่วยให้สตาร์ทอัพของคุณประสบความสำเร็จได้โดยใช้ความรู้ที่มีเพื่อแก้ปัญหาเป้าหมายทางธุรกิจ โครงงานวิทยาศาสตร์จำนวนมากกลายเป็นเรื่องไร้สาระ ทีมโมเดลลิ่งของเราจัดกลุ่มสไตล์ชมรมหนังสือเพื่อช่วยคัดแยกไอเดียดีๆ จากคนง่อยๆ สมาชิกในทีมคนหนึ่งเน้นบทความหรือเทคนิคใหม่ๆ และนำเสนอต่อทีมวิทยาศาสตร์ข้อมูลทั้งหมด อีกคนหนึ่งทำการทดสอบใน “แซนด์บ็อกซ์” ของแหล่งข้อมูลและนำเสนอผลการวิจัย ด้วยวิธีนี้ ทีมวิทยาศาสตร์ข้อมูลที่เหลือจะไม่ถูกมองข้าม
ที่เกี่ยวข้อง: การเรียนรู้เชิงลึกและ ‘Hyper-Personalization’ คืออนาคตของระบบอัตโนมัติทางการตลาด
ระบุเส้นทางอาชีพที่ชัดเจน
สิ่งที่สำคัญที่สุดที่คุณสามารถทำได้ในฐานะผู้ก่อตั้ง/CEO คือการรักษาคนที่ดีให้เติบโตอย่างมีความสุขในองค์กรของคุณ นั่นหมายถึงการช่วยให้พนักงานใหม่พบเส้นทางอาชีพ มีหลายวิธีที่ผู้คนอาจต้องการเติบโต ตัวอย่างเช่น ผู้สร้างแบบจำลองของเราบางคนได้กลายเป็นหุ้นส่วนที่ยอดเยี่ยมสำหรับพนักงานขายบนท้องถนนที่พบปะกับลูกค้า บางคนสามารถเปลี่ยนไปใช้ทีมธุรกิจได้อย่างง่ายดายและทำการวิเคราะห์ข้อมูลลูกค้าใหม่ในระดับแนวหน้าก่อนที่จะเข้าสู่ทีมการสร้างแบบจำลอง บางคนอาจต้องการลงลึกในความเชี่ยวชาญด้านเทคนิค และคนเหล่านั้นสามารถฝึกฝนสิ่งที่คุณหวังว่าจะเป็นทีมที่ใหญ่ขึ้นในอีกไม่กี่ปีข้างหน้า อะไรก็ตามที่ทำให้พวกเขามีความสุขและเกิดผล เติบโตเหมือนวัชพืช
Credit : สล็อต 888 เว็บตรง ไม่ผ่านเอเย่นต์ ไม่มี ขั้นต่ำ / ดูหนังฟรี
