우리가 모든 것을 알고 있다고 말할 수 있다면 우리 모두는 그것을 좋아할 것입니다. 불행히도 그것은 불가능합니다. 때때로 나는 스스로에게 "나는 아무것도 모른다"고 말하면서 스스로 배우고 계속해서 발전하도록 부추깁니다. 

데이터 과학은 끊임없는 학습이 필요한 분야 중 하나이며 항상 개선의 여지가 있습니다. 데이터 과학의 세계에서 최신 정보를 유지하고 성취감을 느끼는 것은 어렵습니다. 한 가지 학습을 끝내고 그것에 대해 자신감을 느끼면 새로운 주제나 배울 영역을 찾는 자신을 발견하게 됩니다. 

아무도 여기에 앉아서 모든 것을 안다고 말할 수 없습니다. 해당 분야에서 10년 이상 일한 수석 데이터 과학자가 여전히 Google에서 두 데이터 세트를 결합하는 방법을 검색해야 합니다. 그것은 그들이 그것을 모른다는 것을 의미하지 않습니다. 그들은 잠시 동안 그 코드를 사용할 필요가 없었고 잊어 버렸을 수도 있습니다. 

데이터 과학 분야에서 일하기 시작하면 다른 데이터 과학자, 분석가, 기계 학습 엔지니어 등과 상호 작용하게 됩니다. 그러나 동료가 하는 일을 자신이 모를 수도 있고 그 반대의 경우도 있습니다. 그러나 잘 모를 때 동료에게 안다고 말하는 것은 때때로 자신감에 해로울 수 있습니다. 

본인이 모르는 당면 과제가 단순히 구글을 이용하거나, 유튜브 동영상을 보거나, 스택 오버플로를 보면 해결될 수 있다면 정말 좋습니다. 그러나 계속해서 동료나 상사에게 아는 것이 있으면서도 모르는 것이 있으면, 추가 학습에 빠져 있는 자신을 발견하게 될 것입니다. 대신 "죄송하지만 어떻게 해야 할지 모르겠습니다."라고 말할 수도 있습니다. 이렇게 하면 동료와 상사가 귀하의 강점과 약점을 이해하고 특정 영역에서 개선할 수 있도록 적절한 지원/훈련을 제공합니다. 

이는 고위직에 있는 사람들에게도 적용됩니다. 팀을 관리하고 안내할 올바른 기술이 없으면 압도당하고 스트레스 수준이 높아지며 자신의 위치에 대해 고민하게 만들 수 있습니다. 

첫 직장은 항상 두렵습니다. 자신의 의견을 말하는 것이 불안하고 긴장될 것입니다. 나는 모든 사람이 자신의 일과 개인 생활에 통합해야 한다고 생각하는 몇 가지 요점을 짚고 넘어갈 것입니다. 

1. 자신의 강점과 약점 이해하기

 
모든 면에서 예외적일 필요는 없습니다. 그러나 데이터 과학에 가려면 기본적인 기술이 필요합니다. 데이터 랭글링, 데이터 시각화 생성을 즐기지만 기계 학습 모델 구축 경험이 거의 없는 데이터 과학자라면 이것은 당신이 노력할 수 있는 당신의 약점입니다. 데이터 과학자가 사용할 수 있는 모든 기술에서 발전하지 못할 것이라는 점을 스스로 인정하는 것이 데이터 과학자로 성장하는 첫 번째 단계입니다. 

자신의 강점과 약점, 좋아하는 것과 모르는 것을 파악한 후 자기 계발을 좁힐 수 있습니다. 특히 머신 러닝 엔지니어가 되는 데 관심이 있다면 데이터 과학자로서의 기술이 도움이 될 것입니다. 그러나 알고리즘, 자연어 처리, 신경망 등과 같은 학습 영역을 조사해야 합니다. 

현재 또는 미래의 경력에 ​​도움이 되는 기술을 이해해야 합니다. 경력 계획에서 프로그래밍 언어로 Python과 R을 사용해야 하는 경우 HTML과 같은 다른 언어를 배우는 것은 유용하지 않습니다. 당신은 모든 것에 신인이 되고 싶지 않고, 아무것도 아닌 마스터가 되고 싶지 않습니다. 

2. 말을 걸어라!

 
묻지 않으면 받지 않습니다. 데이터 과학자 역할에는 소프트 스킬과 함께 많은 기술적 스킬이 필요합니다. 안타까운 일이지만 많은 사람들은 특정 역할에 지원했기 때문에 거의 모든 것을 할 줄 알 것이라고 생각할 것입니다. 우리가 이미 알고 있듯이 그것은 사실이 아닙니다. 항상 개선의 여지가 있고 다른 기술을 배울 시간이 있습니다. 

직장에서 프로젝트에 어려운 마감일이 있고 프로세스를 빠르게 추적하기 위해 특정 작업을 완료하라는 요청을 받은 경우 이러한 종류의 기술이 없기 때문에 어떻게 처리해야 하는지 모릅니다. 당신은 피클에 자신을 찾을 수 있습니다. 긴장하고 부끄러움을 느끼기보다 동료들에게 자신이 할 수 있는 것과 할 수 없는 것을 알리고 말하는 것이 장기적으로 당신을 구할 것입니다. 다른 팀 구성원이 편안하게 수행할 수 있는 다른 작업을 할당하여 모든 사람이 마감 시간을 지킬 수 있도록 할 수 있습니다. 

자신의 약점에 대해 선배와 이야기하면 자기 계발에 대한 대화가 시작됩니다. 회사에서 이러한 점을 개선하고 특정 교육을 받거나 근무 시간 중 자기 계발 시간을 할당하여 지원하도록 할 수 있습니다. 회사에서 최고의 데이터 과학자가 되는 데 도움을 줄 수 있다면 그렇게 할 것입니다. 

반면에 자신에게 할당된 작업이 기술 수준보다 낮다고 느낄 수도 있습니다. 하루를 보내는 대신 다른 분야에서 도움이 될 수 있는 간단한 작업을 수행하는 것이 중요합니다. 이것은 사다리를 올라가는 가장 쉬운 방법입니다. 당신의 강점과 그것이 회사의 효율성을 향상시킬 수 있는 방법에 대해 상사에게 이야기하면 많은 비즈니스 문제를 해결할 수 있습니다. 윈-윈 상황입니다. 

3. 다른 어떤 조치를 취할 수 있습니까?

 
올바른 직업에 지원하기

사람들이 특정 기술을 필요로 하는 공석에 지원하지만 이러한 기술을 자체적으로 보유하고 있지 않다는 것은 비밀이 아닙니다. 이렇게 하면 실패할 준비를 하고 있는 것입니다. 급여에 따라 지원하는 대신 현재 기술을 기반으로 지원하십시오. 

초급 직업을 선택하고, 기술을 구축하고, 거기에서 올라가는 데 아무런 해가 없습니다. 자신을 낮추고 가능한 한 노력하는 것이 경력을 쌓는 첫 번째 단계입니다. 그 중 키워드는 '건축'이다. 그것은 당신에게 전달되지 않을 것이므로 어딘가에서 시작해야합니다. 위에서 아래로 떨어지는 것보다 바닥에서 작업하는 것이 좋습니다. 

 
온라인 교육 과정

기술을 향상시키고 향상시키기 위해 수강할 수 있는 다양한 온라인 과정이 있습니다. Udemy, Coursera, Udacity 등을 통해 강의를 들을 수 있습니다. Python 또는 C++와 같은 특정 프로그래밍 언어를 배우거나 데이터베이스 관리 및 SQL을 이해하는 것까지 다양합니다. 

 
읽기

온라인에는 다양한 주제에 대한 이해를 높이는 데 도움이 되는 많은 읽을거리가 있습니다. 교과서, 학술 논문은 온라인뿐만 아니라 KDNuggets와 같은 플랫폼에서 사용할 수 있으며, 진로를 안내하고 이해하는 데 도움이 되는 양질의 리소스 자료를 제공합니다. 

4. 지속적인 학습

지속적인 학습은 기술을 확장하고 개인 또는 전문 분야에서 미래의 기회를 개발하기 위해 스스로 동기를 부여하고 지속적으로 수행하는 방법입니다. 언젠가 의학에 관심이 있고 해당 분야에서 데이터 과학 기술을 통합하기로 결정할 수 있습니다. 또는 수석 데이터 과학자가 되고 싶어도 SQL 지식이 부족하다는 것을 알고 있을 수 있습니다. 

배움은 멈추지 않습니다. 항상 "나는 아무것도 모른다"라고 자신에게 말하십시오. 학습 여정을 계속하겠다는 결의를 제공합니다. 지식은 모든 사람의 손끝에서 사용할 수 있습니다. 활용하지 않으면 동일한 위치에 있게 됩니다. 
자신을 낮추고 항상 배우기 위해 노력하면 프로필을 높이고 관련성을 유지하며 자신을 위한 새로운 문을 열고 예상치 못한 상황에 대비하는 데 도움이 됩니다.

 
 
니샤 아리아 데이터 과학자이자 프리랜서 기술 작가입니다. 그녀는 특히 데이터 과학 관련 직업 조언이나 자습서 및 이론 기반 지식을 제공하는 데 관심이 있습니다. 그녀는 또한 인공 지능이 인간의 수명에 도움이 되는 다양한 방법을 탐구하고자 합니다. 다른 사람들을 안내하는 동시에 기술 지식과 작문 기술을 넓히고자 하는 열성적인 학습자.

출처: https://www.kdnuggets.com/2022/01/humble-improve-data-science-skills.html