[ad_1]
Yêu cầu phản hồi là một công cụ mạnh mẽ bí mật trong công việc xử lý dữ liệu. Hãy nói về lý do tại sao và làm thế nào để làm tốt điều đó
Cuộc trò chuyện gần đây với một người cùng thực hành dữ liệu đã khơi dậy một ý tưởng mà tôi muốn chia sẻ hôm nay. Quy trình tiến hành phân tích hoặc lập mô hình dữ liệu của bạn là gì và bạn cho rằng điều gì là quan trọng nhưng có lẽ là phần không được thừa nhận để hoàn thành tốt công việc? Khi chúng tôi nói chuyện, tôi nhận ra rằng việc nhận phản hồi từ người khác khi thực hiện công việc là một phần cực kỳ quan trọng trong quá trình của tôi, nhưng thực tế đó không phải là điều được hướng dẫn rõ ràng cho những học viên cấp dưới theo kinh nghiệm của tôi. Tôi nghĩ sẽ rất hữu ích nếu giải thích cách tôi làm điều này, lý do và lợi ích là gì đối với bất kỳ ai có quy trình không nhất thiết bao gồm thành phần phản hồi cộng tác hoặc ngang hàng.
Những loại dự án mà tôi nghĩ vấn đề này quan trọng là những loại dự án mà bạn thực hiện hầu hết công việc trong sự cô độc, vì vậy bạn ở một mình với dữ liệu và trí thông minh của mình. Tất nhiên, điều đó thường bao gồm việc xây dựng các mô hình, nhưng cũng có những thứ như phân tích nhằm trả lời các câu hỏi kinh doanh cụ thể hoặc khám phá các chủ đề nghiên cứu. Hầu hết công việc sẽ được thực hiện một mình, điều này có thể tốt vì bạn có thể làm việc theo tốc độ của riêng mình và khám phá khu vực dự án theo cách bạn muốn. Tuy nhiên, bạn rất dễ bị chệch hướng, đánh mất cốt truyện hoặc bỏ lỡ điều gì đó quan trọng khi bạn là người duy nhất xem tác phẩm.
Vì lý do này, thỉnh thoảng tôi muốn tham khảo ý kiến của các nhà khoa học dữ liệu khác khi tôi tiếp tục. Điều này có thể có nhiều hình thức khác nhau và không nhất thiết phải giống nhau đối với mọi dự án.
Điều quan trọng đối với bất kỳ loại phản hồi nào bạn nhận được là bạn đã hoàn thành một khối lượng công việc đáng kể. Đây không phải là lúc để nhờ người khác làm việc cho bạn. Bạn phải có một kế hoạch dự án vững chắc và bạn phải đạt được tiến bộ đáng kể (tải dữ liệu, xem xét kỹ lưỡng và tiến hành ít nhất một số phân tích, ít nhất) và có việc phải làm để thể hiện điều đó trước khi bạn bắt tay vào thực hiện. ai khác. Khi bạn ở đó, hãy gọi điện cho đồng nghiệp và xem liệu họ có vài phút để xem công việc của bạn và đưa ra suy nghĩ của mình không – không nhất thiết phải ngay tại thời điểm đó mà là khi lịch trình của họ cho phép. Nếu họ không thể giúp đỡ, hãy tìm đến người khác và ghi nhớ về tương lai. Việc lo lắng về việc làm phiền mọi người là điều tự nhiên, đó là lý do tại sao tôi cố gắng giới hạn điều này một lần cho mỗi dự án và cố gắng không làm phiền cùng một người nhiều lần liên tiếp trong các dự án khác nhau. Phân phối các yêu cầu của bạn để không phải lúc nào cũng chiếm thời gian của một người. Nếu bạn cần nhiều người giúp đỡ, đó là phần tiếp theo.
Điều quan trọng cần lưu ý là việc thu hút phản hồi của bạn phải được cấu trúc. Đừng chỉ nói “bạn nghĩ gì?” hoặc gửi cho ai đó một đoạn kịch bản dài nhưng hãy chuẩn bị nội dung ngắn gọn, dễ đọc và đặt những câu hỏi cụ thể. “Đây là một slide nháp. EDA này có vẻ đầy đủ với bạn không? Bạn có thấy điều gì tôi đã làm là vô nghĩa không?” hoặc “Tôi đã thử các kết hợp siêu tham số khác nhau này và hiệu suất của mô hình không được cải thiện trước X. Bạn có nghĩ điều đó hợp lý hay tôi nên cố gắng đạt được điều gì khác cao hơn?” Như bạn có thể trực giác, điều này có nghĩa là có kết quả, có thể là một số hình ảnh trực quan hoặc ít nhất là một số bảng để hiển thị.
Nếu bạn hỏi ai đó và họ không đưa ra phản hồi hữu ích, hãy ghi nhớ điều này – có thể họ đang bận, hoặc câu hỏi của bạn không rõ ràng hoặc bài viết của bạn khó đọc. Hãy thử nghiệm những gì mà những người đánh giá và đồng nghiệp khác thấy dễ làm việc nhất và hiểu rõ hơn về cách sắp xếp câu hỏi của bạn. Bạn cũng nên tình nguyện chủ động trả ơn và đưa ra phản hồi cho họ trong tương lai, đồng thời làm theo và thực hiện công việc một cách kỹ lưỡng khi thời cơ đến. Bạn sẽ nhận được những gì bạn bỏ ra, giống như hầu hết các mối quan hệ trong công việc hoặc cuộc sống.
Đánh giá mô hình có thể là đỉnh cao của một dự án nhưng cũng có thể là bước áp chót trước khi báo cáo hoặc mô hình được hoàn thành và sản xuất. Trước tiên, hãy để tôi giải thích ý của tôi khi nói đến đánh giá mô hình, vì đây không nhất thiết là một phần trong quy trình của mọi người.
Đánh giá mô hình là một bản trình bày có đầy đủ hình ảnh và tài liệu nhằm giải thích dự án (thường là đào tạo mô hình) mà bạn đã hoàn thành từ đầu đến cuối. Bạn nên giải thích dữ liệu của mình, cách thu thập dữ liệu, ý nghĩa của nó, cách bạn làm sạch dữ liệu, cách bạn chọn kiến trúc mô hình và huấn luyện nó, những điều bạn đã thử nhưng không hiệu quả, mô hình cuối cùng của bạn hoạt động như thế nào, nó vượt trội ở đâu và nó gặp khó khăn ở đâu, những việc bạn chưa làm nhưng sẽ làm trong tương lai, v.v. Đây sẽ là một cuộc thảo luận khá toàn diện về mọi thứ bạn đã làm trong công việc. Khán giả của bạn phải là các nhà khoa học hoặc kỹ sư dữ liệu khác, những người quen thuộc với chủ đề này ở mức độ có thể và nếu họ không quen thuộc với chủ đề này, bạn cũng nên giải thích điều đó.
Điều này nghe có vẻ như rất nhiều công việc khi bạn có thể bỏ qua bước này, ghi lại một số ghi chú trong wiki và đưa mô hình vào sản xuất, nhưng tôi tin chắc rằng đây là một phần quan trọng của việc lập mô hình thành công. Có một điều, chỉ cần chuẩn bị điều này sẽ yêu cầu bạn xem lại những gì bạn đã làm và suy nghĩ về nó. Biết rằng điều này sắp xảy ra sẽ khuyến khích bạn ghi lại công việc của mình và ghi nhật ký mô hình, giống như nhật ký trong phòng thí nghiệm trong các lớp học khoa học. Bạn sẽ làm việc có tổ chức và hiệu quả hơn khi theo dõi tiến trình của mình.
Ngoài ra, việc đưa ra một bản đánh giá mô hình chất lượng sẽ giúp bạn có cơ hội nhận được đề xuất và phản hồi từ nhiều đồng nghiệp cùng một lúc. Nhóm của bạn nên có các quy tắc cơ bản xung quanh việc đảm bảo phản hồi mang tính xây dựng, tử tế và được đưa ra với mục đích tốt, nhưng nếu bạn có được điều đó thì những điều bạn học được từ việc đánh giá mô hình sẽ là vô giá. Bạn cũng có thể sẽ dạy người khác bằng ví dụ nữa! Đây là cơ hội để mọi người trong nhóm quan sát quy trình và ý tưởng của người khác, thay vì thông tin chi tiết này bị ẩn trong chuỗi tin nhắn trực tiếp trên Slack hoặc cuộc gọi thu phóng 1:1.
Tham gia đánh giá mô hình với kỳ vọng rằng công việc KHÔNG hoàn hảo và bạn sẽ tìm ra những điều mới để thử, những thay đổi cần thực hiện hoặc các câu hỏi cần điều tra và trả lời. Vấn đề không phải là nhận được giải thưởng mà là để hiểu rõ hơn về những gì bạn có thể đã bỏ lỡ, để cuối cùng mô hình của bạn sẽ tốt hơn.
Rõ ràng, việc thu hút phản hồi về công việc của bạn từ đồng nghiệp có mục đích cuối cùng là giúp bạn nhận được lời khuyên giúp công việc của bạn tốt hơn, về dự án này cũng như những dự án trong tương lai. Nhưng tôi nghĩ điều quan trọng cần lưu ý là có một số lợi ích ít rõ ràng hơn mà bạn có thể đạt được từ việc này. Có một điều, bạn sẽ nổi tiếng là người muốn học hỏi và cải thiện, nếu bạn làm đúng – đón nhận phản hồi một cách ân cần, áp dụng nó và cho thấy rằng bạn đang tiếp thu những ghi chú tốt. Công việc của bạn sẽ tốt hơn nhưng nó cũng sẽ được đồng nghiệp và người quản lý của bạn nhìn thấy.
Thứ hai, bạn sẽ giỏi hơn trong việc truyền đạt ý tưởng của mình. Ngay cả khi bạn không thực hiện đánh giá đầy đủ mô hình thuyết trình (mặc dù tôi nghĩ bạn nên làm như vậy), thì đó vẫn là một kỹ năng để có thể giải thích công việc của bạn 1:1 cho bạn bè và đặt ra những câu hỏi rõ ràng mà bạn muốn họ trả lời. Khi chúng ta thăng tiến trong sự nghiệp, khả năng giao tiếp rõ ràng về các chủ đề kỹ thuật ngày càng trở nên quan trọng và việc thực hành điều này trong những tình huống không chính thức, áp lực thấp sẽ có lợi cho bạn.
Thứ ba, phản hồi sẽ dễ dàng được tiếp nhận hơn. Tôi biết nhiều người, bao gồm cả tôi, đôi khi cảm thấy lo lắng khi nhận được phản hồi. Bạn rất dễ nhận thấy điều đó thật đáng sợ hoặc chỉ nghe thấy những điều tiêu cực chứ không phải những điều tích cực khi người khác đánh giá công việc của bạn. Nhưng bạn càng làm điều đó thì nó càng trở nên dễ dàng hơn. Hỏi nhiều lần, trong một nền văn hóa tích cực và mang tính xây dựng, sẽ giúp bạn bớt nhạy cảm hơn khi nghe những lời phê bình hoặc những cách bạn có thể cải thiện, và kết quả là bạn sẽ tiếp thu và học hỏi từ đó tốt hơn.
Vì vậy, khi bạn tiến hành công việc xử lý dữ liệu của mình, hãy tạo cơ hội có chủ ý để yêu cầu lời khuyên mang tính xây dựng nhằm cải thiện kết quả của bạn. Nếu bạn không có những đồng nghiệp hiểu biết về dữ liệu, hãy tham gia vào các cuộc gặp gỡ hoặc các nhóm nhà khoa học dữ liệu nơi bạn có thể xin lời khuyên (tất nhiên là không vi phạm bất kỳ NDA nào) và xây dựng mạng lưới những người có ý kiến mà bạn tin tưởng và đưa ra ý kiến. phản hồi tương tự cho họ. Tôi hứa rằng bạn sẽ thấy được những lợi ích cho sự nghiệp và kỹ năng của mình, chưa kể đến các mô hình và phân tích dữ liệu của bạn.
[ad_2]
Source link