Как эффективно управлять проектами и командами данных

Никогда не помешает пересмотреть наш подход к работе. Это верно, независимо от того, являетесь ли вы студентом, работающим над проектом портфолио, опытным инженером по машинному обучению, управляющим сквозным конвейером, или руководителем, ответственным за успех всей группы обработки данных.

Это может быть лишний шаг, который вы, наконец, отметите. Может быть, вы решите пересмотреть формат еженедельных совещаний или провести последнюю проверку качества, которая занимает минуты, но иногда экономит часы. Ваш пробег может (и, вероятно, будет) варьироваться в зависимости от команды и дисциплины, но идея одна и та же: ваши рабочие процессы почти наверняка выиграют от некоторой настройки и оптимизации.

Чтобы помочь вам начать это путешествие с несколькими конкретными идеями, мы выбрали несколько последних выдающихся достижений на стыке науки о данных, лидерства и управления проектами. Наслаждаться!

• Как устранить неполадки в вашем проекте по науке о данных . Выбросы, пропущенные значения, несбалансированные наборы данных: рано или поздно вы обязательно столкнетесь с этим в самый неподходящий момент. Джейсон Чонг экономит время, рассказывая о некоторых наиболее распространенных проблемах, с которыми вы, вероятно, столкнетесь как специалист по данным, и предлагает «основу того, как правильно с ними справляться, а также их соответствующие компромиссы. ”
• Проблемы и награды новой руководящей роли . CJ Sullivan размышляет о важном переходе карьеры: от технологий к лыжной индустрии, от работы в качестве индивидуального участника до должности директора по науке о данных. В ее посте раскрываются уроки, которые такие изменения могут преподать нам в отношении руководства другими и корректировки того, как мы сообщаем о ценности нашей работы нетехническим заинтересованным сторонам.
• Что в дорожной карте? Выяснение того, как достичь целей, которые мы перед собой поставили, может потребовать длительного процесса проб и ошибок, но достижение правильных целей еще сложнее. Мари Лефевр разъясняет преимущества четко определенной дорожной карты для команды обработки данных и делится схемой ее создания, которая даст вам пространство для «стратегического, а не оперативного мышления».

• Важность создания надежной платформы данных . Сокращение разрыва между потенциальной ценностью данных для бизнеса и фактическим воздействием, которое они оказывают, часто сводится к предоставлению правильных инструментов в руки нужных людей. Махди Карабибен исследует (многие) ограничения, которые каталоги данных в настоящее время налагают на заинтересованные стороны, и выступает за меньшее количество пользовательских интерфейсов, больше API и стремление к большей доступности данных.
• Чтобы принимать правильные решения, нужно найти правильные метрики . «Как вы строго и научно изучаете понятия, которые не можете легко определить?» Прежде чем вы соберете данные и проанализируете их, Кэсси Козырков обращает наше внимание на сложную задачу выработки четкого и действенного представления о явлениях, которые мы стремимся измерить.
• Почему проекты данных процветают благодаря итерации и эмпатии . Специалисты по данным решают проблемы; как объясняет Тейлор Дженсен , лучшее понимание целей своих внутренних клиентов не менее важно (если не более), чем хорошее понимание алгоритмов и статистики. Тейлор предполагает, что заимствование принципов дизайн-мышления — от сопереживания до прототипирования — может стать мощным шагом для команд, работающих с данными.

• Мы приветствовали первый вклад Анны Роджерс в TDS — наводящие на размышления размышления об оригинальности и атрибуции в контексте инструментов генеративного ИИ.
• Искусство, созданное искусственным интеллектом, также было в центре внимания Дэни Терон , которая изучала пол, тон кожи и межсекционные смещения в визуальных выходах изображений Stable Diffusion.
• Чтобы получить исчерпывающий универсальный ресурс по регулярным выражениям и их использованию в Python, не пропустите последний пост Сьюзен Майна .
• Если ваша карьера в науке о данных находится на ранней стадии, дебютный пост Арунна Тевапалана в TDS представляет собой полезную дорожную карту для того, чтобы войти в дверь .
• Подробная история экосистемы Hadoop от Furcy Pin — полезное напоминание о том, насколько недавними (относительно говоря) являются большие данные.
• Что означает недавняя волна увольнений в технологическом секторе для будущего ИИ? Воутер ван Хесвейк, доктор философии, задается вопросом, может ли зима ИИ быть не за горами .

До следующей переменной,

Редакторы TDS