原文：
towardsdatascience.com/navigating-data-science-jobs-in-2024-roles-teams-and-skills-c03193eb4c6e?source=collection_archive---------8-----------------------#2024-02-22
https://towardsdatascience.medium.com/?source=post_page---byline--c03193eb4c6e--------------------------------https://towardsdatascience.com/?source=post_page---byline--c03193eb4c6e-------------------------------- TDS 编辑
·发表于《Towards Data Science》 ·作为电子报发送 ·阅读时长 3 分钟·2024 年 2 月 22 日
–
无论你是申请第一次实习，还是负责管理一个由分析师和工程师组成的跨学科团队，数据科学职业都面临着一系列独特的挑战。其中一些可能比其他的更令人兴奋，而另一些则可能枯燥无味——这在任何工作中都是如此——但我们相信，可以将所有这些潜在的缺点视为加深知识、扩展技能并考虑新观点的机会。
本周的推荐内容汇集了围绕数据职业中常见障碍的各种观点和经验，并提出了有效的应对策略。无论你处于数据科学旅程的哪个阶段，我们希望你能浏览我们的推荐阅读，获得对自己工作有启发的见解。
数据 ROI 金字塔：衡量与最大化数据团队价值的方法尽管Barr Moses的可操作路线图主要面向数据负责人和高管，但它对企业层级中的所有数据专业人士都是必备资源。毕竟，每个人都可以从了解自己的工作如何为业务做出贡献，以及如何向更广泛的非技术观众展示自己的影响力中获益。
重建让我获得数据科学家职位的作品集一年前，Matt Chapman 撰写了关于构建数据科学作品集的权威实践指南（并且在此过程中非常火爆）。在他最新的文章中，Matt 回顾了他的方法，并提出了几个关键更新，以实现更流畅的工作流程和更具可定制性的最终成果。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/e81a4233a0595464ffc9dd70bd2b65ed.png
图片由 Anastase Maragos 提供，来源于 Unsplash
Spotify 高级数据科学家用来提高工作效率的 5 个习惯在获得一份好的数据工作后，真正的挑战才开始：你可以做些什么来在新职位上脱颖而出，同时避免过度劳累和/或冒名顶替综合症？Khouloud El Alami 提出了五个具体的建议，你可以根据自己的需求加以调整，并且没有忽略任何细节。
英特尔机器学习实习的 7 个教训在银行业担任数据科学家多年后，Conor O’Sullivan 的职业生涯发生了重大转折，进入了科技巨头英特尔担任机器学习实习生；不要错过他在实习期间的经历和他在探索新行业和组织文化时学到的教训。
像往常一样，我们的作者在最近几周涵盖了广泛的主题，从 AI 的新兴技能到预测建模和深度学习。以下是我们不希望你错过的一些精彩文章。
多模态模型在视觉文字谜题上的表现如何？ Yennie Jun 测试了 GPT-4 Vision 和 Gemini Pro Vision 的能力，试图衡量它们在模型生成过程中呈现的创意水平。
物理信息神经网络听起来可能是一个高深的理论概念，但正如 Shuai Guo 在一篇综合概述中所展示的那样，它们的现实世界应用非常广泛—并且增长速度健康。
在一篇通俗易懂、图文并茂的解释文章中，施瑞娅·拉奥继续探索深度学习的基础话题，这次她深入解析了神经网络学习的过程。
在她的 TDS 首秀中，尼西亚·拉马穆尔提展示了一个简单有效的框架，帮助你建立数据展示中的信心。
如果你正在寻找一份关于 R 平方（决定系数）的清晰、详细指南，不要错过罗伯塔·罗卡的资源，她的指南将消除你对这一广泛使用的度量指标的任何困惑。
想深入了解并动手实践吗？蒂姆·福斯特带我们一起走过使用线性求解器优化多维非线性神经网络的过程。
感谢你对我们作者工作的支持！如果你受到启发，想要加入他们的行列，为什么不写下你的第一篇文章？我们期待阅读。
直到下一期《变量》专栏，
TDS 团队
