哈雷彗星数据科学家
许多专业人士希望将他们的职业过渡到AI。
但是大多数不会
通常，我们会看到特定类型的学习者-我称其为哈雷彗星数据科学家
像哈雷彗星一样..它们短暂地闪耀着光芒..
然后潜入黑暗..
以后再也见不到
但是经过很长的时间，他们会定期出现..他们明亮而热情。
只是再次消失..
等等..
如何保持数据科学家的积极性？
相形见ets，我们可以将这种现象视为动机问题，即与其说学习者放弃了数据科学，不如说是我们问：“我们如何在数据科学的学习道路上保持动力”
数据科学是一个艰巨而复杂的主题。
根据我的亲身经历，这里有一些事情要使您在数据科学道路上保持积极性
1）您的信息饮食-与专家阅读并交谈
我读过的最有动力的访谈之一是吴安德（   Andrew Ng）的关于人生，创造力和失败的访谈  
回应您能否谈谈您的信息饮食，如何学习？吴安德说
我读了很多书，也花了很多时间与人们交谈。我认为阅读和获取信息最有效的两种方法是阅读和与专家交谈。所以我花了很多时间做这两个。我想我的Kindle上只有一千本书。我可能已经读了其中的三分之二。
在百度，我们有一个阅读小组，每周大约读书半本书。我实际上是百度两个阅读小组的成员，每个小组每周阅读大约半本书。我认为我是这两个群体中唯一的一个[笑声]。我最喜欢的周六下午活动是我自己一个人坐在家里看书。
1000本书和更多论文…我们还有很长的路要走–但是它向您显示了您需要吸收多少信息
但是激励性的想法是..这对我们来说都是..通常，这些想法是自由的，并且摆脱了网络上真正有助于共享知识的许多人
2）数据科学中的冒名顶替综合症及其处理方法
保持动机非常需要如何在数据科学中管理冒名顶替者综合症。这里是这个主题的一个很好的链接
我处理冒名顶替综合症的方式是：我已经接受了我将永远无法学习数据科学中的所有知识-我将永远不会知道每种算法，每种技术，每种出色的包装，甚至每种语言-没关系。处于如此多样化的领域中，最大的好处就是没有人会知道所有这些事情（也可以！）。
3人们声称比他们知道的更多
与冒名顶替综合症相反..有一个矛盾的现象..
人们会声称知道的比实际更多
如果您不了解这一点，可能会使您感到沮丧
在我职业生涯的早期，我参加了一个演讲者，他的演讲非常博学
他决定深入解释一个复杂的主题……
他会解释到一个点，然后停下来，问观众。
多数人怎么说？
是!
每次 ..
大多数人真的有发言权吗？
我对此表示怀疑
但是每个人都想显得知识渊博！
没有人想显得无能为力
但是在某一时刻..每个人都是..
4激情超标
吴安德（Andrew Ng）在同一次采访中还指出，激情被高估了，并说..
“我希望我们社会为年轻人提供更好的职业建议。我认为“跟随自己的激情”不是好的职业建议。实际上，这是我们为人们提供的最糟糕的职业建议之一。
如果您热衷于驾驶汽车，那并不一定意味着您应该立志成为赛车手。
但是通常，您首先会变得擅长某些事情，然后对它充满热情。我认为大多数人几乎都能擅长于任何事情。”
这意味着在您对数据科学充满热情之前，将需要进行许多艰苦的工作
5位数据科学领域的女性
如果您像许多领域一样是数据科学领域的女性，那么您将面临额外的挑战。
为什么要鼓励女儿成为数据科学家，这很好地概述了数据科学对女性的意义
6）离线聚会
离线聚会非常适合学习复杂的领域。我开始了面向物联网会议的数据科学会议，现在我们已经发展到超过2000名成员。我们还启动了一个从聚会中分离出来的AI实验室。所有这些都是很棒的学习经验，但也有各种各样的支持
7）我在朋友的帮助下得到了帮助..
我有一个很好的朋友网络，我可以发声检查/理解技术思想。Kirk Borne博士，Cheuk Ting Ho，Dan Howarth，Sebastian Raschka，Brandon Rohrer博士等。每个人都需要这样的朋友！
8）学习处理负面经历
作为数据科学家，您必须经常学习处理负面经历，以保持前进的动力。对我来说，这些包括：没有数据但想创建数据科学算法的公司，对投资者过度承诺的公司，仅仅因为曾经使用过特定工具而想使用特定工具的公司，拒绝考虑采用特定工具的公司。基于云的模型，即使他们内部没有资源等。
9）坚持编码
坚持编码..再次以多种方式实现这一目标，例如＃100DaysOfMLCode
10）对承诺土地的愿景–定量地..
您可以在一段时间内创建一组定量目标。三年来在github上说了很多应用程序。您也可以通过选择垂直数据集来关注垂直数据。即使资源非常有限，这也是可以实现的。  
结论
还有另一种激励自己的方法..
恐惧..
1