从有效的叙述到战略性的职业规划，在数据科学职业中，您需要的技能是多样的，而且越来越跨学科。与统计或编程不同，这些也是结构化教育环境（如学位课程或训练营）只能帮您到一定程度的领域。
幸运的是，TDS的作者来自非常多样化的专业和个人背景，并且在各种组织的真实场景中，根据自己的经验学到了很多可行和不可行的东西。本周的亮点文章汇集了这些数据科学工作中非技术但仍然关键的方面，它们基于这些专业人士的亲身经历提供了宝贵的见解。
- 哦，您是指“管理变革”吗？在处理不断变化的数据科学领域中，面对业务重点的转变，总是一种挑战，尤其在组织内部。马克·德尔巴尔（Marc Delbaere）解析了在数据团队环境中实践变革管理的困难，并探讨了领导者和个人贡献者如何平衡偶尔相互冲突的目标。
- 数据叙事的4D：将科学变艺术““数据科学家没有叙事就只是数字占卜，”PhD的朱子静(Zijing Zhu)说道，并分享了一个详细框架，超越了可视化的基础，帮助从业人员以更高效、更有影响力地传递数据洞察。
- 了解您的受众：为技术演示做准备的指南从不同角度接近数据叙事的话题，约翰·莱尼汗(John Lenehan)研究了准备以数据为重点的演示的细节，并提供具体建议，以一种能够吸引同事和利益相关者并解决他们关注的问题的方式来构建您的见解。（完成后，您还应该探索约翰的后续文章，关于将数据转化为连贯叙事的指南。）
- 在掌握这6个必备数据科学技能之前，请勿申请科技公司的职位在她最新的职业指南中，Khouloud El Alami聚焦于数据科学家需要牢固基础的关键领域，如果他们想成为主要科技公司职位的竞争者。基于她在Spotify的经验，Khouloud涵盖了技术和非技术技能，并解释了它们最终如何都要与可衡量的影响联系起来。
- 初级数据科学家的3个关键职业决策尽管这个领域相对较新，但现在已经有了相当成熟的数据专业人员职业路径，但是如果您不希望您的职业按照其中一条路径发展怎么办？马特·查普曼(Matt Chapman)的新文章邀请初级从业者审视他们的优先事项，反思对他们来说真正重要的事情，并根据他们追求的职位类型来塑造他们的选择。
如果您想扩展自己的技能和知识，我们也为您提供了一些优秀的阅读材料，希望您不要错过。
- 要对推荐系统有新的了解，请马上查看Irene Chang在Thompson抽样介绍方面的文章，这是关于这些无处不在的算法工具系列的第一部分。
- 通过跟随Caroline Arnold的易懂且图文并茂的入门指南，了解有关伪随机数及其在机器学习中的作用的全部信息。
- Michael Galkin和他的合著者向我们介绍了ULTRA，一种知识图推理的基础模型，详细阐述了他们的最新研究成果。
- 在最近的深入研究中，Ms Aerin对RLHF（来自人类反馈的强化学习）及其在训练数据和学习范式中的作用进行了探索，这推动了大型语言模型的最新进展。
- 欢迎来自Carolina Bento的新知识解释员：一个关于隐马尔可夫模型的实践指南，包含直观的实现。
- 在他的首篇TDS帖子中，Jon Flynn清晰全面地介绍了当前人工智能中持续学习方法的现状和目标，以应对保持模型最新状态的（重大）挑战。
感谢您支持我们的作者的工作！如果您喜欢在TDS上阅读的文章，请考虑成为VoAGI会员 – 这将解锁我们的完整档案（以及VoAGI上的所有其他帖子）。
在下一期变量之前，
TDS编辑们