。       欢迎来到云闪世界。数据科学和机器学习专业人士面临着来自多个方面的不确定性           欢迎来到云闪世界。全球经济、人工智能工具及其对工作保障的影响，以及不断变化的技术堆栈，仅举几例。如今，谈论职业生涯是否能够抵御经济衰退或人工智能是否能够抵御经济衰退还有可能吗？

我们能给出的最诚实的答案是“我们真的不知道”，因为正如我们在过去几年法学硕士的兴起中所看到的，这个领域（以及更广泛的技术领域）的情况可以而且确实会迅速发生变化。然而，这并不意味着我们应该无所作为，更不用说绝望了。

即使在充满挑战的时期，也有办法评估形势，创造性地思考我们目前的处境以及我们希望看到的变化，并制定计划来相应地调整我们的技能、自我表现和心态。我们本周选择的文章分别涉及这些要素中的一个（或多个），从成为出色的早期职业数据科学家到成为有效的沟通者。它们为各种角色和职业阶段的从业者提供了务实的见解和健康的灵感。让我们开始吧！

• 数学科学家最北低估的技能
  “在过去的几年里，我意识到写作是数据科学家的一项基本技能，而良好的写作能力是高影响力数据科学家区别于同行的关键因素之一。”Tessa Xie提出了一个令人信服的写作练习案例，并继续分享了如何开始的具体技巧。
• 以身作则：作为一名数据数据科学经理的经验教训以及我选择重返个人贡献者角色的原因。正如在对角色变化的深思熟虑的反思中所明确指出的那样，工作中的成功通常不是来自于特定的天赋或能力（当然，这些也有帮助），而是来自于找到你的工作与你的目标、价值观和优先事项之间的紧密一致性。
• 如何挑战自己的分析以免别人质疑
  数据科学家最终会根据他们的解释和预测的稳健性进行评判；没有人每次都能正确做出所有事情，但为了建立长期的成功记录，Torsten Walbaum建议将精心设计的健全性检查集成到您的工作流程中。

• 打造出色的数学科学作品集：综合指南
  在比以往更艰难的就业市场中，展示经验和过去成功的方式可能会产生重大影响。如果您正在考虑建立一个作品集网站来展示您的工作（这是一种越来越受欢迎的选择），请不要错过Yu Dong的精简指南，了解如何构建一个能让您脱颖而出的作品集网站。
•   数学科学家的第一年：生存指南
  找到第一份工作后（恭喜！），你可能会觉得最大的障碍已经过去了。正如Haden Pelletier解释的那样，仍然有很多陷阱需要避免，并且有可靠的策略可以克服第一年的挑战——从寻找支持你的导师到扩展你的领域知识。
•  在公司内推销（AI）创新
  工作中最令人沮丧的时刻之一可能是您的好主意遭到怀疑——或者更糟的是，冷漠。Anna Via专注于采用尖端的 AI 工作流程，并概述了您可以采取的几个关键步骤，以说服他人相信您的提案的有效性；您也可以轻松地将这些策略应用到其他领域。

有兴趣阅读本周的其他主题吗？从地理空间数据项目到 DIY 多模式模型，不要错过我们最近的一些最佳文章：

• Kaizad Wadia在他的首篇 TDS 文章中提供了一份评估搜索引擎性能的详尽指南。
• 如何才能让核心指标发挥重要作用？ 凯特米洛认为，了解核心指标的局限性是至关重要的第一步。
• 在一个耐心、亲手实践的教程中，Vinicius Hector展示了如何利用Python和Googel Earth Engine涉及巴西土地使用数据的项目的 MapBiomas 栅格。
• 如果您一直在关注Sara Nóbrega关于异常值检测的顶级系列文章（如果您还没有：永远不会太晚！），那么您会很高兴知道第三部分分现已推出，重点关注治疗方案 
• 正如Nathan Bos 博士在其对语言模型的空间推理能力的全景概述中所解释的那样，我们看到了近年来一些令人瞩目的进步，但仍然存在许多严峻的挑战。