我仍然记得获得数据科学工作offer的那一天。在那之前，我主要通过在线课程学习并参与投资组合项目。当我拿到offer回家的路上，我一边给自己打气，一边为自己鼓掌。作为应届生进入数据科学领域并不简单，这无疑是一项成就。
时光飞逝，如今我的职业生涯面临更大的挑战。在这里，我想分享我在一家人工智能初创公司担任机器学习工程师两年多来的经验与反思。
1. 真心兴奋，发自内心
重申一下，关键词是“真心”。每个人在入职时都会表示自己非常兴奋，但真正能持之以恒的人却屈指可数。这种热情对个人发展有深远影响。
加入团队后，我逐渐对公司的发展产生了共同的梦想和愿景。我被这个小团队所创造的巨大影响所吸引，因而投身于学习和自我提升，希望能更快成长。
我乐于帮助团队，并利用AI解决实际商业问题，想到这些我总是激动不已。尽管我努力控制这份兴奋，但总是情不自禁。
在这两年里，我开始处理客户事务，晋升为机器学习工程师，并最终开始领导数据科学团队的项目。对每一个出现在我面前的机会，我都心怀感激。我在成长，创业公司也在成长。
因此，我的秘诀是：如果你想加入一家初创公司（或其他任何机构），要对他们所做的工作真正感到兴奋，并勇于表达这种兴奋。这对你的职业发展至关重要。
2. 首先了解端到端流程
数据科学的生命周期涵盖了许多方面，包括了解业务需求、阐述问题、收集和检索数据、理解数据、研发解决方案、反复实验、优化结果、部署解决方案以及将结果传达给利益相关者等。这通常需要业务分析师、数据工程师、数据分析师、数据科学家和机器学习工程师等不同角色的协作。
我参与过以上所有工作。初创公司是了解这些流程的最佳场所，让你有机会大展拳脚。即使没有实践机会，也可以和团队交流，学习经验。换句话说，在职业生涯的早期阶段，成为通才是非常重要的。
我知道通才与专才之间存在争论，但我想说的是，首先了解任何工作的端到端流程是至关重要的。这有助于你发现自己的兴趣和专长。之后，一旦确定了兴趣和特长，就可以专注于某一领域。从通才到专才的转变对我大有裨益。
3. 勇于承担责任
曾经在失误面前，我常常感到害怕和不安，毫无理由地惊慌失措。现在我把这视为一次学习经验，而不是错误。
六个月后，我被指定负责一个项目。这是一个紧迫的项目，高层管理者对我充满信任，至于原因我无法知晓。想到重任在肩，我感到无比恐惧，担心自己无法达到预期。
当然，开始工作时需要付出额外的努力，打破一些障碍，但最终我们卓有成效地完成了任务，并成功将该项目转化为一款AI产品。这段经历让我明白，从那以后我再也没有退缩过。
责任的到来往往比你预想的更早。面对责任时，不要害怕接受。至今为止，初创公司是你学习如何承担责任的最佳场所。务必与他人分享你的进展和遇到的问题，这将有助于顺利完成任务。
4. 拥有自己的作品
无论是开发小功能、创建仪表板，还是构建成熟产品，拥有原创作品是至关重要的。在大公司也是如此，但对于小规模的初创公司而言，这一点尤其重要。大家自然期望能够自我管理。这样做有两个好处：一是个人能更好地解决问题，二是让管理者有更多时间关注重要事务。
提出问题很容易，但很少有人会跟进解决方案。从初级员工到领导者，我开始掌控每一个细节，团队发现与我共事变得更加轻松。我不断提醒自己，无论多小的事情，都要努力拥有自己的作品，这将指引我走向成功。
5. 接受他人与文化
工作场所的氛围不仅仅与工作本身有关。我始终认为，员工是任何组织的重要组成部分。在求职面试时，我养成了一个习惯：在对方评估我是否适合职位的同时，也评估团队和文化。至今我仍希望与我共事的人能感受到工作的快乐。
入职后，我欣然接受团队的成员和文化。由于团队规模较小，我逐渐与大家建立了深厚的情感。加班对我来说并不是负担，调整好心态后，工作变得愉快。工作之余，我们常常外出游玩，这种情况至今未变。
请尽力与大家建立联系，融入团队文化，这将使你的工作生活更加愉快。我与许多优秀的人共事，结交了一些终身朋友。真心希望你在工作中也能遇到挚友。
6. 身兼多职是常态
我常常告诉我的学员，身兼多职是不可避免的。我所指的并不仅仅是数据科学生命周期中的不同角色，而是更广泛的意义。
我们成功开发了几款AI产品，但除了少数客户外，没人知道我们的成果。我们必须进行宣传，但缺乏专门的营销团队。大多数初创企业的宣传工作与核心团队紧密结合。
我的想法是：这是我们的产品，我们最了解如何推销它。我们不能把这项工作交给某个营销公司。记住，要自我管理。我们不再区分内容撰稿人、营销主管、网页设计师等角色，而是重新设计并发布了网站，为每种产品提供新颖的内容，以推广我们的产品。
团队中的许多人都曾担任过类似的角色，在早期的初创公司，这种情况往往是不可避免的。学会适应这一点，同时也不要忘记关注核心技能。
7. 追求卓越——质量胜于数量
我把这个点放在最后，因为这是我最大的收获。一件高质量的作品最终会得到认可和赞赏，所有的努力都是值得的。你将不断成长，成为行业的佼佼者。
牺牲工作质量以完成更多任务看似容易。编写不符合代码质量要求但能运行的代码也很简单。想要解决所有问题而不彻底清除它们更是不难。但从长远来看，这并不可取。
例如，我在数据科学团队中努力引入软件最佳实践和优秀流程，在机器学习工作流中使用更好的库和工具等。虽然在这些方面投入了更多时间，但在产品维护时，这些措施简化了工作流程，很多人因此受益，感谢我在团队中的付出。
我可以列举更多例子，但更重要的是要专注于追求卓越。努力做好每一件事，树立卓越的标准。时间久了，人们自然会注意到你的优质作品。相信我，这一切都是值得的。
当然，这些经验并不适用于所有AI初创公司，这只是基于我个人的经历。每个人的体验都是独特的。
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
[[[IMG_4]]]
[[[IMG_5]]]
[[[IMG_6]]]
[[[IMG_7]]]
