Некое време помина од последното внесување на моите искуства во „Дневникот“. Причината за тоа е што симултано морав да се посветам на повеќе нешта – учење, работа, подобрување… Накратко, сè што е поврзано со податоци често оди во крајности, во еден момент е мачно и несигурно, но во друг знае да биде многу забавно и исполнувачко. Ова е воедно мојот последен текст од овој Дневник, кој се надевам дека ќе ја исполни својата цел и некому ќе му послужи за да не ги повтори моите грешки, ќе го води или ќе му помогне на било кој друг начин.
Да се вратиме на мотивацијата на овој мој последен текст….
Ако си направам една ретроспектива на изминатиов период, не еднаш бев спремен да се откажам од дел од Data Science проект што воопшто не го правеше тоа што го барав, а некогаш бев спремен и цел проект да го фрлам, да се селам во Алјаска и да живеам мирен живот исполнет главно со риболов. Секако, кратко после моите грандиозни планови за преселба, ќе ми испаднеше решението или ќе сфатев концепт кој долго не ми беше јасен или пак ќе најдев подобар начин да изведам нешто. Работата (во мојот случај и учењето) на Data Science има пасивно – агресивна, love-hate relationship. Кога ќе изнајдам решение за нешто сум на врвот, кога бескрајно се мачам да го најдам решението тоа е измачување кое знае и да ме истошти. И тоа е тој психолошки момент што треба да го надминете.
Многу луѓе, луѓе кои ги познавам, се заглавуваат на делот со откажување и никогаш не продолжуваат. Ова не се луѓе кои не сфаќаат ништо, ниту се мрзеливи. Се работи за талентирани, способни, трудољубиви луѓе кои се откажуваат од учење и проекти поради стресот што тие го предизвикуваат. Јас сум исто толку подложен на вакви стресови (и со факултет и со работа), но сè уште туркам напред. Тоа го должам на некои трикови кои ги имам собрано од моите дома, од интернетот, од другари и колеги. Можеби дел од нив ќе ви помогнат и на вас.
Добра организација на време
Често се соочувам со една иста критика од сите мои блиски (пријатели, домашни), а тоа е моментот што знам толку да се задлабочам во еден конкретен дел од мојата работа што комплетно го губам чувството за време (знам да седам до три часот изутрина затоа што нешто не излегува како што треба). Ова е многу, МНОГУ глупаво да се прави. Едно е да се има краен рок во кој нешто едноставно мора да се заврши (иако рака на срце, тоа брзање најчесто се должи на лоша организација), а сосема друго да се потрошат часови и часови истоштувајќи се поради тоа што нешто не функционира. Во случајов важи онаа старата „утрото е попаметно од вечерта“, затоа што буквално кога си одморен изутрината може да ти текне кое делче недостига.
Да, важно е да имате број на часови (потенцирам одреден број часови) во кои би работеле, би учеле и би се надградувале, но има причина поради која тоа треба да биде ограничено. Едноставно треба баланс за да не доживеете burnout. Преморот е една огромна замка – најчесто умот вели дека, ако не правиш нешто, не правиш ништо. Подобро е да оставите нешто недовршено и да го довршите за некој ден плус, одошто за пократок период во кој само ќе си кажете „Фала Богу, заврши и ова“. Сатисфакцијата во работата комплетно се губи на овој начин.
Правилни хобија
Јас сум голем обожавател на компјутерски игри, „седење“ на Twitter, YouTube и Facebook, читање разни книги online итн., но овие хобија се за жал штетни на некој начин. Гледање во екран 8 саати (или колку и да си имате доделено за работа), само за после да се „одмараме“ со уште 4 саати гледање во екран, не е баш добро. Мене ова ми е најтешко, но пак доаѓа природно кога после 2 саати играње игри си ги осеќам очите како со коприви да ми се бришени.
Одлични хобија се читање книги, играње игри offline (карти, друштвени игри), спортови, вежбање, дружба со другари, планинарење итн. Ако можеш да си дозволиш, мој совет е имај хобија што не те заморуваат дополнително.
Паузи
Ова не го кажувам само јас, туку 90% од добрите IT компании. Паузи се неопходни за подобрување на умот, релаксација и можност за самоподобрување. Ако нешто не оди имаш едно чудо опции за сам на себе да си направиш мал дефокус – седни на кафе, направи муабет за комплетно различни нешта, сврти круг околу зграда, жали се на некој… Проблемот потешко се решава, ако без престан се фокусираш само на него. Дај си прилика за умот да ти отиде на сосема друго место, зашто кога ќе се „врати“ на друг начин ќе размислува, а тој друг начин е најчесто подобар од стресна состојба во која се обидуваш нешто да решиш. Ова исто така вклучува здрав сон. Во ред е некоја ноќ да се скокне или скрати спиењето, но, ако се случува редовно, нема да бидете во состојба да се подобрувате. Заморот ќе си ја наплати цената.
Вклучување во друштва од твојата сфера
Овој совет ми е последен, но најважен. Дали на Reddit, дали на Twitter, дали во живо, дали на некои други форуми, не е важно. Најдете луѓе што го прават/работат/учат тоа што го правите вие. Споделете си ги маките. Преку ова ќе видите дека и тие минуваат низ слични нешта. Таа конекција и комуникација е неопходна за да продолжите да туркате напред. Кога водиш разговор со човек кој го поминал веќе она што сега ти го поминуваш, ти дава еден вид на заклучок кој отприлика гласи „Ова има крај и ќе го научам. Проблемов еден ден ќе стане сеќавање.“ Мене ова ми има помогнато најмногу и ако не познавате луѓе со кои можете да разговарате за професијата, ви препорачувам да најдете.
И со ова се одјавувам тука, седум поглавја беа доволни да го претставам мојот видик. Ќе има идни приказни, којзнае можеби еден ден повторно ќе се обидам да го отворам Дневникот и да испишам нови страници, како поискусен Data Scientist. Некогаш во иднина веројатно со смеење ќе си ги препрочитам првите чекори забележани во мојот Дневник. Но, тоа е убавината на оваа професија. Откако ќе го совладаш најтешкото, можеш да се свртиш со насмевка кон она што си го прошол.
До некое следно читање останете ми со добро,
Вашиот Red Hood
Chapter 2: Зошто сакам да го учам и работам ова?
Chapter 3: Грешки при учење Data Science (и како се справив со нив)
Chapter 4: За програмерските навики (добри и лоши)
Chapter 5: Од каде да почнам да учам Data Science?
Chapter 6: Како би учел Data Science, ако треба да почнам одново?
