据IBM预测,到2020年将有大约270万个新职位面向精通数据的专业人员开放。根据Glassdoor的预测,这些专业人员的平均薪资为96441美元,在一些城市甚至更高。
如果你的公司正在积极聘请数据科学专业人士,那么好消息是,对内部IT员工进行交叉培训可能是一个成功的策略。根据来自数据科学社区Kaggle的最新报告显示,59%的在职数据科学家将从自学或者在线开放课程中获得相关技能。
作为一位企业培训总监,我曾被要求制订一个“从零开始”的课程,可以培训入门级员工,以及交叉培训更有经验的员工,让他们获得编写股票交易系统代码所需的技能,还包括远程处理引擎、操作系统、数据库、代码库、调用操作、端到端软件开发流程的相关技能培训。
这是一个复杂的任务。目标是能够让一个新培训的人员成为项目的骨干,他/她能够在高要求的环境中立即开始开发代码。
相同的方法也适用于内部数据科学技能的开发。下面就是5个基本步骤:
1、分析公司项目中的任务和技能差距
一个好的起点就是和公司项目负责大数据和分析的负责经理进行沟通。他们的项目有哪些不足?他们在项目中缺少哪些人员配备?需要哪些具体的技术和个人技能?是否有因为缺乏人能够做到而导致项目推迟?根据这些问题的反馈,你可以按照项目列出任务和技能差距的列表。
2、将这些技能与内部员工进行对照
下一步就是评估内部人员,看看谁有能力和背景来承担这些任务和填补技能空白,然后把他们确定为培训的对象。你可以查看公司的个人IT经验,研究员工的以往工作经验,与项目经理一起了解候选人的更多信息,以及他们的才能和兴趣也很重要。
3、设计一个课程,找到一个项目
让你选择的员工在一个孤立的实验环境中开发自身技能,这一定不会奏效的。实验室对于开发技能来说是很好的,但是能够让他们真正地利用这些技能,就要运用于实际的项目中,从而积累经验和自信。
4、不断与项目经理进行沟通
与开发新培训员工的项目经理保持沟通,以便你了解项目进展情况。这让你保持与经理的融洽关系。在项目完成之后,与项目经理进行沟通,有助于评估培训及传授给员工的技能的有效性。在这个过程中,你可以发现课程中那些方面是不错的,哪些方面是可以加强的。
5、不断改进课程,以便跟上实际的项目需求
一些项目需求是保持相对稳定的,但有一些项目需求是随着技术和业务变化而变化的。这一点至关重要,如果你正在开展培训,就需要跟上变化的步伐,这样你的培训总能提供项目所需的技能。你可以通过不断评估项目,然后回到课程中,确保培训与项目的需求是同步的。
最终,我要借用Cloudera教育服务部门副总裁Sara Sproehnle的一句话:“你可以很容易地对员工进行交叉培训。这并不是说技术是不可理解的。你只需要把现有的开发者、分析师和管理员集结到一起,对他们进行交叉培训。”
Sproehnle一语中的。如果越来越多的企业IT部门能够把大数据和分析培训掌握在他们自己手中,这个策略才能真正发挥作用。
好文章,需要你的鼓励
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。