Lavorare nel settore della data science e machine learning è ogni giorno sempre di più un desiderio di molti giovani interessati alla tecnologia e all'innovazione.

Ricevo molte domande proprio da giovani che vogliono un orientamento, una guida, per muovere i loro primi passi nel settore.

Condenserò in questo articolo le informazioni che mi trovo più spesso a condividere e le tipiche reazioni da parte dei miei interlocutori.

Come puoi già immaginare, andrò a parlare parecchio di framing psicologico delle sfide e di modelli mentali utili per raggiungere obiettivi.

Infatti non è sufficiente avere una roadmap chiara cose da studiare e dei progetti da costruire - occorre capire il perché delle proprie scelte. Solo capendo la motivazione alla base di un interesse si può essere convinti e motivati.

Se ti ritrovi in uno o più di questi casi, non sentirti attaccato o offeso - prendi questo momento come una possibilità di mettere in dubbio il tuo pensiero e di muoverti verso la tua direzione.

Sei un procrastinatore

È un classico. Procrastinare ha radici in una scarsa riflessione sui propri obiettivi, ed è a mio avviso il primo e più grande ostacolo che puoi imporre a te stesso.

Ti fai pensieri come

  • "non conosco la statistica come vorrei, quindi non posso iniziare"
  • "ho bisogno di conoscere x y z altrimenti non capirò nulla, quindi non posso iniziare"
  • "ho bisogno di completare la mia laurea, quindi non posso iniziare"
  • "non mi sento bene oggi, lo farò domani"

In pratica, continui a creare scuse per non iniziare il tuo percorso.

La verità è che puoi iniziare ad imparare la data science il machine learning ora, senza dover attendere proprio nulla. Imparare un argomento ha sempre dei requisiti, ma non occorre averli per forza appresi per iniziare. Non è un esame universitario, e ognuno ha i propri ritmi. Rispetta e accetta i tuoi.

Ti arrendi davanti alle sfide

La data science e il machine learning sono argomenti ostici per la maggior parte della popolazione. Hanno una barriera di ingresso molto ripida a causa delle dipendenze su temi come l'algebra lineare, l'analisi matematica, il calcolo della probabilità e la metodologia della ricerca.

I tuoi pensieri in questo caso assomigliano a

  • "non ce la posso fare, proprio non riesco a capire x y z"
  • "io vengo da un background non tecnico, la matematica è troppo difficile"
  • "ho fallito a questo esame/test/intervista. Questo lavoro non fa per me"

Se ti è capitato di farti almeno uno di questi pensieri, forse ti sei arreso troppo velocemente. Se fosse facile, il mondo sarebbe pieno di data scientist. In fondo è uno dei mestieri più ricercati e pagati del momento.

Questa è una maratona, non uno sprint. Ci sono sfide più dure di altre ed è giusto sentirsi bloccati davanti ad esse. Fa parte del gioco.

La soluzione è allenare la costanza, un ingrediente fondamentale per raggiungere svariati obiettivi. Ti senti stanco oggi? Leggila comunque quella pagina di quel libro. Una sola. Ti senti triste? Prova a distrarti e a farti coinvolgere dallo studio. Ti senti demotivato? Stacca il cervello e guarda anche solo 5 minuti di quella videolezione.

Allena la costanza e imparerai a superare parecchie sfide che ti si porranno davanti.

Sei un perfezionista

L'altro lato della medaglia della procrastinazione. Infatti, spesso il perfezionismo viene messo allo stesso livello della procrastinazione come causa principale dell'inazione.

Non sarò il primo a dirlo, ma lo dirò ugualmente: la perfezione non esiste, da nessuna parte. Dobbiamo essere solo soddisfatti con il nostro progresso.

Misura il tuo percorso, un po' come faresti in palestra. Ieri 5 push-up, oggi 7.

Porta a casa piccole vincite ogni giorno invece di cercare vincere l'intero jackpot subito.

Puoi fare buoni progressi con poche ore a settimana o decine di minuti al giorno. Ci sono molti piccoli concetti importanti del machine learning che puoi imparare ogni giorno - ci vorrà solo qualche sacrificio, come tutte le cose belle della vita.

Non sei abituato a fallire

Solo attraverso il fallimento c'è vera crescita. Nessuno sviluppa un algoritmo nuovo o un apparecchio rivoluzionario al primo colpo. Il metodo scientifico si basa proprio sulla falsificazione, sulle congetture che facciamo ogni giorno che non trovano fondamento attraverso la sperimentazione.

Sperimentazione significa anche iterazione. Bisogna provare tante e tante volte. Trial and error - apprendimento per tentativi.

Tenta e ritenta. L’apprendimento automatico è difficile ma non più difficile di altre competenze tecniche come l'ingegneria, la chimica o la programmazione. Ci vuole tenacia e dedizione.

Ti circondi di negatività

È brutto ma accade sempre. È incredibile quanti giovani soffrano per via degli altri, che siano amici o familiari o anche professori.

Rimuovi le persone che non credono in quello che fai e che ti rallentano. I tuoi obiettivi sono solo i tuoi, e nessuno può comprenderli meglio di te.

Smettila di imporre i tuoi pensieri sugli altri, e rimuovi dalla tua vita le persone che vogliono imporre le loro visioni su di te.

Costruisci intorno a te relazioni che alimentano la tua fiamma, la tua passione, che sia verso la data science o altro. Non cambia nulla. Crea società, gruppi, con persone delle quali ti fidi e con cui condividi la tua visione.

Non farti soffocare dalla negatività delle altre persone.

È tutta questione di mindset

Il mio ultimo consiglio è quello di aggiustare il mindset per accogliere le sfide. Non sto parlando solo di sfide di lavoro, universitarie o simili. Sto parlando proprio delle sfide di vita.

Quando il nostro mindset, il nostro schema mentale, è positivo e orientato all'azione, allora abbiamo buone probabilità di risolvere il problema che stiamo affrontando.

Prova a immaginarti tra 5 anni. Che persona sarai?

Pianifica per il futuro e non farti distrarre dal obiettivi a breve termine. Prioritizza sempre quelli che sono facili da raggiungere in poco tempo. Metti in secondo piano quelli secondari e che richiedono molto tempo.

Accogli le sfide, sii costante e impara qualcosa ogni giorno. Non paragonarti mai a nessuno, ma solo con te stesso in un periodo precedente. Misura il tuo progresso, godi dei piccoli passi.