Según mi experiencia, generalmente existe una discrepancia bastante significativa entre las descripciones de trabajo y el trabajo diario real y no hay otra forma de calcular cómo será su trabajo que pasar por el proceso de entrevista y hacer un montón de preguntas.
Dicho esto, tengo un par de cosas que busco, más desde una perspectiva de bandera roja que otra cosa:
- Dado que DS / ML es un término tan amplio, es importante que sepa qué tono está buscando. Dejando a un lado los roles de DS que no tienen derecho legítimo a ser llamados así (como los antiguos roles de analista o BI), entonces una de las grandes diferencias que casi siempre puede reconocer en un puesto de trabajo es entre roles que se basan en la ciencia cuantitativa frente a roles que se basan en El lado de la ingeniería de software. Teniendo en cuenta mi experiencia personal, sé que no tengo suficiente experiencia en CS para tener una oportunidad razonable de desempeñar funciones sénior / principales que pesan mucho en esos conceptos, y sinceramente, realmente no disfruto tanto esa parte de DS como la parte cuantitativa. Por lo tanto, trato de mantenerme alejado de los roles que “reportan al director de ingeniería” o donde el dominio de lenguajes de bajo nivel como C # o Java son habilidades requeridas, o donde el rol en sí será responsable de escalar soluciones a las producciones (en lugar de trabajar con ingenieros para escalar soluciones a producción). Pero de nuevo, esto es solo mi preferencia.
- Durante el último año, noté un aumento algo preocupante en los puestos de trabajo, especialmente de las nuevas empresas, donde se usa el término “hacer una mierda”. Ahora, entiendo que algunas personas pueden estar fascinadas por un entorno en el que las personas usan abiertamente este término, y yo estoy trabajando duro y me gusta obtener resultados … pero cada vez que leo ese término me imagino a un gerente (que probablemente sea también el CTO y el CEO) respirando fuego y escupiendo malas palabras en mi espalda mientras trato de cumplir con sus expectativas poco realistas. No, gracias. No para mí.
- ¿PostgreSQL es bueno o malo para Big Data?
- ¿Cuál es la relación entre la ciencia de datos y la cadena de bloques (si hay alguna)?
- Como científico de datos, ¿sería prudente familiarizarme con los servicios de informes SQL?
- ¿En qué se diferencia la minería de datos de los sistemas de bases de datos?
- ¿Existe algún beneficio de saber que Java debe seguir el camino de ser un científico de datos o puede tomarse como un complemento? (Java-as Map reduce los requisitos previos: análisis de Big Data)