Foto door Jac Alexandru on Unsplash(2020)

Introductie

 
Als je nadenkt over je eerste baan in de datawetenschap of je volgende baan in de datawetenschap, wil je jezelf afvragen wat belangrijk is. Voor mij heb ik een paar functies in de datawetenschap gehad, en dit zijn enkele van de meest kritische vragen waarvan ik denk dat ze belangrijk zijn om te overwegen bij het selecteren van de volgende baan. 

Heeft u een MLOps-ingenieur in uw team?

 
Het bestuderen van datawetenschap bestaat meestal uit het beheersen van machine learning-algoritmen, maar er is een groot deel dat vaak wordt verwaarloosd in de academische wereld, namelijk de werking van deze algoritmen. De reden kan zijn dat er tal van verschillende manieren zijn om uw modellen te implementeren, en veel van de opties kunnen kostbare, specifieke platforms omvatten die al in uw bedrijf zijn geïntegreerd. Vanwege deze variabiliteit kunnen scholen of programma's ervoor kiezen om bewerkingen niet in hun syllabus op te nemen, wat begrijpelijk is.

Dat gezegd hebbende, zult u zich hoogstwaarschijnlijk willen afvragen of dit werk uw verantwoordelijkheid is als datawetenschapper, of dat u een toegewijde MLOps-ingenieur hebt (of Machine Learning Engineer, enz.). Natuurlijk zijn er mensen die beide kunnen, en die beide delen van het proces van het maken en inzetten van modellen het liefst beheersen, maar het is ook prima om alleen een datawetenschapper te zijn die zich op algoritmen richt. Nog belangrijker is om deze definitie met uw toekomstige of huidige manager te verduidelijken.

Werk je samen met een SQL/Data/Business Analist?

 
Net als bij de bovenstaande overweging, wilt u zich afvragen of u iemand in uw team heeft die een expert is in SQL. Sommige datawetenschapsfuncties vereisen weinig SQL, terwijl andere dit bijna dagelijks nodig hebben. In uw interview wilt u aangeven hoeveel SQL u kunt verwachten en of u de enige bent of niet.

Soms is er iemand anders, zoals een data-analist, bedrijfsanalist of data-ingenieur die meer een expert is, die in SQL leeft. In sommige datawetenschapsfuncties moet u echter zowel vóór als na het modelleringsproces uw gegevens opvragen.

Wordt er van u verwacht dat u aan één project tegelijk werkt?

 
Eén project tegelijk klinkt misschien als een eenvoudige taak voordat u een professionele datawetenschapper-rol betreedt, maar het kan snel een voltijds project worden.

U kunt enkele van de volgende stappen voor een bepaald project verwachten:

• Het zakelijke probleem definiëren
• De gegevens verkrijgen
• De gegevens opvragen
• Functie-engineering (niet alleen bestaande functies rangschikken, maar nieuwe functies bedenken die conceptueel logisch zijn)
• Modelvergelijking/fout/nauwkeurigheidsanalyse
• AB/testmodel
• Implementatie van model
• Al het bovenstaande kan een soort werk hebben met anderen, zoals een productmanager, uitvoerend personeel, software-ingenieurs, data-ingenieurs, AB-testers, bedrijfsanalisten, gegevensanalisten, enz.

Ben jij de enige datawetenschapper die aan een project werkt?

 
Sommige functies in datawetenschap hebben een project waar slechts één persoon aan werkt, terwijl in andere rollen een paar mensen aan hetzelfde model werken. Mensen bewegen in hun eigen tempo, hebben meer of minder productieve dagen dan andere dagen en kunnen al dan niet genieten van het dagelijks met anderen aan hetzelfde project werken. 

Het is uiteindelijk aan jou om te beslissen wat je leuk vindt, en net zo belangrijk om te weten wat de verwachtingen zijn voordat je een rol aangaat. 

Wat is de gebruikelijke tijdlijn voor het voltooien van een project?

 
Het testen van algoritmen/modelcreatie gaat verrassend snel. Het zijn de onderdelen ervoor en erna die de meeste tijd in beslag kunnen nemen bij het ontwikkelen van een model en het integreren ervan in uw bedrijf.

De tijdlijn kan voor elk project fluctueren, en net als de andere overwegingen hierboven, gaat het om verwachtingen - hoeveel werk er nodig is om een ​​bruikbaar resultaat te verkrijgen.

Samengevat

 
Over het algemeen is het belangrijk om te onthouden dat wanneer je wordt geïnterviewd voor een rol in datawetenschap (of welke rol dan ook), je ze ook moet interviewen, en dit zijn slechts enkele van die vragen of overwegingen die je zou kunnen stellen en ter sprake brengen. Bovendien zou je zelfs in je huidige functie nog steeds een aantal van deze vragen kunnen stellen.

Om samen te vatten, zijn hier vijf dingen om in gedachten te houden voordat u uw volgende data science-baan kiest:

• Heeft u een MLOps-ingenieur in uw team?
• Werk je samen met een SQL/Data/Business Analist?
• Wordt er van u verwacht dat u aan één project tegelijk werkt?
• Ben jij de enige datawetenschapper die aan een project werkt?
• Wat is de gebruikelijke tijdlijn voor het voltooien van een project?

Bedankt voor het lezen, neem gerust contact met me op via LinkedIn or Medium .

 
 
Matthew Przybyla (Medium) is een Senior Data Scientist bij Favor Delivery in Texas. Hij heeft een Master's degree in Data Science van de Southern Methodist University. Hij schrijft graag over trending topics en tutorials op het gebied van datawetenschap, variërend van nieuwe algoritmen tot advies over dagelijkse werkervaringen voor datawetenschappers. Matt belicht graag de zakelijke kant van datawetenschap in plaats van alleen de technische kant. Neem gerust contact op met Matt op zijn LinkedIn.

Bron: https://www.kdnuggets.com/2022/01/5-things-keep-mind-selecting-next-job.html