作为研究生，我为什么暂时放弃找DS工作。

被地里一个安利DS的帖子启发，说说看我为什么暂时放弃DS。我实习是Data scientist Intern。作为曾经被就业培训机构画饼一度想走DS道路最后放弃的人想向大家说说我的心路历程。
以下会提到大量主观个人案例，没有大数据，纯属个人经验，仅供参考。作为工科背景，DS我有两条路可以走，data scientist或者data engineer。以下只是对这两个方向的分析，不包含数据分析岗和商业分析岗。希望可以给纠结DS或者CS的学弟学妹一点参考。
我在美国top30的一所学校读EE硕士，学校地处加州，找工作来说条件非常好。因为一些考虑我放弃了原来学的硬件，下决心转方向。我从两年前就开始关注就业形势，听了很多留学培训机构讲座，听上去DS很有前途，加上我上过很多机器学习课程，感觉转DS做data scientist（data scientist我默认是做机器学习，会涉及到统计知识，但是我看过一些面试题，本科期间学的统计知识基本够用。面试拉差距主要还是机器学习和算法）会比直接转CS平稳。到研究生快结束找全职前，我已经有三份美国中小公司实习经历，两份机器学习相关，其中一份是Data scientist Intern。届时身边认熟悉的同学有四五个是机器学习相关的实习，其中包括微软亚洲研究院的机器学习实习大牛。我告诉你现在他们的全职状况，我现在身边熟悉的十几个人，包括大牛，全部做SDE去了。没有人再跟机器学习沾边。我尝试过找机器学习，面过实习公司机器学习的组，组非常小，全是PHD。当时我的面试所有技术问题全过了，当然也只是一些机器学习基础知识以及我实习的项目。作为内部实习生，应该是有优先考虑的，然而没有消息了。后续投了很多做机器学习，深度学习，data scientist岗，现在做这些的大部分只有小公司，简历关全跪。无心插柳投的软件开发，倒是收了很多面试，最终我个人是软件开发上岸，认识的人没有数据上岸或者机器学习上岸的。我曾经在招聘网站上搜索关键字，软件开发岗位是数据科学岗位的五倍还多。另外，数据科学家岗位学历普遍要求更高。
DS不只是data scientist这一条路口走，还有很大一块是data engineer。这一块的职业要求描述里要求的技能，其实基本是cs的课程。我实习期间认识一个做data engineer的，了解了一下感觉大部分是数据load transfer cleaning，会很枯燥。公司技术栈落后，跳槽很受阻。听一位工作了的学长的描述，data engineer工资待遇基本跟SDE持平，甚至更低。并不如data scientist。这块在CS专业不受欢迎以至于相关课程都不够抢手。
认识的学长有一个有在某知名大学Data science这个专业读研的，本科CS。最后跟我去了同一家公司做SDE。
综上，我认识的小小圈子里，想走DS或者说机器学习（事实上机器学习应该比DS就业还广一点）的研究生有大概四分之一，最后走上了DS道路的，零。博士生另论，完全另一幅天地。
都是我的个人案例，大家谨慎参考。在众多专业中DS确实很值得考虑，在CS和DS中，不打算读博的话谨慎。非常欢迎讨论，我对行业了解不多，希望能有DS大牛讲解下，我很希望多了解一点真实的DS。不知道为什么留学或者职业培训机构对data science那么乐观，欢迎讨论！求加米！

《1》Machine Learning

公司里很多做ML的职位叫 Machine Learning Engineer，可以认为是 Software Engineer with a specialization in Machine Learning，换言之，MLE跟mobile, front end一样，可以理解为是SDE的一个track。

只有硕士学位、工作经验也不丰富的MLE，一般做不了model和算法，做的是实现。

有的公司里也有专注做ML建模的组，建模一般要求phd，但是这样的职位很少。


《2》Data Engineer
data engineer这个title在不同公司意义不同。
有的是SQL，论收入 SQL < Data Scientist < SDE。

有些公司里，data engineer做data pipeline/platform的开发，是个软件开发的工作，跟MLE、mobile、 front end一样，也可以认为是SDE的一个technical track，这种职位收入当然跟SDE看齐 - 所有的SDE technical tracks应该都是同一个收入标准。


《3》Data Scientist

data scientist 情况更加复杂和混乱。

DS里最高端的是职位俗称“建模”，但问题是公司里哪有那么多模型给人建？职位太少了。

在很多行业、很多公司，其实只是 data analyst or market/business analyst，无非是给了个好听的title。工作内容SQL为主、写点简单的R或者python就算高难度技术活了。这些是DS里的低端职位。尤其是非互联网公司，基本都是此类职位。

搁在中间的DS职位，在互联网公司里俗称 analytics。

在facebook， DS是二等公民，因为收入比 SDE低一级，也就是说， DS的level 5，收入可以参考SDE level 4。一亩三分地每日答题里有一道题目，就是针对这个情况设计的。
在Airbnb， DS跟SDE同等级同收入。

在这两家，DS做的事情其实是类似的。既然类似，为什么A家地位高？全看公司设置，看领导们怎么看待。

现在analytics待遇最好的地方，应该就是airbnb了。你会看到不少人在fb工作几年去airbnb，那怕在表面上是平级移动，比如 FB DS 5 -> Airbnb DS 5，用收入衡量，其实是 FB SDE 4 -> airbnb sde 5，跳槽涨钱了。

去A家做DS = 从各种公司去FB/Google做SDE。。。
以上仅是部分内容。全文单独发了个帖子：《猿族星球DATA岗之等级划分：DL Monkey >ML Monkey >DS Monkey >SQL Monkey》

FindDreamCareer 发表于 2019/05/21 08:39:08
lz说的安利帖是我写的那篇吧，但是我写的内容跟你说的完全不矛盾吧。而且我是从职业规划的角度来谈，也不算是纯粹安利DS吧...你提到的这些问题，我感觉在我的文章都给出了我的看法。作为应届生，我自己本人也...

这是啥话。。。 软件不能做一辈子，DA DS 就能？
有说会计能的。不过算税软件辅助部分越来越多了吧？而且会计收入真的比较低啊……
有说法是医生能，那也要看做什么的医生，现在已经有深度学习的应用打算代替radiologist 和诊断器械操作员了。Surgery 倒是不知道我活着的时候能否看见robotics取代人。谨慎怀疑。
说律师能的，要看有多少人能占到坑，还有多少paralegals 搞一辈子，又被深度学习NLP很大规模代替。
对了我没说全部代替，human in the loop 在很长一段时间内都还会存在。不过取代一些工作是肯定的。low skill 内容被大量自动化。对剩余需要人工input的内容要求更多更高。人被要求life time学习等等。
除了吃饭睡觉，其他的确没有什么能做一辈子。这时代也没有铁饭碗了。
. 1point3acres.com

data scientist一直都是phd为绝大多数啊。master就应该主攻data enginner。感觉楼主方向歪了。

data engineer比sde工资低也是情理之中。为什么宣传转专业的找data engineer？因为门槛低。门槛低还比sde工资高，cs真的是白读的吗？

但是你要这样想，相对其他一些专业而言，data的情况可能会好很多，如果是那种文科商科的专业，可能连实习的机会都不存在，data反而会好些，cs也是一个道理

Warald 发表于 2019-5-21 02:39
公司里很多做ML的职位叫 Machine Learning Engineer，可以认为是 Software Engineer with a specialization ...

谢谢地主！很宝贵的信息！

楼主的经历很值得参考 我本是转DS 还没入学已经差不多决定要转码 … 准备过几年曲线救国看能不能做回DS?? 地里有一些这样的案例 本来我挺担心经历和项目太data science了找SDE会过不了简历关 但是楼主的分享倒给了我挺多鼓励的 先谢过 ~~

反正我现在题也刷ML/统计/data challenge什么的也准备着还有一堆大大小小的网课项目等着做 已经忙得怀疑人生 XD 也不知道到了秋招到底投什么实习好

马上开学要读分析 看完楼主的帖子觉得有点担心了 学过一些front end 难道master只是辅助 因为兴趣爱好学的front end back end才应该当作重点吗

觉得做data scientist要补好多statistics的知识，之前面试都是在统计上挂了。现在也犹豫要不要SDE得了

我倒是有个疑惑，想做一个DS，统计知识和代码知识需要到什么一个程度？根据地主的回帖，感觉这只是一个基础？重点在于实战经验以及解决问题的思考方法？
可是一个学生或者一个New Grad除了学校的项目和实习外，就没有什么相关经验了，这是不是陷入一个死循环，怎么破？

另外感觉现在的分析岗位，用SQL, 用R或者Python的也不好找。。。

您好！
本帖隐藏的内容需要积分高于 50 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 50 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies