DS实习文学之，我自己都不知道我做了什么

看到地里面没有太多DS相关的实习体验，我也就聊一聊我在某美帝大医保A公司的实习体验。这一段经历对我来说更多是迷茫和困惑，给我这种职场小白好好地上了一课。啊当然同事和mentor都特别nice，有问必答的那种。这个帖子主要是来讨论一下对于ds实习岗位的一些看法。我不会说我的实习体验差，只是说实习完了之后很困惑
至于为什么这么晚才发帖，主要是extend了实习期+学校开学晚，这两周才准备wrape up （这个帖子里估计有很多错别字orz我至今的地得不分，请大家谅解）

lz水平一般，秋招的时候搞gre去了，所以春招的时候才急急忙忙得投。A公司当时放出来岗位是BA，对于当时的lz来说算是dream internship了。今年一月底投的简历，二月份拿到了OA。OA没让写码，就对着镜头讲讲以往的经历啥的。OA过后两周拿到了A公司两个不同的组的面试。第一个组是在aws上push ML models的，面试官还跟我开玩笑说他们组里有很多帅气的码农，但面试完也没下文了。。。第二个组说是做business integrity的，虽然感觉面试官（也就是现在的mentor）没太把到底干什么讲明白，但他对我的印象不错，两个人能vibe起来。一周后跟manager聊完之后的第二天就拿到了offer


实习原定是10周，第一天跟mentor聊天，mentor说想前两周让我适应一下，学下agile devops还有公司文化啥的，然后再refine一下internship goals。其实这个时候lz就有点困惑了，agile和devops这种东西一两天就能学个大概懂，为啥需要学个两周。一开始的时候还特别push mentor，但感受到mentor想让我take it easy之后我就没敢干了。当然作为职场小白，我不明白大家wfh都会摸鱼，前两周的时候我闲得无聊发慌也会逼自己读confluence上跟我没有任何关系的documentation，宁是要把8个小时的班做完。。。

前两周真的好让我困惑，因为lz不太清楚岗位需求到底是什么。mentor人超nice，但是每回跟我聊projects的时候都会说“我觉得这个你可以看看”，“那个你也可以看看”这些project有什么，design a coding exercise for future analyst candidates，compile a list of health-related acronyms这种没什么营养的。以及最后我发现这个组是做fraud detection的（瞎猫撞死耗子）不知道为啥挂着BA的头衔，mentor也跟我说以后简历写DS intern更合适些

第三周原先组里的一个ds要走了，临走前跟lz走了个knowledge transfer。差不多这个时候我才明白我的岗位需求到底是什么。原先有个query based solution需要更新，让我看看有什么改进的方法。于是第三周-第五周 lz雄心壮志的读了很多 fraud detection in healthcare 相关的文献，有了个大概的基础概念。之后lz找mentor要数据（有数据库的access但不知道该看哪个）mentor给lz说了几个table，我也就开始做POC demo了。Demo的结果挺好的，算是验证了learning based solution的可行性。Mentor也挺supportive的，安排时间让我向product owner展是成果。


但是这个时候尴尬的事就来了。和我一直一起公事的小哥R在看了我的POC之后，跟我说dataset有问题（简单来说，mentor以为给我的两个dataset是一个只有fraud，另一个fraud和non fraud都有。R跟我解释说这两个dataset都是potentially fraud，其中一个还是另一个的filter后结果？？）所以到最后，想要写一个machine learning algorithm，但到头来连最基础的labelled dataset都没有，非常尴尬。。。

（这里我知道可以用unsupervised learning，但healthcare里的fraud detection比较注重“能不能被layman理解”，所以基本上不太被favor，而且我自己也不怎么会用orz）

没有dataset只能自己搞了，所以R和我就开始了一项非常没有技术含量的活，那就是自己label data。。。。。。。。R不会python也不会R语言，他一般analysis都用excel做。剩下几周的流程是R用excel做完analysis（同时吐槽lz，说他看不懂我写的python）->告诉lz一个labelling的logic->lz根据他的一些logic写了几个jupyter notebook，最多就是根据criteria assign了一下risk score。。。就这么索然无味的度过了剩下的几周。

8月中的时候组里来了一个新ds（就叫他S吧），负责aws migration。lz非常想向他学些东西，mentor也很支持，然后就跟S聊了聊，sit in了一些meeting。S过来看了一下fraud detection的“算法”之后跟mentor有了以下的对话：

S：现在这个算法能在aws上跑是因为他不是真的，you know，machine learning algorithm
mentor：（尴尬不失礼貌）啊是的
S：所以如果要放到sageMaker上需要大改
mentor：是的，你看看xx（指lz）能不能帮上什么忙

于是lz给S讲了一下目前的“算法”，S看了之后说想先想想，lz也就回去和R继续label data了。。。。。。。到最后还是没碰到sageMaker的影子

前几周之后和mentor one on one的时间也不是很多（mentor升职了所以忙了许多）但midpoint review的时候还是给了挺多好评的，前几天还跟lz说R经常夸我干事干得快，fast learner。不出意料应该会给return offer，要extension的时候也很痛快地给了。组里面气氛也超级nice，组员之间互相帮忙说话。每回lz跟product owner讲自己做了什么，展是成果（也就是展示个jupyter notebook）的时候其他product owner也会夸，说this is really meaningful and will generate a lot of business value in the future，但感觉自己根本没做任何有技术含量的东西。。。不知道其他人到底是不是在尬夸

实习快结束了，mentor也跟lz聊要不要一起改简历，顺便帮我看看研究生选校之类的。说真的我都不好意思在简历上写我干了什么，因为感觉一夏天下来啥都没干。人在西部公司总部在东部，每天3点钟下班也没朋友已经下班了，能出去走走。朋友们周末还都在家备考GRE，感觉自己都快憋出毛病了。实习开始之前还被甩了，本身希望能够通过被公司剥削忘记情伤，结果因为公司太划水了导致有更多时间思考情感问题了。。。。。现在终于理解大家说ds/da好杂的原因了，因为根本没有一个很standardized job description。进去的时候我以为我要做ab testing，第二周结束我以为我要写SVM，现在我才意识到我在写jupyter小notebook。。。一段挺没有挑战的实习就这么结束了，感觉进去是啥样，出来依旧是啥样，唯一长进的是ppt写的更好看了。。。。但最后还是很感谢R小哥和mentor一直这么supportive

不知不觉写了挺多的了，谢谢大家看到这里~祝大家找工顺利

哈哈哈 小妹加油 💪 DS岗也是有很多方向 下次面试的时候可以问得更清楚一些

DS的工作就是这样，太杂了，公司招人的时候也不说清楚，估计自己都没搞懂需要什么样的人做什么样的事

哈哈哈感觉写的好快乐，给楼主加米

看了你的实习经历有几点疑问。。
1. LZ做POC的时候没有用到label嘛？不用的话是怎么发现自己的方法可行的呢？看LZ的意思是最后发现data都是unlabeled的？
2. 感觉好像业务逻辑没有很复杂，组里的人都能用excel手动标注数据了，那为啥还需要建个ML model？
3. Sagemaker不是自动train model的吗？只要你有data就行了，新来的ds说不能放到Sagemaker里跑是啥意思？
还是祝贺LZ拿到return啦，这个最重要。

正常，很多年前我实习的时候也不知道自己在做什么，也不知道是怎么混完的，结果还不错。路还长，楼主加油吧