查看: 13145|回复: 71
收起左侧

分享对Data Science职业发展的理解(求米)

    |只看干货
本楼: 👍   100% (68)
 
 
0% (0)   👎
全局: 👍   97% (365)
 
 
2% (11)    👎

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
本帖最后由 craigdavidcc 于 2022-1-16 23:54 编辑

一个求米贴,也是想跟有同样困惑的同学进行交流。
几类DS,哪个适合你?

Product DS ..
简介: 技术层面要求不高,SQL为主,多从事A/B testing等experiment类型工作,进行产品优化的工作。
点评: 优化类型的工作,非常适合互联网2C业务的大厂, 然而去起步阶段的startup价值有限。在我的理解中,过去企业有多少用excel的商业分析员,未来也许就有多少product ds,可能看起来tech方面要求低,但我觉得长线来看需求会进一步扩大。BTW, fintech的risk data scientist暂且算在此类。
职业发展方向: 大厂 career ladder;或转型product manager;跳槽pre-ipo。
.google  и
Marketing/Pre-sales DS
简介: 多会做一些offline support的DS,或者对应revenue management,技术要求更宽泛一些,目的是帮助决策。
点评: 在data-driven company会很有存在感,否则可能会略显鸡肋。我个人觉得,总体来说,职业上升空间不见得很高。
职业发展方向:  pre-ipo;传统行业DS team;大厂 career ladder。个人觉得改方向天花板略低,大厂的职位应该远不如Product DS的多。

Research Scientist
简介: 可能是”Science“深度的天花板,也许非PhD驾驭不了这个title。
点评: 通常只有FAAMG养得起一个有规模的research团队;我觉得对某些人,这个是自然的选择;对大部分人,这是不存在的选择。这里无需多谈。
职业发展方向: 大厂 career ladder;academic;ai-startup;

Machine Learning Scientist. check 1point3acres for more.
简介: 盛名在外,很多人眼中真正的”DS“。偏技术,具体也比较看方向。
点评: 其实即使在大公司,很多此类DS也都在做业务,而非前面的”research“,建模只是部分工作,通常模型不能直接解决业务问题,更多的是要理解业务的需求,建”对的“模。很多同学觉得这个光鲜,毕业就想做这个,但从职业的角度去想,如果Meta/FB需要1000个Product DS去分析和研究产品,难道会同时需要1000个做业务模型的DS么?我没有求证过,但我觉得会是一个相对小点的job category。技术永远是随着时间贬值的,我建议对建模没有执念和热爱的同学,或者半路转业想来做modeling的同学,三思后行。不过话说回来,建模毕竟相对硬货,路子其实挺广。-baidu 1point3acres
职业发展方向: 大厂 career ladder;all level startup;machine learning engineer;

Engineering DS
简介: engineering有许多去需要measure的东西,需要ds;另外很多internal tool/application是跟data相关的,所以通常会有embbed在engineering org里的data scientist;
点评: 很不巧,我自己就是,我对此相当抵触;因为做的事情通常是辅助性质的,面对的用户是内部的;这个职位会让你不得不去了解很多engineering (software engineer, data engineer)的东西,可也并不会让你成为一个experienced software engineer。
职业发展方向: 刷题转码;刷题转MLE;刷题转其他DS;专注internal data application development;

没有说data engineer这种岗位,暂时不算在DS内吧,也许很多别的DS类型,我不了解的也错过了。

说在最后。DS确实是个很不错的职业,做相对较tangible的事情。名字也很好看,符合”高智商白领“的预期,但希望大家不要在乎title,title是虚的,别人不一定清楚,但自己别骗自己。从职业发展来看,你选了一条道路,机会成本是有的,干上3-5年,换路子就变得复杂了,在同龄人纷纷变成senior/staff的时候,你如何换一条路并且要求同样的level呢?我希望大家透过假象,看本质,早日走在对的那条路上。

求米是真的,楼主每天都在想着跑路,需要大米。今天时间比较短,写的也不清楚,我会接着改,有问题的留言一起交流。



评分

参与人数 93大米 +143 收起 理由
星之所在 + 1 赞一个
zhongdewei + 1 给你点个赞!
Cocokuki + 1 想找lz咨询career path了哈哈
MaggieWu + 1 给你点个赞!
小亩_55w3grd + 1 欢迎分享你知道的情况,会给更多积分奖励!
Adelaaa + 1 赞一个
crookzhanks + 1 很有用的信息!
夏天最爱吃西瓜 + 1 赞一个

查看全部评分


上一篇:转deep learning求建议
下一篇:BA想转Machine Learning DS方向,求建议
swordever 2022-1-17 13:49:51 | 显示全部楼层
本楼: 👍   100% (7)
 
 
0% (0)   👎
全局: 👍   99% (2449)
 
 
0% (21)    👎
总结的很棒啊,加米了。我大概就是第二类,在传统行业的Marketing/Pre-sales DS,更偏向于consulting一点。没有特别resesarch/science,但存在感很强,也能直接接触客户。就是pay跟IT大厂的DS不能比。
回复

使用道具 举报

 楼主| craigdavidcc 2022-1-18 10:39:00 | 显示全部楼层
本楼: 👍   100% (6)
 
 
0% (0)   👎
全局: 👍   97% (365)
 
 
2% (11)    👎
zw2019 发表于 2022-1-17 19:55
感觉是因为product ds的高级岗位不够多

我觉得是product ds不是特别需要那种10年,20年经验的超高级IC。相比SDE,很多人可以不做manager,做IC到senior staff这种级别。所以product ds可能往上走的话就自然要求是manager track,而不是IC track,金字塔收窄的更快
回复

使用道具 举报

 楼主| craigdavidcc 2022-1-17 13:31:14 | 显示全部楼层
本楼: 👍   100% (6)
 
 
0% (0)   👎
全局: 👍   97% (365)
 
 
2% (11)    👎
buyaohouhui2 发表于 2022-1-17 00:17
已加米,小白诚心发问,mle的核心技能是什么呢。是更偏向于engineering和模型部署,还是更偏向于ML/DL mode ...

MLE,是个E,大公司偏deployment还有MLOps这些东西,不同公司定义不一样,甚至有时候跟SDE工作内容一样,更多的是解决engineering问题,而不偏重modeling问题,核心竞争力可能就是engineering的那一套,如何使得系统运作更高效和高质量;小公司要求更fullstack一点,一个人负责的环节更多点,但也许粗糙点,也许相对更侧重model吧;

当然也不排除有的公司把MLE就当做处理modeling问题的scientist。
回复

使用道具 举报

本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (9)
 
 
0% (0)    👎
已加米,小白诚心发问,mle的核心技能是什么呢。是更偏向于engineering和模型部署,还是更偏向于ML/DL modeling本身呢?
回复

使用道具 举报

ashuny 2022-1-17 13:36:34 来自APP | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (22)
 
 
0% (0)    👎
如果不满足现状非要转,看个人兴趣,我觉得基本两条:一条转硬核的SDE或者MLE,另一条转偏商业/产品的DS或者干脆PM(难度大不少)
回复

使用道具 举报

zw2019 2022-1-17 14:08:52 来自APP | 显示全部楼层
本楼: 👍   100% (5)
 
 
0% (0)   👎
全局: 👍   84% (303)
 
 
15% (56)    👎
感觉产品ds大多是朝pm走的,认识10个产品ds就有9个想转pm,我自己也打算往这个方向发展,这么说的话join early starup/pre-ipo反而算是相对容易的path?(当然前提是转成)

评分

参与人数 1大米 +1 收起 理由
icelie + 1 赞一个

查看全部评分

回复

使用道具 举报

frizfealer 2022-1-17 20:25:46 | 显示全部楼层
本楼: 👍   100% (2)
 
 
0% (0)   👎
全局: 👍   97% (39)
 
 
2% (1)    👎
"如果Meta/FB需要1000个Product DS去分析和研究产品,难道会同时需要1000个做业务模型的DS么?"-> 这点不一定,我看狗家云端课程说他们内部神经网路模型有几千个,因为现在ML model还是只能负责专一化任务,所以每个模型负责一个use case是很合理的。 Ref: https://www.coursera.org/lecture ... ogle-products-JlnEX 2min 附近。
. Waral dи,

不过,一般来说建模只佔整个DS产品开发的很小一部分,大部分时间花在标记资料,清理资料。另外,CI/CD也佔很大一部分。我也认为往MLE方向发展是个好主意。
回复

使用道具 举报

786491407 2022-1-17 22:55:19 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   98% (374)
 
 
1% (5)    👎
楼主能讲讲data engineer的发展吗?和ds比起来有哪些区别,未来的前景如何

评分

参与人数 1大米 +1 收起 理由
大唐的高僧 + 1 赞一个

查看全部评分

回复

使用道具 举报

huhu1995 2022-1-17 23:51:25 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (2)
 
 
0% (0)    👎
我也是偏engineer的DS 真的有些鸡肋。。
回复

使用道具 举报

本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (81)
 
 
0% (0)    👎
蹲一个~~~
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表