DataSentics Datasentics 12.04.2022

Uvažujete o práci data scientisty nebo data engineera? Jak na to s DataSentics

Jsou vám slova jako data science, machine learning, big data, neuronové sítě, prediktivní modely známá a chtěli byste pracovat na pozici data scientist nebo data engineer? Pokud ano, čtěte dále. Připravili jsme pro vás shrnutí z workshopu "Chcete začít s ML?“, kde naši odborníci na data science a data engineering v machine learningu popsali, co můžete od práce na pozici data scientist, případně data engineer čekat, čeho se nebát a na co se připravit. Na konci se můžete taky podívat na zajímavý webinář od našich kolegů.

Jak moc dobře musíte umět matiku a statistku?

Studujete matematiku nebo statistiku na matfyzu nebo jiné fakultě? Skvělé! Její hlubší znalost je pro práci data scientisty klíčová. Pokud se ale zabýváte jiným oborem, kde matematiku, statistiku, nebo logiku můžete použít, je to také cesta. U pozice data engineer je to taky skvělá doplňková znalost, která se neztratí.

Řada znalostí se dá také získat prostřednictvím online kurzů, které dnes nabízejí přední světové univerzity, vzdělávací weby, nebo profesní sociální sítě. Mrkněte třeba na Coursera, EdX a Stanford online kurzy zaměřené na data science v R, python, statistiku pro data science, nebo machine learning modely. Můžete se třeba taky zúčastnit hackathonu na Kaggle! Nemusíte dokončit desítky kurzů. Klíčové je analytické a kritické myšlení, a celkové porozumění tématu.

Pokud matematiku nebo statistiku nestudujete, nevadí! Jak se na tuto práci připravit?

Je potřeba se připravit na to, že na začátku musíte získat množství znalostí a dovedností. Řada našich kolegů se proto několik měsíců před nástupem do DataSentics věnovala intenzivnímu kódění. V DataSentics pracujeme na analytických a inženýrských pozicích primárně se sparkem a pythonem, a v prostředí databricks, Amazonu, nebo Azure. Pokud to s tímto oborem myslíte vážně, využijte všech dostupných možností a co nejlépe se v těchto prostředích zorientujte.

Je vám bližší data engineering nebo data science?

Říká vám něco pojem lineární nebo logistická regrese? Sami jste si ji spočítali? Jak vám to šlo, a jaký máte pocit ze své práce a výsledku? Pokud chcete být datovým vědcem, bude to váš téměř denní chleba. Připravte se na to!

Jestli vás to víc táhne k data engineeringu, neměly by vám být cizí pojmy jako python, spark, sql, databáze, ETL, cloudové služby, pipelines, nebo práce v IDE. Nejlepší cestou, jak takové znalosti a know-how získat, je práce na vlastních projektech.

Chcete se stát data scientist nebo data engineer už při studiu?

Pokud se vám podaří časově skloubit vaše současné studium s prací data scientist/engineer, můžete nasbírat skvělé pracovní zkušenosti a propojovat školní teorii s praxí. Finanční ohodnocení na juniorní pozici může být při studiu více než pěkným výdělkem.

V tabulce níže jsme sepsali přehled základních rozdílů mezi prací na pozici data scientist a data engineer z našeho workshopu „Chcete začít s ML?“.

Máte po přečtení těchto řádků pocit, že data science nebo data engineering pro vás může být ten správný směr a chcete to zkusit? Tak to máme radost a přejeme hodně úspěchů! A pokud vás k tomu navíc zaujaly projekty, na kterých v DataSentics pracujeme, neváhejte a napište nám!

A na závěr se můžete podívat na webinář, kde vám naši kolegové přiblíží:

  • Co je motivovalo jít zrovna do dat/ML
  • Co čekali a potvrdilo/nepotvrdilo se jim
  • Co nečekali a příjemně je to překvapilo
  • Co je na datech netěžší/největší výzva

Webinář "Chcete začít s ML?"

Enter your E-mail address and name to watch


Zaujali jsme vás? Podívejte se na náš hiring web!

Hiring