Re: [北美] Data Scientist vs. Software Engineer

看板Oversea_Job作者 (神燈)時間4年前 (2019/12/30 09:21), 4年前編輯推噓2(2推 0噓 5→)
留言7則, 3人參與, 5年前最新討論串4/4 (看更多)
看了這篇文有些感觸 身為在灣區某廠算法組常跟一群Econ PhD DS打交道的人想給些 回應，順便拋磚引玉。 先回應問題：建議挑長期個人興趣所在，短期市場熱度會過去 還有你是否想長期待在美國，挑選非相關專業未來H1B會有風險 STEM OPT還會多久不知道(如果Trump連任) 綠卡現況也不明朗 至於DS vs SWE, 我知道的DS，無論哪個track都得做dirty work (data)。你得有些心理準備 在越偏算法的組，只要exp + deployment + monitoring infra不夠好的地方，DS 跟其他算法專精的人矛盾就越大 我建議無論你選擇什麼，最好都稍微了解eng的語言。DS最終的目的是幫忙產品 deliver.做做分析推論, reg, 設計實驗很少有其他組或上層care. 但若能直接 impact 產品策略，甚至幫助eng加速ship，這是很有價值的 最終公司看得就是你的delivery, 有什麼入production, 有什麼impact. 好的DS特別會講故事，並且很懂得產品策略，有非常大的權利影響OKR 。他們對於數據的掌握度很強，也知道什麼應該claim. 這點其實我很羨慕 我認為產業的大方向就是強化experimentation相關tooling. 未來非modeling的 DS應該會供過於求。然後ideally alg/modeling ds都要有一定程度的自幹能力 未來幾年org架構應該會有相當的改變。跟一些DS帶班子的聊過，只要有一些 團隊內有一定CS基礎的大都跟我的觀點相近。 SWE技能樹很廣，New Grad考個LC沒什麼。或許grok system design可以幫你跳公司 但senior以後的成長還是操之於己。以自修為考量，DS跟SWE都可以花很多時間進修 SWE的純wlb是有機會差的，這個var可能大於DS. 關於轉行，很多東西必須會reset.假如以前沒有什麼coding經驗，你必然得比別人 多花很多時間投入。 關於Soft skill, 無論哪個專業到某個階段這就是個必修。除非你很有自信在北美 IC track單幹。 再關於轉行，不建議小瞧management consulting track, 感興趣就儘早投入 ※ 引述《deniel367 (dann)》之銘言： 如題所示，我感覺我最近站在一個人生交叉點，是時候做出選擇... 但身邊較少人有相關 經驗，想請教板上前輩們。 前言： 我目前就讀北美類似DS碩士一年級，預計2021春畢業，沒有正職工作經驗，大學背景是統 計。目前拿到兩暑期實習offers，一個是做swe (非FAANG的大廠 return機會高)，另一個 是做ds (小銀行 return機會不高) (ds在每家公司都有不同定義，但這篇的ds我定義為ds-analytics，主要是做統計推論、 少量的建模；swe的話姑且定義為general的，不細論前後端之類的，還不知道自己會被分 到哪個組。) 問題： 主要是我不確定要接哪個offer，更精確地問題是... 我不確定未來要往哪個方向走。如 果我要往ds走，我應該會接ds offer DS pros, 1 工作內容我較熟悉、喜歡 2 和過去所學較相關，準備了很久，不繼續做感覺有點可惜... 3 以長遠來說，DS較容易轉職（？） 下方會有更詳細說明 cons, 1 正職平均而言 薪水還是差了sweㄧ截，除非是在非常data driven的公司像是Airbnb, N etflix 2 非常難專精的領域，技能樹容易長得很寬但不深，常感覺學得不踏實...往上發展可能 相對不易，且工作成果難量化，需要靠我不喜歡的軟實力... 3 需要跟來自各領域的PhD競爭... SWE pros, 1 找工作的話，個人感覺比較好準備 主要靠刷題 2 聽說比起DS需要研究的數學統計，SWE的知識點相較容易掌握，生活可能比較可以平衡 ，下班後較多自己的時間 cons, 1 相對不太熟... 而且我統計學了很久，一直覺得放棄有點可惜QQ 2 聽說可能有中年失業問題，再加上我本身不是一個很愛追技術的人，擔心中年後的路不 好走。未來有考慮轉成類似顧問、管理職。感覺DS因為看了比較多商業面的東西會比較容 易轉。 概括而言，我是比較喜歡做DS的工作，喜歡從挖掘數據中得到商業結論這個過程，但心中 一直有個檻過不去，就是總感覺DS的職涯發展需要靠許多軟實力、運氣、業界風口...等 等許多我沒法掌握的因素，讓我感到很不安全，SWE的好處感覺就是可以很專心在一件事 情上。 即使我列下了許多pros & cons，但我還是很難決定，甚至也許這些pros & cons 有講錯 的地方，或是其他我沒考慮到的重要因素，如果有前輩們可以指點迷津，那真是太感謝！ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 107.77.202.186 (美國) ※ 文章網址: https://www.ptt.cc/bbs/Oversea_Job/M.1577499346.A.A88.html
推
12/28 11:29,
刷題找sde 吧
12/28 11:29
推
12/28 13:04,
DS難道就不會中年失業嗎...
12/28 13:04
也是有可能...但我的意思是就轉顧問類、管理職(e.g. APT data business consultant) 而言，DS因為相較接觸比較多與人相處、商業營運，可能比較容易在中年時轉換跑道， 萬一DS做不下去...
推
12/28 13:12,
SWE
12/28 13:12
推
12/28 17:40,
還是swe吧～
12/28 17:40
可以請問為什麼嗎～ 期待有從DS轉到SWE的前輩們可以分享，轉換的動機是什麼xD
推
12/28 18:26,
摻在一起當Data Engineer (誤
12/28 18:26
推
12/28 20:08,
推 有類似的心路歷程，也蠻好奇大家的看法的
12/28 20:08
推
12/28 21:42,
很多強的swe也能做modeling/ML/analytics, 相較之下DS還沒
12/28 21:42
→
12/28 21:42,
見過可以把東西做超過prototype的...個人覺得swe skill set
12/28 21:42
→
12/28 21:42,
可以大於等於ds也是swe薪水更高的原因
12/28 21:42
推
12/28 21:45,
至於軟實力 兩者都需要 跑不掉的
12/28 21:45
感謝分享 但我有不同看法。我覺得ds analytics有時需要做的事情是需要非常深厚的統 計 底的，像是實驗設計、抽樣、統計推論，不是隨便跑個模型就可以，需要紮實統計理論去 解釋進而做決策。 就我碰過身邊cs的同學其實是缺乏這塊，兩者的skill sets我感覺是有交集，但非完全重 疊。 不過這可以扯到另一個問題是...一般的老闆可能不在意這些統計理論和使用的正確性， 導致有可能ds的價值不被在意QQ
→
12/28 21:58,
想問樓上。那這樣ds有啥價值，都可以被swe取代了
12/28 21:58
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:18:47 ※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:20:53 ※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:23:37 ※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:26:12 ※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:28:38 ※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:30:47
推
12/28 22:50,
ds的確需要統計底 但我想說的是厲害的swe這些技能也是有的
12/28 22:50
→
12/28 22:50,
我的swe同事就是個stats phd, 也有剛畢業的ds
12/28 22:50
→
12/28 22:50,
ms, 但
12/28 22:50
→
12/28 22:50,
在業界除了統計與數學
12/28 22:50
→
12/28 22:50,
外有hands on的技能才能讓你最大化deliver, 我覺得那才是強
12/28 22:50
→
12/28 22:50,
的swe真正的價值 畢竟現實世界過於複雜幾乎任何統計模型的前
12/28 22:50
→
12/28 22:50,
提假設都
12/28 22:50
→
12/28 22:50,
不成立 你還是得try and error才能去驗證你的model和hypothe
12/28 22:50
→
12/28 22:50,
sis可不可行
12/28 22:50
推
12/28 23:47,
喜歡ds不能再找？還有時間就找吧
12/28 23:47
推
12/29 00:37,
一個是看你有沒有要唸 PhD, 沒有 phd 的 DS 應該算是 d
12/29 00:37
→
12/29 00:37,
ata engineer
12/29 00:37
推
12/29 01:53,
做你喜歡的吧，不喜歡的東西，久了你會更迷失。做sw e
12/29 01:53
→
12/29 01:53,
ngineer除了刷題，要再進階你說的軟實力或是不斷學習
12/29 01:53
→
12/29 01:53,
新東西也是必要的。
12/29 01:53
推
12/29 02:04,
12/29 02:04
→
12/29 02:05,
上面這篇文章可以參考一下，作者也是ds專業但找不到ds工
12/29 02:05
→
12/29 02:05,
作，跳去swe的
12/29 02:05
推
12/29 02:07,
我自己也是像你一樣的問題，畢竟做data僧多粥少門檻又
12/29 02:07
→
12/29 02:07,
高...
12/29 02:07
推
12/29 02:12,
建議你可以多上「知乎」這個平台，這裡有關ds的資訊非常
12/29 02:12
→
12/29 02:12,
豐富，看得超過癮，對於職涯分析也是一針見血，可以參
12/29 02:12
→
12/29 02:12,
考一下！
12/29 02:12
推
12/29 04:27,
之所以會有swe也能做ds，單純是因為swe薪水較高所以
12/29 04:27
→
12/29 04:27,
兩個都會做的人看錢就選了swe
12/29 04:27
→
12/29 04:28,
反向選擇的人較少，所以才比較少看到ds的swe技術也很強的
12/29 04:28
→
12/29 04:29,
原po可以試著當這個少數人或許能走出自己的一片天
12/29 04:29
※ 編輯: deniel367 (107.77.204.101 美國), 12/29/2019 06:51:10
推
12/29 07:51,
推推
12/29 07:51
-- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 136.25.131.108 (美國) ※ 文章網址: https://www.ptt.cc/bbs/Oversea_Job/M.1577668890.A.C35.html ※ 編輯: answerseeker (136.25.131.108 美國), 12/30/2019 09:22:59 ※ 編輯: answerseeker (136.25.131.108 美國), 12/30/2019 09:23:32
→
12/30 11:13, 4年前 , 1F
能賺到錢 熊貓快餐
12/30 11:13, 1F
推
12/31 02:00, 4年前 , 2F
謝謝你的分享！ 收獲良多。 或許真的非modeling的DS
12/31 02:00, 2F
→
12/31 02:00, 4年前 , 3F
最後會不見，一來是因為tool成熟 二來是impact not eas
12/31 02:00, 3F
→
12/31 02:00, 4年前 , 4F
ily measurable。以這個為出發點的話，似乎做算法才能
12/31 02:00, 4F
→
12/31 02:00, 4年前 , 5F
生存下來。那現階段，SWE或許是不錯的選擇了。
12/31 02:00, 5F
推
01/02 16:05, 5年前 , 6F
別閙了 哪個工作不會中年失業
01/02 16:05, 6F
→
01/02 16:06, 5年前 , 7F
你會失業純粹是你做的東西不能賺錢
01/02 16:06, 7F
‣ 更多 answerseeker 的文章
文章代碼(AID): #1U2L4Qmr (Oversea_Job)
‣ 更多 answerseeker 的文章
文章代碼(AID): #1U2L4Qmr (Oversea_Job)