Business : Mon premier mois en tant que Data Scientist Junior

Comme beaucoup de gens qui passent également à la science des données dans un contexte non technique, j’ai officiellement lancé ma carrière en science des données en tant que Data Scientist junior … en mai pour être précis.

Honnêtement, je n’ai aucun regret jusqu’à présent, surtout à cause de ma passion pour le domaine et l’incroyable équipe que j’ai rejointe c’est une bonne culture qui me convient.

Loin de mes attentes, je me suis lancé dans un projet de travail actif le jour 2 de mon travail. Cela signifie que j’ai été exposé à la fois au workflow non technique et au workflow technique en même temps. Il y avait des moments où je me sentais très dépassé mais pensais maintenant rétrospectivement, Je ne changerai rien.

Pour moi, le premier mois a été plus une phase d’absorption et de validation. Validation en ce sens que j’avais beaucoup d’hypothèses sur ce que serait ma vie professionnelle en tant que data scientist et je pensais que mon premier mois serait l’occasion de confirmer et de soutenir mes hypothèses.

Cela a en fait fait le contraire. Voici 3 hypothèses que j’avais à me mettre au travail.

1. Ma première hypothèse était:

Parce que j’avais terminé certaines données scientifiques pour des projets de bien social, je suis très très préparé pour tout problème réel de données.

Oh mon garçon, avais-je tort! Autant mes projets de bien social ont été exposés à des problèmes de données courants, il y a eu beaucoup de nouveaux problèmes que j’ai rencontrés qui m’ont poussé à faire une pause et à réfléchir un peu plus.

Leçon morale: chaque donnée réelle s’accompagne de ses propres problèmes uniques. Attendez toujours cela avec impatience.

2. Ma deuxième hypothèse était:

Le Big Data est surfait

Maintenant je sais mieux, ce n’est vraiment pas le cas. Et lors de la gestion des mégadonnées, il est sage de trouver des moyens / pipelines efficaces pour évoluer (en termes de stockage, d’analyse, de modèles de construction et de déploiements). Les outils de pipeline m’ont exposé et m’ont incité à faire des services cloud comme AWS un outil de tous les jours. À l’heure actuelle, j’interface avec les outils de services cloud plus une journée de travail typique que je ne l’ai fait au cours des 2 dernières années. Et chaque jour, j’apprends de nouvelles choses.

Leçon morale: le Big Data est réel. Si vous avez encore des doutes, vous n’avez pas vu de Big data.

3. Ma troisième hypothèse était:

En tant que junior dans mon premier mois, il y a si peu ou rien de nouveau que je peux ajouter à l’équipe en termes de valeur technique

Je sais que ce n’est pas vrai maintenant. Dès que j’ai sauté dans mon premier projet au travail, j’ai vu comment je pouvais ajouter de la valeur aux projets actuels techniquement parlant. Autant que je fais partie d’une équipe incroyable qui pratique activement un système non hiérarchique et que tout le monde a son mot à dire, je pense que certains des crédits devraient aller à mon habitué ( ou plus régulier) projets pour animaux de compagnie et projets de bien-être social que j’ai terminés avant d’obtenir un emploi à temps plein. Ceux-ci m’ont exposé à un large éventail de problèmes que je pouvais rencontrer dans un projet d’apprentissage automatique de bout en bout, même s’il s’agissait de connaissances de surface.

Leçon morale: Faire des projets pour animaux de compagnie a beaucoup de sens et ses avantages sont très sous-estimés

Avoir hâte de…

Il y a encore tellement de choses que j’apprends et que je contribue à l’équipe quotidiennement, mais une chose que je peux dire en toute confiance: Je ne vais pas arrêter d’apprendre et de postuler.

Pour les prochains mois, je vise à plonger en profondeur dans certains domaines de l’apprentissage automatique et à combiner certaines pratiques d’ingénierie logicielle dans ma tâche de travail quotidienne.