Re: [北美] Data Scientist vs. Software Engineer

楼主: answerseeker (神灯)   2019-12-30 09:21:28
看了这篇文有些感触 身为在湾区某厂算法组常跟一群Econ PhD DS打交道的人想给些
回应,顺便抛砖引玉。
先回应问题:建议挑长期个人兴趣所在,短期市场热度会过去
还有你是否想长期待在美国,挑选非相关专业未来H1B会有风险
STEM OPT还会多久不知道(如果Trump连任) 绿卡现况也不明朗
至于DS vs SWE,
我知道的DS,无论哪个track都得做dirty work (data)。你得有些心理准备
在越偏算法的组,只要exp + deployment + monitoring infra不够好的地方,DS
跟其他算法专精的人矛盾就越大
我建议无论你选择什么,最好都稍微了解eng的语言。DS最终的目的是帮忙产品
deliver.做做分析推论, reg, 设计实验很少有其他组或上层care. 但若能直接
impact 产品策略,甚至帮助eng加速ship,这是很有价值的
最终公司看得就是你的delivery, 有什么入production, 有什么impact.
好的DS特别会讲故事,并且很懂得产品策略,有非常大的权利影响OKR
。他们对于数据的掌握度很强,也知道什么应该claim. 这点其实我很羡慕
我认为产业的大方向就是强化experimentation相关tooling. 未来非modeling的
DS应该会供过于求。然后ideally alg/modeling ds都要有一定程度的自干能力
未来几年org架构应该会有相当的改变。跟一些DS带班子的聊过,只要有一些
团队内有一定CS基础的大都跟我的观点相近。
SWE技能树很广,New Grad考个LC没什么。或许grok system design可以帮你跳公司
但senior以后的成长还是操之于己。以自修为考量,DS跟SWE都可以花很多时间进修
SWE的纯wlb是有机会差的,这个var可能大于DS.
关于转行,很多东西必须会reset.假如以前没有什么coding经验,你必然得比别人
多花很多时间投入。
关于Soft skill, 无论哪个专业到某个阶段这就是个必修。除非你很有自信在北美
IC track单干。
再关于转行,不建议小瞧management consulting track, 感兴趣就尽早投入
※ 引述《deniel367 (dann)》之铭言:
如题所示,我感觉我最近站在一个人生交叉点,是时候做出选择... 但身边较少人有相关
经验,想请教板上前辈们。
前言:
我目前就读北美类似DS硕士一年级,预计2021春毕业,没有正职工作经验,大学背景是统
计。目前拿到两暑期实习offers,一个是做swe (非FAANG的大厂 return机会高),另一个
是做ds (小银行 return机会不高)
(ds在每家公司都有不同定义,但这篇的ds我定义为ds-analytics,主要是做统计推论、
少量的建模;swe的话姑且定义为general的,不细论前后端之类的,还不知道自己会被分
到哪个组。)
问题:
主要是我不确定要接哪个offer,更精确地问题是... 我不确定未来要往哪个方向走。如
果我要往ds走,我应该会接ds offer
DS
pros,
1 工作内容我较熟悉、喜欢
2 和过去所学较相关,准备了很久,不继续做感觉有点可惜...
3 以长远来说,DS较容易转职(?) 下方会有更详细说明
cons,
1 正职平均而言 薪水还是差了sweㄧ截,除非是在非常data driven的公司像是Airbnb, N
etflix
2 非常难专精的领域,技能树容易长得很宽但不深,常感觉学得不踏实...往上发展可能
相对不易,且工作成果难量化,需要靠我不喜欢的软实力...
3 需要跟来自各领域的PhD竞争...
SWE
pros,
1 找工作的话,个人感觉比较好准备 主要靠刷题
2 听说比起DS需要研究的数学统计,SWE的知识点相较容易掌握,生活可能比较可以平衡
,下班后较多自己的时间
cons,
1 相对不太熟... 而且我统计学了很久,一直觉得放弃有点可惜QQ
2 听说可能有中年失业问题,再加上我本身不是一个很爱追技术的人,担心中年后的路不
好走。未来有考虑转成类似顾问、管理职。感觉DS因为看了比较多商业面的东西会比较容
易转。
概括而言,我是比较喜欢做DS的工作,喜欢从挖掘数据中得到商业结论这个过程,但心中
一直有个槛过不去,就是总感觉DS的职涯发展需要靠许多软实力、运气、业界风口...等
等许多我没法掌握的因素,让我感到很不安全,SWE的好处感觉就是可以很专心在一件事
情上。
即使我列下了许多pros & cons,但我还是很难决定,甚至也许这些pros & cons 有讲错
的地方,或是其他我没考虑到的重要因素,如果有前辈们可以指点迷津,那真是太感谢!
作者: yushiung (shawn)   2018-12-28 11:29:00
刷题找sde 吧
作者: sorryla (Mr.东)   2018-12-28 13:04:00
DS难道就不会中年失业吗...
作者: sean2449 (肉松)   2018-12-28 13:12:00
SWE
作者: yunyun85106 (ヾ(*′∀‵*)ノ)   2018-12-28 17:40:00
还是swe吧~
作者: pyCassandra (Q口Q)   2018-12-28 18:26:00
掺在一起当Data Engineer (误
作者: oppi (toto)   2018-12-28 20:08:00
推 有类似的心路历程,也蛮好奇大家的看法的
作者: aack   2018-12-28 21:42:00
很多强的swe也能做modeling/ML/analytics, 相较之下DS还没见过可以把东西做超过prototype的...个人觉得swe skill set可以大于等于ds也是swe薪水更高的原因至于软实力 两者都需要 跑不掉的
作者: ar851060 (ar851060)   2018-12-28 21:58:00
想问楼上。那这样ds有啥价值,都可以被swe取代了
作者: aack   2018-12-28 22:50:00
ds的确需要统计底 但我想说的是厉害的swe这些技能也是有的我的swe同事就是个stats phd, 也有刚毕业的dsms, 但在业界除了统计与数学外有hands on的技能才能让你最大化deliver, 我觉得那才是强的swe真正的价值 毕竟现实世界过于复杂几乎任何统计模型的前提假设都不成立 你还是得try and error才能去验证你的model和hypothesis可不可行
作者: oopFoo (3d)   2018-12-28 23:47:00
喜欢ds不能再找?还有时间就找吧
作者: paperboat (四色沙上的纸船)   2018-12-29 00:37:00
一个是看你有没有要唸 PhD, 没有 phd 的 DS 应该算是 data engineer
作者: bennylin77 (班尼林七七)   2018-12-29 01:53:00
做你喜欢的吧,不喜欢的东西,久了你会更迷失。做sw engineer除了刷题,要再进阶你说的软实力或是不断学习新东西也是必要的。
作者: azzc1031 (azzc1031)   2018-12-29 02:04:00
https://1o24bbs.com/t/topic/7618上面这篇文章可以参考一下,作者也是ds专业但找不到ds工作,跳去swe的我自己也是像你一样的问题,毕竟做data僧多粥少门槛又高...https://www.zhihu.com/question/278539797https://zhuanlan.zhihu.com/p/43063866建议你可以多上“知乎”这个平台,这里有关ds的资讯非常丰富,看得超过瘾,对于职涯分析也是一针见血,可以参考一下!
作者: agario (Agar.io)   2018-12-29 04:27:00
之所以会有swe也能做ds,单纯是因为swe薪水较高所以两个都会做的人看钱就选了swe反向选择的人较少,所以才比较少看到ds的swe技术也很强的原po可以试着当这个少数人或许能走出自己的一片天
作者: az120121 (金金金金金)   2018-12-29 07:51:00
推推
作者: choucy (choucy 2011)   2019-12-30 11:13:00
能赚到钱 熊猫快餐
作者: deniel367 (dann)   2019-12-31 02:00:00
谢谢你的分享! 收获良多。 或许真的非modeling的DS最后会不见,一来是因为tool成熟 二来是impact not easily measurable。以这个为出发点的话,似乎做算法才能生存下来。那现阶段,SWE或许是不错的选择了。
作者: iamten (小腾)   2018-01-03 00:05:00
别閙了 哪个工作不会中年失业你会失业纯粹是你做的东西不能赚钱
作者: yushiung (shawn)   2018-12-28 19:29:00
刷题找sde 吧
作者: sorryla (Mr.东)   2018-12-28 21:04:00
DS难道就不会中年失业吗...
作者: sean2449 (肉松)   2018-12-28 21:12:00
SWE
作者: yunyun85106 (ヾ(*′∀‵*)ノ)   2018-12-29 01:40:00
还是swe吧~
作者: pyCassandra (Q口Q)   2018-12-29 02:26:00
掺在一起当Data Engineer (误
作者: oppi (toto)   2018-12-29 04:08:00
推 有类似的心路历程,也蛮好奇大家的看法的
作者: aack   2018-12-29 05:42:00
很多强的swe也能做modeling/ML/analytics, 相较之下DS还没见过可以把东西做超过prototype的...个人觉得swe skill set可以大于等于ds也是swe薪水更高的原因至于软实力 两者都需要 跑不掉的
作者: ar851060 (ar851060)   2018-12-29 05:58:00
想问楼上。那这样ds有啥价值,都可以被swe取代了
作者: aack   2018-12-29 06:50:00
ds的确需要统计底 但我想说的是厉害的swe这些技能也是有的我的swe同事就是个stats phd, 也有刚毕业的dsms, 但在业界除了统计与数学外有hands on的技能才能让你最大化deliver, 我觉得那才是强的swe真正的价值 毕竟现实世界过于复杂几乎任何统计模型的前提假设都不成立 你还是得try and error才能去验证你的model和hypothesis可不可行
作者: oopFoo (3d)   2018-12-29 07:47:00
喜欢ds不能再找?还有时间就找吧
作者: paperboat (四色沙上的纸船)   2018-12-29 08:37:00
一个是看你有没有要唸 PhD, 没有 phd 的 DS 应该算是 data engineer
作者: bennylin77 (班尼林七七)   2018-12-29 09:53:00
做你喜欢的吧,不喜欢的东西,久了你会更迷失。做sw engineer除了刷题,要再进阶你说的软实力或是不断学习新东西也是必要的。
作者: azzc1031 (azzc1031)   2018-12-29 10:04:00
https://1o24bbs.com/t/topic/7618上面这篇文章可以参考一下,作者也是ds专业但找不到ds工作,跳去swe的我自己也是像你一样的问题,毕竟做data僧多粥少门槛又高...https://www.zhihu.com/question/278539797https://zhuanlan.zhihu.com/p/43063866建议你可以多上“知乎”这个平台,这里有关ds的资讯非常丰富,看得超过瘾,对于职涯分析也是一针见血,可以参考一下!
作者: agario (Agar.io)   2018-12-29 12:27:00
之所以会有swe也能做ds,单纯是因为swe薪水较高所以两个都会做的人看钱就选了swe反向选择的人较少,所以才比较少看到ds的swe技术也很强的原po可以试着当这个少数人或许能走出自己的一片天
作者: az120121 (金金金金金)   2018-12-29 15:51:00
推推
作者: choucy (choucy 2011)   2019-12-30 19:13:00
能赚到钱 熊猫快餐
作者: deniel367 (dann)   2019-12-31 10:00:00
谢谢你的分享! 收获良多。 或许真的非modeling的DS最后会不见,一来是因为tool成熟 二来是impact not easily measurable。以这个为出发点的话,似乎做算法才能生存下来。那现阶段,SWE或许是不错的选择了。
作者: iamten (小腾)   2018-01-02 16:05:00
别閙了 哪个工作不会中年失业你会失业纯粹是你做的东西不能赚钱

Links booklink

Contact Us: admin [ a t ] ucptt.com