Co jest fajnego w byciu Junior Data Scientist – podsumowanie po 3 miesiącach

C

W poniedziałek upłynie pełne 3 miesiące, odkąd zaczęłam pracę jako (junior :P) data scientist. Postanowiłam pokusić się o krótkie podsumowanie kwestii nie technicznych. Jeżeli Ty też zaczęłaś / zacząłeś właśnie pracę, jestem ciekawa jakie masz doświadczenia po pierwszych miesiącach.

Uwaga! Ten artykuł nie dotyczy tego, jak przebranżowiłam się na „badacza danych” – planuję taki artykuł – jak już powstanie, to na pewno go w tym miejscu podlinkuję (jak nie ma linku, to znaczy, że artykuł jest dopiero w planie).

Ostra jazda bez trzymanki 😀

Szybkie podsumowanie wszystkiego, co jest dla mnie nowe, czyli jak to jest wrzucić się w całkiem nowe środowisko pracy…

  • pierwszy raz pracuję ściśle używając kodu (piszę w Pythonie, wcześniej używałam tylko SQLa w pracy);
  • nie mam studiów informatycznych, ani technicznych za sobą, moja wiedza pochodzi z kursów, bootcampów i pracy własnej;
  • pracuję w małej firmie (ostatnie 5 lat spędziłam w korporacjach i z ulgą wracam do mniejszej organizacji);
  • pierwszy raz pracuję w scrumie;
  • pierwszy raz pracuję w systemie projektowym;
  • nie miałam za sobą ani jednego projektu na „brudnych” danych (miałam w planie, ale nie zdążyłam);

No nie powiem, żeby z takim przygotowaniem to był łagodny i miły start, ale PRZEŻYŁAM !!! 😀 I nawet nieśmiało stwierdzam, że jest super.

A Co to jet ten data scientist ??

Słuchajcie, ja nie wiem :D. To jest bardzo rozmyte pojęcie. Moje stanowisko chyba dopiero się klaruje, firma jest dynamiczna, prowadzi wiele ciekawych projektów. Pierwsze dwa miesiące pracowaliśmy nad jednym z konkursów gov-techu (polecam platformę uwadze, szczególnie zakłądkę konkursy). Budowliśmy klasyfikację tekstu (więcej machine learning). Obecnie przebudowywujemy kod w celu dodania możliwości klasyfikacji tekstu do produktu pudełkowego rozwijanego w firmie (więcej kodu w Pythonie i nieszczęsnych klas).

Ja akurat nie gadam póki co z klientami i nie objaśniam koncepcji osobom nie-technicznym (nie prezentuję wyników) – co często jest częścią pracy innych badaczy danych.

Co jest cudowne w byciu data scientist?

Z punktu widzenia świeżaka:

  • Wszystko jest nowe. Wszystko jest ciekawe.
  • Jeszcze przed chwilą płaciłam za kursy i dłubałam po nocach zadania, a teraz mogę to robić w czasie pracy… i jeszcze mi za to płacą :D!!
  • Obwody mózgowe kończą mi się przynajmniej 3 razy dziennie. (Uwielbiam to.) Tak jakbym miała „memory error” w głowie :D… wszystko się zawiesza, bo zabrakło mózgowego ramu, restartuje i puszczamy kolejną iterację myślenia… W sytuacjach zapętlenia zawsze ktoś pomoże ;).
  • Kiedy pracujesz nad czymś 8 godzin dziennie, robisz naprawdę szybkie postępy.
  • Kiedy rozwiązujemy jakiś problem to ta praca jest jak nieustające wakacje (robię to, co na prawdę lubię)… Bardzo wymagające wakacje, ale jednak wakacje…
  • Nie wiesz, kiedy mignął Ci dzień pracy, bo dobry problem jest na prawdę wciągający.
  • Pracujesz z inteligentnymi ludźmi – i kto wie, może kiedyś Ci się udzieli ;).

CO Było / jest trudne?

  • Prawdziwe dane są przerażające. Naprawdę PRZERAŻAJĄCE!!! 😀 Nic się z niczym nie zgadza, jest nie tam, gdzie być powinno.
  • Tekst to nie są dane! Tekst to jest tekst.
  • A jednak tekst to też są dane :D. Trudno mi się do tego przyzwyczaić ;).
  • Obiektowość. I klasy. Jestem przyzwyczajona do kodu, który się wykonuje liniowo od a do b, do c i tak dalej (wliczając w to pętle i if`y). Obiektowość i klasy wprowadzają przedziwny dla mnie trzeci wymiar, w którym trudno mi się porusza.
  • Odnoszę porażki. Porażki są trudne. Na treningowych zbiorach danych i kursach data scientist zawsze wszystko pięknie wychodzi. Zobaczenie wyniku 35%, albo 0,04% na prawdę robi wrażenie :D!!
  • Popełniam błędy. Popełnianie błędów jest jak odnoszenie porażek. Wpisane w proces uczenia badacz danych i niezbyt przyjemne. Byłam seniorem w innym zawodzie i byłam prawie nieomylna. Cenię dokładność i czerpię przyjemność z wykonania dobrej roboty. A teraz na nowo muszę się przyzwyczaić, że pomyłki mogą być częścią pracy.
  • Przynajmniej raz w tygodniu napotykam na problem, który mnie przerasta, albo część wiedzy, którą muszę dopiero zdobyć. Od tego jest zespół, żeby mi z tym pomóc :), ale i tak często w skrytości ducha czuję się po prostu głupia. Czasami mam ochotę się popłakać… 3 razy dziennie ;-)… aż do momentu, kiedy ta nowa część wiedzy znajduje swoją szufladkę w mózgu i „zaklika”.

No i co? Warto było?

No tak, pewnie nikogo nie zaskoczę: warto było. Warto było 2 lata pracować na to, żeby wejść do zawodu. Warte to jest tego, że bywa trudno. Warte jest dalszej nauki. Więc jeśli lubisz prawie nieustannie się uczyć, być atakowana/y przez wyzwania i zastanawiasz się, czy bycie data scientist jest też dla Ciebie ? To pewnie też jest :).

About the author

Magdalena Wielobób

Dodaj komentarz