回复 4楼兔兔_猪猪的帖子 DS是给Master的，至少几个大tech是这样 所以只要是PhD，很多都面试RS/AS了 或者说，每个有PhD学位的DS，都处在转RS/AS的努力中 wfmlover 发表于 2021-08-30 02:23
楼主我比较有兴趣您是从哪个行业转过来的，如何转的，可以展开说说吗，谢谢风吹过羊秃了 发表于 2021-08-30 03:44
其实当美国总统也是不错的工作。据说平均工资20万美元，就是openings太少。 bellshirt 发表于 2021-08-30 02:03
这个也就amazon吧，其他大厂比如Google，没有相关专业PhD很难直接到RS的。当然还有公司比如fb的大部分RS其实是eng track，相当于MLE。 兔兔_猪猪 发表于 2021-08-30 17:10
Ds 性价比极低 门槛很高面试很乱 嘎乐呵多年了的都想转SWE 灌水不要认真 发表于 2021-08-30 18:43
然而考这些有什么意义？我不懂 我觉得fb的ds标准就挺好 能用数据解决产品问题 就行了 你还想怎么样？设计一个卫星上天吗？ 灌水不要认真 发表于 2021-08-30 19:45
刷人用啊 刷下去绝大部分 面试造火箭 上班拧螺丝 uswhy 发表于 2021-08-30 20:08
之前跳槽来闲话版求了bless，顺利拿到了offer。今天有空，就来聊一聊现在的DS行业各种职位的要求和区别吧。经常看到有人问要不要转DS或者干脆转码，希望这个帖子能给大家一些参考，也算是对版上的回馈。 先声明一下，lz是理工科转的DS，非科班出身，入行也才4、5年，在这里只是说一说我自己的看法，不一定全面，就当是抛砖引玉。如果大家有别的观点，欢迎一起讨论。 我觉得title叫Data scientist及其相关的职位大致可以分成以下四类（因为各个公司给的title都不一样，下面主要是根据job responsibilities分的）。 Data analyst. 很多大公司虽然叫data scientist，做的事情却是analytics方面的，主要是分析数据中的隐藏的信息，跟product方面的人合作，指导产品的方向。这个方向最重要的是要有business sense，能敏感地从数据中发现对product有用的地方。Presentation的技能也很重要，知道怎样讲故事，能将自己的发现推销出去，从而影响product的未来走向。技术上一般需要熟练掌握SQL和experiment design（比如A/B test），对编程语言的要求不是很高，也不会用到machine learning 。 General data scientist. 职责范围很大，不同公司可能不一样。简单的说，是运用data解决product的实际需求，比如forecast，recommendation等等。一般主要是做prototype，需要一定的编程能力和对ML各种经典方法的理解。现在有很多ML package可以用，所以不一定需要自己implement算法，有时候会被戏称为”调包侠”。但我觉得并不只是”调包”这么简单，很多时候数据来源的选择和数据预处理也很重要，忽略初始数据的重要性很可能是garbage in garbage out 的结果。如果要跟进最新的算法的话，也需要根据论文自己implement算法。总而言之，这一类职位的要求变化很多，甚至同一个公司不同的组也不一样，不能一概而论。 Research scientist. 偏academia，一般要求科班出身的PhD，相关领域发表过文章。职责主要是研究新的算法，发表文章，推进技术发展。转行的话除了个别公司基本就不用考虑这一类了。 Machine learning engineer. 就是懂ML的software engineer，对编程要求高，还需要理解并会implement ML的算法，从某种程度上是2的加强版。我觉得其实两者没有明确界限，有的公司的DS也写production code，有的公司的MLE也做prototyping，所以2和4转换是完全可行的，但面试准备的侧重点不一样。2很多要做take home然后present，可以不刷或者只刷一些简单题。MLE肯定要刷题，一般还要考system design。两者都会考ML。 跟前几年比，我觉得现在的DS行业的面试更有条理，不再是考的五花八门，让人不知从何处开始准备了。随着DS专业毕业的人越来越多，入行的bar也提升了。但这并不意味着对其他领域的人关上大门，关键还是要根据自己的实际情况找到适合自己的那条路，然后积极地走下去。希望这个帖子能给还在迷茫中的人一点帮助，也欢迎版上的大牛们一起分享讨论！ 最后再求个bless，希望自己H1B transfer能一切顺利！🙏 兔兔_猪猪 发表于 2021-08-30 00:53
先声明一下，lz是理工科转的DS，非科班出身，入行也才4、5年，在这里只是说一说我自己的看法，不一定全面，就当是抛砖引玉。如果大家有别的观点，欢迎一起讨论。
我觉得title叫Data scientist及其相关的职位大致可以分成以下四类（因为各个公司给的title都不一样，下面主要是根据job responsibilities分的）。 Data analyst. 很多大公司虽然叫data scientist，做的事情却是analytics方面的，主要是分析数据中的隐藏的信息，跟product方面的人合作，指导产品的方向。这个方向最重要的是要有business sense，能敏感地从数据中发现对product有用的地方。Presentation的技能也很重要，知道怎样讲故事，能将自己的发现推销出去，从而影响product的未来走向。技术上一般需要熟练掌握SQL和experiment design（比如A/B test），对编程语言的要求不是很高，也不会用到machine learning 。 General data scientist. 职责范围很大，不同公司可能不一样。简单的说，是运用data解决product的实际需求，比如forecast，recommendation等等。一般主要是做prototype，需要一定的编程能力和对ML各种经典方法的理解。现在有很多ML package可以用，所以不一定需要自己implement算法，有时候会被戏称为”调包侠”。但我觉得并不只是”调包”这么简单，很多时候数据来源的选择和数据预处理也很重要，忽略初始数据的重要性很可能是garbage in garbage out 的结果。如果要跟进最新的算法的话，也需要根据论文自己implement算法。总而言之，这一类职位的要求变化很多，甚至同一个公司不同的组也不一样，不能一概而论。 Research scientist. 偏academia，一般要求科班出身的PhD，相关领域发表过文章。职责主要是研究新的算法，发表文章，推进技术发展。转行的话除了个别公司基本就不用考虑这一类了。 Machine learning engineer. 就是懂ML的software engineer，对编程要求高，还需要理解并会implement ML的算法，从某种程度上是2的加强版。我觉得其实两者没有明确界限，有的公司的DS也写production code，有的公司的MLE也做prototyping，所以2和4转换是完全可行的，但面试准备的侧重点不一样。2很多要做take home然后present，可以不刷或者只刷一些简单题。MLE肯定要刷题，一般还要考system design。两者都会考ML。
跟前几年比，我觉得现在的DS行业的面试更有条理，不再是考的五花八门，让人不知从何处开始准备了。随着DS专业毕业的人越来越多，入行的bar也提升了。但这并不意味着对其他领域的人关上大门，关键还是要根据自己的实际情况找到适合自己的那条路，然后积极地走下去。希望这个帖子能给还在迷茫中的人一点帮助，也欢迎版上的大牛们一起分享讨论！
最后再求个bless，希望自己H1B transfer能一切顺利！🙏
DS是给Master的，至少几个大tech是这样 所以只要是PhD，很多都面试RS/AS了 或者说，每个有PhD学位的DS，都处在转RS/AS的努力中
这个也就amazon吧，其他大厂比如Google，没有相关专业PhD很难直接到RS的。当然还有公司比如fb的大部分RS其实是eng track，相当于MLE。
lz很久以前写过一个帖子，这里就不重复了，感兴趣的话可以搜到。
哈哈。相比之下DS还是有很多opening😂
谢谢🙏
亚麻的rs和别的公司的rs不一样，amazon的ds，rs不如as要求高，但as也很多本科生，master就能面。
我建议能转SDE转SDE，一亩三分地里面已经有升到狗7的DS/MLE，打算想要转回SDE。
https://www.1point3acres.com/bbs/thread-789565-1-1.html
对啊对啊，面试想挂人太容易了 各种非cs的stat/or/phys等等，做不了medium题目 cs master过来的，一考bayes rule就必然挂
刷人用啊 刷下去绝大部分 面试造火箭 上班拧螺丝
噗嗤
mark 谢谢lz分享