Mapbox anställer en Geospatial Data Engineer i vårt Boundaries-team
Om denna roll
Mapbox anställer en Geospatial Data Engineer i vårt Boundaries-team. Vi använder postgis, trino och isberg för att bygga och validera topologiskt korrekta geodata. Vi är remote-first och anställer i många länder globalt. Vänligen ansök! Fullständig arbetsbeskrivning finns här: https://jobs.ashbyhq.com/Mapbox/2fc1e9b6-8d13-4cb6-8271-a2f6...
Om data / ml roller
Data- och ML-roller delas upp i tre läger: analytiker (SQL, instrumentpaneler, affärsfrågor), ingenjörer (pipelines, infrastruktur) och vetenskapsmän (modellering, experiment). Arbetstiteln säger inte alltid vilken – läs beskrivningen noggrant.
Typiska färdigheter: SQL, Python, pandor, grundläggande statistik; ML-roller lägger till scikit-learn / PyTorch / TensorFlow; ingenjörsroller lägg till Airflow / dbt / Spark
Löneinsikter (USA, grov)
Typiskt intervall för data/ml-roller i USA är $85 000–240 000 $/år, varierande mycket med tjänsteår, företagsstadium och stad.
Endast uppskattningar. För företagsspecifika siffror, kolla levels.fyi (tech), Glassdoor, eller fråga i intervjun.
Hur man förbereder sig för intervjun
Uppdelning av dataintervjuer: analytiker få SQL + fallstudiefrågor, ingenjörer få pipeline-design + kodning, forskare få statistik + ML-modellering + ibland en datauppsättning som tas med hem. Läs JD noggrant och förbered dig för den faktiska smaken - slösa inte tid på PyTorch för en analytikerroll.
Vanliga frågor för alla tre: "Hur skulle du mäta framgång för [produktfunktion]?", "Ge mig genom ett projekt där data berättade något överraskande", och SQL-fönsterfunktioner (LAG, ROW_NUMBER, PARTITION BY — öva dessa specifikt). För ML-roller kan du förvänta dig en fråga om överanpassning, avvägning mellan bias-varians och hur du skulle felsöka en modell som presterar bra i träning och dåligt i produktion.
Där denna roll vanligtvis leder
Karriärvägarna inom data/ML har blivit stökigare i takt med att disciplinen har mognat. Den tydligaste utvecklingen: Junioranalytiker → Senioranalytiker → Analytics Manager på analytikersidan, Junior Dataingenjör → Senior → Personal på ingenjörssidan, och Junior DS → Senior DS → Rektor DS / ML Lead på modelleringssidan. Lönetoppar är högst för ML-ingenjörer + forskare vid stora tekniska företag.
Tvärvetenskapliga rörelser är vanliga: analytiker som lär sig teknik tjänar ofta på ingenjörer som inte lärt sig affärssammanhang. Håll dig nära verksamheten – de mest värdefulla uppgifterna människor är de chefer tar med i strategidiskussioner, inte de som bygger instrumentpaneler ensamma.
Röda flaggor att titta på
- Roll "Data scientist" som verkligen är en SQL-analytiker. Läs ansvarsområden noggrant — om det är alla instrumentpaneler och ad-hoc-frågor, är det en analytikerroll med en vetenskapstitel.
- Inget omnämnande av intressentsamverkan. Dataarbete isolerat är vanligtvis dataarbete som ignoreras. Rollen behöver integreras med ett affärsteam.
- "AI / ML" listad överallt men inga detaljer. Om de inte kan nämna de faktiska problemen de vill lösa med ML, är företaget buzzword-shopping.
- Be om "10+ år av Python" eller omöjliga kombinationer. Antingen skrevs JD av HR utan input från ett datateam, eller så har företaget orealistiska förväntningar.
Vanliga frågor
Hur söker jag till den här rollen?
Klicka på knappen "Ansök på Hn-Who-Hiring" högst upp på denna sida. Du kommer att skickas till den ursprungliga posten där arbetsgivaren accepterar ansökningar. Wikishopline samlar inte in meritförteckningar eller behandlar ansökningar.
Är denna lista aktuell?
Wikishopline samlar jobb dagligen från partnerkällor (hn-who-hiring). Inlägg äldre än ~14 dagar beskärs, men kontrollera alltid att rollen fortfarande är öppen på arbetsgivarens webbplats innan du lägger ner tid på ett personligt brev.
Debiterar Wikishopline arbetsgivare eller sökande?
Nej. Samlade jobb är gratis för båda sidor. Wikishopline accepterar också $5 / 30-dagars betalda inlägg på /jobs/submit för arbetsgivare som vill ha direkt synlighet - men annonsen du tittar på kom från en partner.
Vad innebär en data/ml-roll vanligtvis?
Data- och ML-roller delas upp i tre läger: analytiker (SQL, instrumentpaneler, affärsfrågor), ingenjörer (pipelines, infrastruktur) och vetenskapsmän (modellering, experiment). Arbetstiteln säger inte alltid vilken – läs beskrivningen noggrant.
Vilket är det typiska löneintervallet för data/ml-roller i USA?
Ungefär $85,000–$240,000 USD/år, beroende på tjänstgöringstid, plats och företagsstadium. Detta är ett brett utbud med avsikt – verifiera mot levels.fyi eller Glassdoor för det specifika företaget.
