เกี่ยวกับบทบาทนี้
Einklang นำถ้ำ Stromverbrauch von Unternehmen ใน Einklang mit Sonne und Wind. Wir kombinieren แบตเตอรี่peicher, dynamische Tarife และ อัจฉริยะ Steuerung, damit Mittelständler unabhängiger und günstiger Strom beziehen können. พลังงานที่แรงมาก vom Kostenrisiko zum Wettbewerbsvorteil Wir bauen Einklang von Grund และ AI-natives Unternehmen Das heißt nicht, dass wir AI als Tool nutzen sondern dass AI Teil unserer Arbeitsweise ist. Vom Vertrieb über die technische Auslegung bis zu den Prozessen, หมวก Die noch keiner gedacht. Als AI Engineer schaust du dir an, was wir den ganzen Tag machen und automatisierst alles, was sich sinnvoll automatisieren lässt. Du baust nicht Prototypen, ตายใน der Schublade landen, เวิร์กโฟลว์ซอนเดอร์น, ตายภายใต้ทีม ab Tag eins nutzt เงื่อนไข: Cl ไม่จำกัด
ทักษะ/หมวดหมู่
เกี่ยวกับบทบาทข้อมูล / มล
บทบาทข้อมูลและ ML แบ่งออกเป็นสามกลุ่ม: นักวิเคราะห์ (SQL, แดชบอร์ด, คำถามทางธุรกิจ), วิศวกร (ไปป์ไลน์, โครงสร้างพื้นฐาน) และนักวิทยาศาสตร์ (การสร้างแบบจำลอง, การทดลอง) ตำแหน่งงานไม่ได้บอกคุณเสมอไปว่าตำแหน่งงานใด — โปรดอ่านคำอธิบายอย่างละเอียด
ทักษะทั่วไป: SQL, Python, pandas, สถิติพื้นฐาน; บทบาท ML เพิ่ม scikit-learn / PyTorch / TensorFlow; บทบาทวิศวกร เพิ่ม Airflow / dbt / Spark
ข้อมูลเชิงลึกเกี่ยวกับเงินเดือน (สหรัฐฯ คร่าวๆ)
ช่วงทั่วไปสำหรับบทบาท data / ml ในสหรัฐอเมริกาคือ $85,000–$240,000/ปีแตกต่างกันไปตามรุ่นพี่ เวทีบริษัท และเมือง
ประมาณการเท่านั้น หากต้องการทราบหมายเลขเฉพาะบริษัท โปรดตรวจสอบ Levels.fyi (tech), Glassdoor หรือสอบถามในการสัมภาษณ์
เตรียมตัวสัมภาษณ์อย่างไร
การสัมภาษณ์ข้อมูลแยกออก: นักวิเคราะห์ รับคำถาม SQL + กรณีศึกษา วิศวกร รับการออกแบบไปป์ไลน์ + การเข้ารหัส นักวิทยาศาสตร์ รับสถิติ + การสร้างแบบจำลอง ML + บางครั้งอาจเป็นชุดข้อมูลแบบนำกลับบ้าน อ่าน JD อย่างละเอียดและเตรียมพร้อมรับรสชาติที่แท้จริง ไม่ต้องเสียเวลากับ PyTorch สำหรับบทบาทนักวิเคราะห์
คำถามทั่วไปสำหรับทั้งสาม: "คุณจะวัดความสำเร็จของ [คุณลักษณะผลิตภัณฑ์] ได้อย่างไร", "พาฉันไปชมโครงการที่ข้อมูลบอกคุณถึงสิ่งที่น่าประหลาดใจ"และ ฟังก์ชั่นหน้าต่าง SQL (LAG, ROW_NUMBER, PARTITION BY — ฝึกฝนสิ่งเหล่านี้โดยเฉพาะ) สำหรับบทบาท ML คาดว่าจะมีคำถามเกี่ยวกับการฟิตติ้งมากเกินไป การแลกเปลี่ยนความแปรปรวนอคติ และวิธีที่คุณจะแก้ไขจุดบกพร่องแบบจำลองที่ทำงานได้ดีในการฝึกอบรมและใช้งานจริงได้ไม่ดี
บทบาทนี้มักจะนำไปสู่ที่ใด
เส้นทางอาชีพในด้าน data/ML มีความยุ่งเหยิงมากขึ้นเมื่อมีระเบียบวินัยเพิ่มมากขึ้น ความก้าวหน้าที่ชัดเจนที่สุด: นักวิเคราะห์รุ่นเยาว์ → นักวิเคราะห์อาวุโส → ผู้จัดการการวิเคราะห์ ทางด้านนักวิเคราะห์ วิศวกรข้อมูลรุ่นเยาว์ → ผู้อาวุโส → พนักงาน ทางด้านวิศวกรรม และ Junior DS → Senior DS → Principal DS / ML Lead ในด้านการสร้างแบบจำลอง เงินเดือนสูงสุดสำหรับวิศวกร ML + นักวิทยาศาสตร์การวิจัยในบริษัทเทคโนโลยีขนาดใหญ่
การเคลื่อนไหวข้ามสาขาวิชาเป็นเรื่องปกติ: นักวิเคราะห์ที่เรียนด้านวิศวกรรมมักจะได้เปรียบกว่าวิศวกรที่ไม่ได้เรียนรู้บริบททางธุรกิจ ใกล้ชิดกับธุรกิจ — ข้อมูลที่มีค่าที่สุดที่ผู้คนคือข้อมูลที่ผู้บริหารนำมาสู่การอภิปรายด้านกลยุทธ์ ไม่ใช่คนที่สร้างแดชบอร์ดเพียงอย่างเดียว
ธงแดงที่ต้องจับตามอง
- บทบาท "นักวิทยาศาสตร์ข้อมูล" ที่เป็นนักวิเคราะห์ SQL จริงๆ อ่านความรับผิดชอบอย่างละเอียด หากเป็นแดชบอร์ดและการสืบค้นเฉพาะกิจ จะเป็นบทบาทนักวิเคราะห์ที่มีชื่อทางวิทยาศาสตร์
- ไม่มีการเอ่ยถึงความร่วมมือของผู้มีส่วนได้ส่วนเสีย งานข้อมูลแบบแยกส่วนมักเป็นงานข้อมูลที่ถูกละเลย บทบาทจะต้องฝังอยู่กับทีมธุรกิจ
- "AI / ML" มีอยู่ในทุกที่ แต่ไม่มีข้อมูลเฉพาะเจาะจง หากพวกเขาไม่สามารถระบุปัญหาที่แท้จริงที่พวกเขาต้องการแก้ไขด้วย ML ได้ แสดงว่าบริษัทกำลังชอปปิ้งด้วยคำศัพท์
- ขอ "10+ ปีของ Python" หรือการรวมกันที่เป็นไปไม่ได้ JD เขียนโดยฝ่ายทรัพยากรบุคคลโดยไม่มีข้อมูลจากทีมข้อมูล หรือบริษัทมีความคาดหวังที่ไม่สมจริง
คำถามที่พบบ่อย
ฉันจะสมัครงานตำแหน่งนี้ได้อย่างไร?
คลิกปุ่ม "สมัครกับ Arbeitnow" ที่ด้านบนของหน้านี้ คุณจะถูกส่งไปยังประกาศเดิมที่นายจ้างรับใบสมัคร Wikishopline ไม่รวบรวมเรซูเม่หรือดำเนินการสมัคร
รายการนี้เป็นปัจจุบันหรือไม่?
Wikishopline รวบรวมงานทุกวันจากแหล่งที่มาของพันธมิตร (arbeitnow) การโพสต์ที่เก่ากว่า ~14 วันจะถูกตัดออก แต่โปรดตรวจสอบเสมอว่าตำแหน่งงานนั้นยังคงเปิดอยู่บนไซต์ของนายจ้างเสมอ ก่อนที่คุณจะใช้เวลาเขียนจดหมายปะหน้า
Wikishopline เรียกเก็บเงินจากนายจ้างหรือผู้สมัครหรือไม่?
ไม่ งานรวมนั้นฟรีสำหรับทั้งสองฝ่าย Wikishopline ยังยอมรับการโพสต์แบบชำระเงิน $5 / 30 วันที่ /jobs/submit สำหรับนายจ้างที่ต้องการการมองเห็นโดยตรง - แต่รายการที่คุณกำลังดูนั้นมาจากพันธมิตร
โดยทั่วไปแล้วบทบาท data / ml เกี่ยวข้องกับอะไร?
บทบาทข้อมูลและ ML แบ่งออกเป็นสามกลุ่ม: นักวิเคราะห์ (SQL, แดชบอร์ด, คำถามทางธุรกิจ), วิศวกร (ไปป์ไลน์, โครงสร้างพื้นฐาน) และนักวิทยาศาสตร์ (การสร้างแบบจำลอง, การทดลอง) ตำแหน่งงานไม่ได้บอกคุณเสมอไปว่าตำแหน่งงานใด — โปรดอ่านคำอธิบายอย่างละเอียด
ช่วงเงินเดือนโดยทั่วไปสำหรับบทบาท data / ml ในสหรัฐอเมริกาคือเท่าใด
ประมาณ $85,000–$240,000 USD/ปี ขึ้นอยู่กับความอาวุโส สถานที่ตั้ง และระยะของบริษัท นี่เป็นวัตถุประสงค์ที่หลากหลาย — ตรวจสอบกับlevel.fyiหรือGlassdoorสำหรับบริษัทใดบริษัทหนึ่ง
