در مورد این نقش
موقعیت برای نامزدهای مستقر در La Plata، Bahía Blanca، CABA، Córdoba، Rosario، یا Mendoza در دسترس است. در Avature، تیم یادگیری ماشینی ما روی قابلیتهای پیشرفته ML و هوش مصنوعی یکپارچه کار میکند.
درباره نقش های داده / میلی لیتر
نقش داده ها و ML به سه گروه تقسیم می شود: تحلیلگران (SQL، داشبورد، سوالات تجاری)، مهندسان (خطوط لوله، زیرساخت)، و دانشمندان (مدل سازی، آزمایش). عنوان شغل همیشه به شما نمی گوید کدام یک - توضیحات را با دقت بخوانید.
مهارت های معمولی: SQL، Python، پانداها، آمار اولیه. نقشهای ML scikit-learn / PyTorch / TensorFlow را اضافه میکنند. نقش های مهندسی اضافه کردن جریان هوا / dbt / جرقه
بینش حقوق و دستمزد (ایالات متحده، تقریبی)
محدوده معمولی برای نقش های داده / میلی لیتر در ایالات متحده است 85000 تا 240000 دلار در سال، به طور گسترده ای با سابقه، مرحله شرکت و شهر متفاوت است.
فقط برآورد برای اعداد خاص شرکت، level.fyi (tech)، Glassdoor را بررسی کنید یا در مصاحبه بپرسید.
چگونه برای مصاحبه آماده شویم
جداسازی مصاحبه های داده ها: تحلیلگران دریافت SQL + سوالات مطالعه موردی، مهندسین دریافت طراحی خط لوله + کدگذاری، دانشمندان دریافت آمار + مدلسازی ML + گاهی اوقات مجموعه دادههای اصلی. JD را با دقت بخوانید و با طعم واقعی آماده شوید - برای نقش تحلیلگر وقت خود را در PyTorch تلف نکنید.
سوالات متداول در هر سه مورد: چگونه موفقیت [ویژگی محصول] را اندازه گیری می کنید؟, "من را در پروژه ای راهنمایی کنید که در آن داده ها چیز شگفت انگیزی را به شما گفته اند"، و توابع پنجره SQL (LAG، ROW_NUMBER، PARTITION BY - اینها را به طور خاص تمرین کنید). برای نقشهای ML، منتظر سؤالی در مورد تطبیق بیشازحد، مبادله بایاس واریانس، و نحوه اشکالزدایی مدلی باشید که در آموزش عملکرد خوبی دارد و در تولید بد عمل میکند.
جایی که این نقش به طور معمول منجر می شود
مسیرهای شغلی در داده/ML با بلوغ این رشته آشفته تر شده است. واضح ترین پیشرفت: تحلیلگر جوان → تحلیلگر ارشد → مدیر تجزیه و تحلیل در سمت تحلیلگر، مهندس داده های جوان → ارشد → کارکنان در سمت مهندسی، و Junior DS → Senior DS → Principal DS / ML Lead در سمت مدل سازی اوج دستمزد برای مهندسان ML + دانشمندان تحقیقاتی در شرکت های بزرگ فناوری بالاترین میزان است.
حرکات متقابل رشتهای رایج هستند: تحلیلگرانی که مهندسی را یاد میگیرند، اغلب مهندسانی را که زمینه کسبوکار را یاد نگرفتهاند، به دست میآورند. به کسب و کار نزدیک بمانید – افراد با ارزش ترین داده ها آنهایی هستند که مدیران اجرایی در بحث های استراتژی وارد می کنند، نه کسانی که به تنهایی داشبورد می سازند.
پرچم های قرمز برای تماشا
- نقش "دانشمند داده" که واقعاً یک تحلیلگر SQL است. مسئولیتها را با دقت بخوانید - اگر همه داشبوردها و درخواستهای موقتی باشد، یک نقش تحلیلگر با عنوان علمی است.
- هیچ اشاره ای به همکاری ذینفعان نشده است. کار داده به صورت مجزا معمولاً کار داده ای است که نادیده گرفته می شود. این نقش باید با یک تیم تجاری تعبیه شود.
- "AI / ML" در همه جا ذکر شده است اما هیچ چیز خاصی وجود ندارد. اگر آنها نتوانند مشکلات واقعی را که می خواهند با ML حل کنند نام ببرند، این شرکت در حال خرید کلمات کلیدی است.
- درخواست "10+ سال پایتون" یا ترکیبات غیرممکن. یا JD توسط HR بدون ورودی از یک تیم داده نوشته شده است، یا این شرکت انتظارات غیر واقعی دارد.
سوالات متداول
چگونه برای این نقش درخواست کنم؟
روی دکمه «اعمال در Careerjet» در بالای این صفحه کلیک کنید. شما به پست اصلی که در آن کارفرما درخواست ها را می پذیرد، فرستاده می شوید. Wikishopline رزومه جمع آوری نمی کند یا برنامه ها را پردازش نمی کند.
آیا این فهرست جاری است؟
Wikishopline روزانه مشاغل را از منابع شریک (careerjet) جمع آوری می کند. پستهای قدیمیتر از 14 روز حذف میشوند، اما همیشه قبل از اینکه وقت خود را برای پوشش نامه صرف کنید، بررسی کنید که نقش همچنان در سایت کارفرما باز است.
آیا ویکی شاپ لاین از کارفرمایان یا متقاضیان هزینه می گیرد؟
خیر. مشاغل تجمیع شده برای هر دو طرف رایگان است. ویکی شاپ لاین همچنین برای کارفرمایانی که خواهان مشاهده مستقیم هستند، پستهای 5 دلاری / 30 روزه پولی در /jobs/submit را میپذیرد - اما فهرستی که مشاهده میکنید از یک شریک تهیه شده است.
نقش داده / میلی لیتر معمولاً شامل چه چیزی می شود؟
نقش داده ها و ML به سه گروه تقسیم می شود: تحلیلگران (SQL، داشبورد، سوالات تجاری)، مهندسان (خطوط لوله، زیرساخت)، و دانشمندان (مدل سازی، آزمایش). عنوان شغل همیشه به شما نمی گوید کدام یک - توضیحات را با دقت بخوانید.
محدوده حقوق معمولی برای نقش های داده / میلی لیتر در ایالات متحده چقدر است؟
تقریباً 85،000 تا 240،000 دلار آمریکا در سال، بسته به سابقه کار، مکان، و مرحله شرکت. این طیف وسیعی از عمد است - در برابر level.fyi یا Glassdoor برای شرکت خاص تأیید کنید.
