Nhà phân tích dữ liệu nhân viên, phân tích đối tượng và thông tin chi tiết - Sản phẩm và dịch vụ kỹ thuật số của CNN
Về vai trò này
Chào mừng bạn đến với Warner Bros. Discovery… những thứ tạo nên những giấc mơ. Chúng ta là ai… Khi chúng ta nói, “những giấc mơ được tạo nên từ chất liệu”, chúng ta không chỉ đề cập đến thế giới của phù thủy, rồng và siêu anh hùng, hay thậm chí đến những kỳ quan của Hành tinh Trái đất. Đằng sau danh mục nội dung mang tính biểu tượng và thương hiệu được yêu thích rộng lớn của WBD là những người kể chuyện đưa các nhân vật của chúng ta vào cuộc sống, những người sáng tạo đưa họ vào phòng khách của bạn và những người mơ mộng tạo ra những gì tiếp theo… Từ những nhà sáng tạo xuất sắc, cho đến những người đi đầu về công nghệ, trên toàn cầu, WBD mang đến những cơ hội xác định nghề nghiệp, những lợi ích được quản lý chu đáo và các công cụ để khám phá và phát triển bản thân tốt nhất của bạn. Ở đây bạn được hỗ trợ, ở đây bạn được tôn vinh, ở đây bạn có thể phát triển. Chúng ta là hiện tại và tương lai. Sức mạnh đằng sau con người xây dựng tương lai. Chúng tôi là
Kỹ năng / danh mục
Giới thiệu về vai trò dữ liệu/ml
Vai trò dữ liệu và ML được chia thành ba nhóm: nhà phân tích (SQL, bảng thông tin, câu hỏi kinh doanh), kỹ sư (đường ống, cơ sở hạ tầng) và nhà khoa học (lập mô hình, thử nghiệm). Chức danh công việc không phải lúc nào cũng cho bạn biết đó là công việc nào - hãy đọc kỹ mô tả.
Kỹ năng điển hình: SQL, Python, gấu trúc, số liệu thống kê cơ bản; Vai trò ML thêm scikit-learn / PyTorch / TensorFlow; vai trò kỹ thuật thêm Airflow / dbt / Spark
Thông tin chi tiết về lương (Mỹ, thô)
Phạm vi điển hình cho vai trò dữ liệu/ml ở Hoa Kỳ là $85,000–$240,000/năm, rất khác nhau tùy theo thâm niên, giai đoạn công ty và thành phố.
Chỉ ước tính. Để biết các con số cụ thể của công ty, hãy kiểm tra cấp độ.fyi (công nghệ), Glassdoor hoặc hỏi trong cuộc phỏng vấn.
Cách chuẩn bị cho cuộc phỏng vấn
Phân chia các cuộc phỏng vấn dữ liệu: nhà phân tích nhận câu hỏi nghiên cứu điển hình về SQL +, kỹ sư nhận thiết kế đường ống + mã hóa, các nhà khoa học lấy số liệu thống kê + lập mô hình ML + đôi khi là tập dữ liệu mang về nhà. Đọc JD cẩn thận và chuẩn bị cho hương vị thực tế - đừng lãng phí thời gian trên PyTorch cho vai trò nhà phân tích.
Các câu hỏi phổ biến trên cả ba: "Bạn sẽ đo lường mức độ thành công của [tính năng sản phẩm] như thế nào?", "Hãy dẫn tôi đi qua một dự án mà dữ liệu cho bạn biết điều gì đó đáng ngạc nhiên"và Các hàm cửa sổ SQL (LAG, ROW_NUMBER, PARTITION BY - thực hành những điều này một cách cụ thể). Đối với các vai trò ML, hãy mong đợi một câu hỏi về sự cân bằng quá mức, sai lệch và phương sai và cách bạn gỡ lỗi một mô hình hoạt động tốt trong đào tạo và hoạt động kém trong sản xuất.
Vai trò này thường dẫn đến đâu
Con đường sự nghiệp trong lĩnh vực dữ liệu/ML ngày càng trở nên phức tạp hơn khi ngành này đã phát triển. Diễn biến rõ ràng nhất: Nhà phân tích cấp dưới → Nhà phân tích cấp cao → Người quản lý phân tích về phía nhà phân tích, Kỹ sư dữ liệu cấp dưới → Cấp cao → Nhân viên về mặt kỹ thuật, và DS cấp dưới → DS cấp cao → Hiệu trưởng DS / Trưởng nhóm ML về phía người mẫu. Mức lương cao nhất dành cho kỹ sư ML + nhà khoa học nghiên cứu tại các công ty công nghệ lớn.
Những chuyển biến liên ngành là phổ biến: các nhà phân tích học về kỹ thuật thường kiếm được nhiều tiền hơn những kỹ sư không học về bối cảnh kinh doanh. Luôn bám sát doanh nghiệp - dữ liệu có giá trị nhất mà mọi người là những người mà các giám đốc điều hành đưa vào các cuộc thảo luận về chiến lược, chứ không phải chỉ những người xây dựng bảng điều khiển.
Cờ đỏ cần chú ý
- Vai trò "nhà khoa học dữ liệu" thực sự là một nhà phân tích SQL. Đọc kỹ trách nhiệm — nếu đó là tất cả các bảng thông tin và truy vấn đặc biệt thì đó là vai trò nhà phân tích có chức danh khoa học.
- Không đề cập đến sự hợp tác của các bên liên quan. Công việc dữ liệu bị cô lập thường là công việc dữ liệu bị bỏ qua. Vai trò này cần phải được gắn với một nhóm kinh doanh.
- "AI/ML" được liệt kê khắp nơi nhưng không có thông tin cụ thể. Nếu họ không thể nêu tên các vấn đề thực tế mà họ muốn giải quyết bằng ML thì công ty đó đang mua sắm bằng từ thông dụng.
- Yêu cầu "hơn 10 năm sử dụng Python" hoặc những sự kết hợp không thể thực hiện được. JD được viết bởi bộ phận nhân sự mà không có ý kiến từ nhóm dữ liệu hoặc công ty có những kỳ vọng không thực tế.
Câu hỏi thường gặp
Làm cách nào để ứng tuyển vào vai trò này?
Nhấp vào nút "Áp dụng trên Jsearch" ở đầu trang này. Bạn sẽ được gửi đến bài đăng ban đầu nơi nhà tuyển dụng chấp nhận đơn đăng ký. Wikishopline không thu thập sơ yếu lý lịch hoặc xử lý đơn đăng ký.
Danh sách này có hiện hành không?
Wikishopline tổng hợp việc làm hàng ngày từ các nguồn đối tác (jsearch). Các bài đăng cũ hơn ~14 ngày sẽ bị cắt bớt, nhưng hãy luôn xác minh rằng vai trò đó vẫn còn trống trên trang web của nhà tuyển dụng trước khi bạn dành thời gian cho thư xin việc.
Wikishopline có tính phí người sử dụng lao động hoặc người nộp đơn không?
Không. Việc làm tổng hợp là miễn phí cho cả hai bên. Wikishopline cũng chấp nhận các bài đăng trả phí $5/30 ngày tại /jobs/submit cho các nhà tuyển dụng muốn được hiển thị trực tiếp — nhưng danh sách bạn đang xem có nguồn gốc từ một đối tác.
Vai trò dữ liệu/ml thường liên quan đến điều gì?
Vai trò dữ liệu và ML được chia thành ba nhóm: nhà phân tích (SQL, bảng thông tin, câu hỏi kinh doanh), kỹ sư (đường ống, cơ sở hạ tầng) và nhà khoa học (lập mô hình, thử nghiệm). Chức danh công việc không phải lúc nào cũng cho bạn biết đó là công việc nào - hãy đọc kỹ mô tả.
Mức lương điển hình cho vai trò dữ liệu/ml ở Hoa Kỳ là bao nhiêu?
Khoảng $85.000–$240.000 USD/năm, tùy thuộc vào thâm niên, địa điểm và giai đoạn của công ty. Đây là một phạm vi rộng nhằm mục đích xác minh dựa trên Levels.fyi hoặc Glassdoor cho công ty cụ thể.
