Cześć, jestem studentem drugiego roku informatyki. Chciałbym się już jakoś określić co do dalszego rozwoju. Na początek chciałbym rozwinąć się jako programista (przepracować kilka lat komercyjnie jako programista). Myślę nad wyspecjalizowaniem się w kierunku specjalisty od bezpieczeństwa, lub od uczenia maszynowego. Obu tych rzeczy próbowałem i obie sprawiają mi przyjemność, dlatego nie mogę się zdecydować. Jakieś wskazówki/rady co do dalszej drogi rozwoju? Chętnie poczytam wypowiedzi osób które zajmują się wymienionymi przeze mnie działami informatyki.
0
0
No zasadniczo to obie te ścieżki można chyba łączyć, nie? W sensie metody statystyczne/ml możesz stosować w bezpieczeństwie
1
przemyslowiec napisał(a):
Cześć, jestem studentem drugiego roku informatyki. Chciałbym się już jakoś określić co do dalszego rozwoju. Na początek chciałbym rozwinąć się jako programista (przepracować kilka lat komercyjnie jako programista). Myślę nad wyspecjalizowaniem się w kierunku specjalisty od bezpieczeństwa, lub od uczenia maszynowego. Obu tych rzeczy próbowałem i obie sprawiają mi przyjemność, dlatego nie mogę się zdecydować. Jakieś wskazówki/rady co do dalszej drogi rozwoju? Chętnie poczytam wypowiedzi osób które zajmują się wymienionymi przeze mnie działami informatyki.
Nie powiedziałbym, że ML to typowo dział informatyczny.. to tak ogromny obszar, który łączy kilka dyscyplin, że ciężko go jednoznacznie zakwalifikować. Najlepiej to się tym po prostu bawić, np z Kaggle, tworzyć swoje kernele, podpatrywać jak to u innych wygląda. Może staż np. w banku, wiem, że ING przeprowadza staże związane ze swoim działem DS więc tam też pewnie coś można podejrzeć.
1
Generalnie napieraj na oba tematy, mam na myśli wysyłaj CV na staże, a może jako pomagier się gdzieś załapiesz. Tylko nie na oba tematy do tej samej firmy;) Myślę, że nie masz się co za bardzo zastanawiać. Wbrew temu co głoszą wszystkie książki coachingowe, życie również zawodowe to trochę przepadek.
0
Zacznij od specjalisty od bezpieczenstwa, kazda znaczaca firma teraz rekrutuje w takich obszarach. W tematy ML wchodza i firmy coraz czesciej i chetniech z nich korzystaja. Gdy juz bedziesz w srodku bardzo gdy tylko bedzie okazja to ktos Cie wezmie do projektu z ML. Zawsze bierze sie najpierw pracownikow ktorzy juz sa, ktorych juz znamy niz kogos z zewnatrz (co skad inad jest trudne teraz)
0
data science to przede wszystkim statystyka, uczenie maszynowe, ekonometria, programowanie w przypadku data scientisty to tylko narzędzie, a nie cel sam w sobie. Idąc Twoją definicją, to każdą dziedzinę wiedzy (ekonomie, historię, inżynierię) można nazwać informatyką, przecież też polegają na przetwarzaniu informacji (przetwarzaniu empirycznych danych w teorie). No i zastosowania data science w informatyce to tylko mała część tej dziedziny, oprócz informatyki data science króluje w marketingu, handlu detalicznym, finansach, bankowości, biostatystyce, medycynie, inżynierii itp. itd.
0
Swoją drogą, pamiętam jak około 2 lata temu kręciłem g*wnoburze na tym forum, o tym jakie perspektywy niedługo będzie dawać data science. Oczywiście wszyscy się śmiali bo HURR DURR JAVKA NAJLEPSZA #JUNIOR 15K. Teraz jak programistą może zostać każdy, a bariery wejścia do data science są nadal wysokie, sytuacja się odwróciła. Widać coraz więcej ofert pracy w Polsce (z czego niektóre typu 30-60k netto miesięcznie), a na zachodzie to jest już w ogóle boom. Kto się teraz śmieje xD ?
0
Nie powiedzilabym, ze jest szal na data sciencie. Patrzac na UK Java developerow potrzeba sporo wiecej. Zarobkami bym sie nie kierowal - zawsze to, co mode jest drogie. Pamietam czasy, ze widelki na java dev oscylowaly 60-80k, dzis jest to 40-60k. I co z tego wynika - ze Java sie konczy? Nie, po prostu jest wiecej specjalistow, ale praca wciaz dla nich jest.
Java ma ponad 20 lat i dobrze sobie radzi, co pozwala przypuszczac, ze wytrzyma kolejne 20.
0
Sciśle rzecz biorąc ML jest pod dziedziną informatyki. Ale myślę, że @KageYoshi odnosił się w swojej wypowiedzi raczej do terminu "data science" niż ML, stąd zacząłem temat "data science".
Jeśli chodzi o zarobki i perspektywy, no nie zaskoczyło mnie to, że w dziale BI, który sprowadza się do sqla, excela, powerpointa, "data scientiści" zarabiają gorzej od programistów xDD Mówiąc o dobrych zarobkach i perspektywach mam na myśli osoby, które rzeczywiście zajmują się data science, a nie klikaniem w excela, spss i sqla. Rzeczywiste data science: finanse(analiza szeregów czasowych, prognozowanie popytu, inflacji itp.),NLP, high frequency trading, biostatystyka, image processing, robotyka itp. A to, że polska gospodarka to meksyk europy i takich stanowisk jest niewiele w porównaniu do klepaczy javki (ale liczba dość szybko rośnie), no to inna sprawa xD
0
Jeśli chodzi o zarobki, żeby nie być gołosłownym:
https://www.payscale.com/research/US/Job=Data_Scientist_%2F_Engineer/Salary
https://www.payscale.com/research/US/Job=Java_Developer/Salary
https://zarobki.pracuj.pl/raporty-i-trendy-placowe/ile-zarabia-programista
https://zarobki.pracuj.pl/stanowiska/badania-i-rozwoj/data-scientist
7 tyś vs 9 tyś.
na zachodzie różnica podobnego rzędu.
0
nie jesteś w stanie zrozumieć czym jest BI
w sensie wyliczanie średniej zapytaniami sql, a następnie robienie prezentacji w powerpoincie i przedstawianie ich prezesowi/radzie nadzorczej? Owszem, nie wiem czym jest BI, ale co więcej myślę, że ty sam również nie wiesz czym jest BI. Czy możesz zdefiniować czym jest BI, jaki jest zakres obowiązków przeciętnego specjalisty od BI oraz jakich narzędzi używa na codzień? Jak wygląda dzień specjalisty typowego specjalisty od BI? BI to jest tak szeroki termin, że jest praktycznie bez znaczenia. Ale jedno wiem na pewno, specjalista od BI to nie jest osoba, która specjalizuję się w image processingu, NLP, biostatystyce, robotyce, HFT. Nie wiem co wy tam robicie i co kryje się pod nazwą BI oraz jak u was się traktuje statystyków, ale znam sporo data scientistów(w tym siebie samego xD) i na zarobki nie narzekają.
0
Mistrzowski Młot napisał(a):
Swoją drogą, pamiętam jak około 2 lata temu kręciłem g*wnoburze na tym forum, o tym jakie perspektywy niedługo będzie dawać data science. Oczywiście wszyscy się śmiali bo HURR DURR JAVKA NAJLEPSZA #JUNIOR 15K. Teraz jak programistą może zostać każdy, a bariery wejścia do data science są nadal wysokie, sytuacja się odwróciła. Widać coraz więcej ofert pracy w Polsce (z czego niektóre typu 30-60k netto miesięcznie), a na zachodzie to jest już w ogóle boom. Kto się teraz śmieje xD ?
no ta, bo 2/4/8 lata temu to nie każdy mógł wejść w programowanie hehexd
może 40 lat temu to miałoby sens
zresztą śmieszku look at dis:
ilość ofert >30k w ds: 1
ilość ofert >30k w js: 2
na justjoin
Ile ofert masz na programowanie, a ile na ds?
0
Na poprzedniej stronie przytoczyłem statystyki na temat różnic zarobków. Nie wnioskujmy o populacji generalnie na bazie 3 ofert pracy z jakiegoś małego portalu xD
0
Mistrzowski Młot napisał(a):
Na poprzedniej stronie przytoczyłem statystyki na temat różnic zarobków. Nie wnioskujmy o populacji generalnie na bazie 3 ofert pracy z jakiegoś małego portalu xD
yo, ale na javkę jest 3 razy więcej "reportów"
więc nie dziwne jest, że dejta scientist ma większy avg zarobek
jak Janusz Machine Learning Investments Group Ltd. dorwą się do biznesu, to zobaczysz jak zarobki ulegną zmianie :D
myśli osoby, które rzeczywiście zajmują się data science, a nie klikaniem w excela, spss i sqla. Rzeczywiste data science: finanse(analiza szeregów czasowych, prognozowanie popytu, inflacji itp.),NLP, high frequency trading, biostatystyka, image processing, robotyka itp.
serio, aż tyle rzeczy 1 osoba? powiedziałbym, że trochę jac(e)k wszystkich fuch, ale z drugiej strony pewnie są tacy dobrzy ludzie :P
0
to jest naprawdę proste:
jest kilka poziomów
- raporty operacyjne per kazdy system
- BI czyli budowanie DWH, migracja danych ze wszystkich systemow i budowanie analityki na tym. Ze wzgledu na specyfike BI i DWH, ich optymalizacje do DWH laduje sie tylko to co niezbedne.
- BigData. tutaj ladujemy wszystko co moze miec sens, ale jeszcze tego nie znalezlismy. Tutaj data sciencisci swoja czarna magia poszukuja zaleznosci miedzy danymi, jakchs schematow ktore wnosza wartosc.
mozna to opisac inaczej;
- raportowanie o tym co bylo wczoraj
- kompleksowe myslenie nad podstawie tego co wiemy dzisiaj o tym co bedzie jutro
- myslenie o tym co bedzie w dalszej przyszlosci
polecam tez slowa kluczowe analityka 1.0, 2.0, 3.0.
na czym polega praca w BI?
analiza polega na rozumieniu systemow baz i zrodel danych ktore posiada klient
architektura polega na zaplanowaniu procesow ich przetwarzania, laczenia i magazynowania
development polega na wykonaniu tego
przewaznie do tego dochodza jeszcze spotkania z klientami, gdzie uzgadnia sie co jak po co i dlaczego tak drogo
typowy tydzien / miesiac polega na robieniu tego wszystkiego w kolejnosci
dalej sa warstwy prezentacji danych które mogą mieć tez kilka etapów, analiz i dev.
podpowiem ze do kazdego z tych etapow sa inne narzedzia.
jezeli interesujesz sie szczegolami to zacznij od nofluffjobs zakladka BI jobs i odpowiednie frazy na pracuj pl.
PS mówienie ze BI jest czymś niezdefiniowanym było modne wśród chairmanów polskich firm gdy trwał wyścig o to kto pierwszy wprowadzi BI i będzie mógł się tym pochwalić na konferencji...
0
Generalnie jeśli chodzi o porównanie zarobków na podstawie ogłoszeń to byłbym tu ostrożny. Chodzi o to, że są to ogłoszenia, które wypłynęły na zewnątrz, czyli w chwili gdy nie opłaca się nikogo szukać na własną rękę, ewentualnie firma nie może nikogo znaleźć inną drogą. Bardziej jestem skłonny uwierzyć w statystki od Młota.
Od razu mówię, że nie jestem związany z ML. Po prostu taka luźna dygresja Panowie.
0
w data science jest być może trzy razy mniej ofert pracy niż w javce, tylko, że data scientistów jest 5-10 razy mniej niż javowców ;) stąd wyższe zarobki, prawo popytu i podaży. Jeśli chodzi o zakres obowiązków, to nie napisałem, że tym wszystkim zajmuje się jedna osoba. Chodziło mi o wymienienie poddziedzin data science, po to żeby zdefiniować czym jest "data science" i czym różni się od BI (są też oczywiście punkty wspólne między BI i data science).
0
jestem prawie pewny, że ten BI to wygląda tak:
(algorytm)
while(ilosc_godzin_w_pracy_dzisiaj < 8)
{
weź losową ilość losowych kolumn z data
zrób losowe połączenia danych i przeiiteruj po wszystkich
{
pierdyknij chart
wyświetl temu, co siedzi przed monitorem
pokaż battony "lipa" "wyślij do bossa"
}
}
:D