(Data) scientist, engieneer, analyst, ML. Czym są, co je łączy, co je dzieli i w czym się rozwijać

Cześć!
Czytam sobie o data science, pojawiają się tam nazwy zawodów jak w temacie, jednak ich opisy są krótkie i mało dla mnie zrozumiałe. Ja uwielbiam pythona, programowanie i algorytmike (2 lata nauki pod OI). Matematykę lubie i nie boje się jej, jednak wolałbym żeby wiecej czasu poświęcać na programowanie/algorytmike niż matematyke. Który z tych zawodów będzie najbliżej moim oczekiwaniom? Co je łączy i dzieli, i czy podstawy takich zawodów są takie same?

Firma firmie nie równa i w każdej ta nazwa będzie znaczyć co innego. Jednak z definicji:

Data Engineer - Chłop odpowiedzialny za procesy do zbierania / ładowania danych oraz ich prezentacje.
Data Scientist / ML - Dla mnie dużo się nie różni. Wyciąganie jakiejś "wartości" z danych przy pomocy AI i tego typu podobnych tooli.
Analyst - Chłop od części biznesowej związanej z danymi.

Z moich obserwacji i pracy przy różnych projektach wychodzi, że najwięcej programowania z wymienionych jest u Data Scientists w pierwszej kolejności oraz Data Engineers w drugiej.

W tym pierwszym króluje Python i R, oczywiście wspomagane różnymi bibliotekami.

Data Engineering natomiast to zabawa narzędziami do analizy danych w stylu rozbudowanego excela (np. AWS Data Brew), ale czasem trzeba zakodować joby do ETL-a w jakimś Sparku. Tu też głównie Python i SQL. Czasem Data Engineers ogarniają też wizualizację danych (Power BI, Tableu) oraz tworzenie i utrzymanie modeli danych w hurtowniach danych czy data lake'ach.

Tak naprawdę dużo zależy od konkretnej firmy i tego jak definiuje dane stanowisko.

Bardzo mocno zależy to od firmy ja np często spotykałem się z tym że Data Scientist mało programuje, bardziej matematyczne rzeczy, a więcej kodzenia ma Machine Learning Engineer który klepie sobie kod w jakimś Kerasie czy PyTorchu.