Позиции Data Science / Куда податься?

[Ofreema]

Народ, привет! Встречайте новенького!

Тут все описывают интересные кейсы, вот и я решил написать, спросить мнение айтишников.

Я сейчас живу и работаю в Нидерландах, работаю Matlab dev/ Data Science. Работаю в этой области с января 2015. До этого в делал тут же в Голландии ПхД в теорфизе (не доделал, не защитился). В мае этого года вспомнил, что я осенью подавался на гринкарту (от отчаяния, т.к. долгое время не получалось найти работу) и выяснил, что выиграл. Сел думу думать, а нужно ли оно мне. После долгих колебаний решил, что если не попробую, то не узнаю, поэтому заполнил еще некоторые анкеты для последующего интервью. Т.к. номер анкеты в начале, то интервью меня ожидает ориентировочно в октябре (но подтверждение еще не получено), а переезд планирую в марте-апреле 2016. Ну, и я начал смотреть работу в Data Science на indeed.com, dice.com и прочее.

Есть к вам пару вопросов:

1) Все еще, а стоит ли? Я смотрел зп на индид.ком в Голландии, так получается, что 70к в год - это вообще предел, а так типа 50-55к ГРЯЗНЫМИ! На данный момент у меня еще ниже. В Штатах зп выше, но выше и расходы, я сравнивал на numbeo

2) Я занимаюсь самообразованием там Пайтон, Р, ПостгреЭсКуЭл и т.д., но не уверен, что буду экспертом к апрелю, буду стремиться. В связи с этим вопрос, куда посоветуете переезжать? NY, WA, TX, California? Или просто искать первую работу, а потом уже переезжать внутри страны?

3) Что спрашивают на интервью у таких перцев и какие шансы на быстрое получение работы? Я не работал с Хадуп, Спарком и прочими облачными технологиями. Но я очень быстро учусь

Еще к входным данным, у меня жена и почти 2 летняя дочь.

[_reality]

В Нью Йорке с Data Science работой очень хорошо. Ну вот просто ООЧЕНЬ! Очень много стартапов в Ad-Tech которые ОЧЕНЬ хотят нанять толкового народа. У нас (я работаю в AdTech) спрашивают по базовой статистике (человек должен понимать что такое t-test) и по умению писать код на R. (думаю Matlab тоже устроит почти всех)

В этом году у нас data-science переезжает на Spark, но пока что насколько я знаю знаний и опыта не требуется.

У меня есть список вопросов которые задают на позицию Associate Data Scientist Interview, могу выслать в личку.

Что вообще на рынке с зарплатами не знаю, но я думаю что 120 можно найти.

[Ofreema]

В этом году у нас data-science переезжает на Spark, но пока что насколько я знаю знаний и опыта не требуется.

У меня есть список вопросов которые задают на позицию Associate Data Scientist Interview, могу выслать в личку.

Вопросы были бы супер! Хочется посмотреть, что там спрашивают.
Я недавно начал смотреть на R, какими-то вещами он мне нравится - работой с файлами, например. А вот с матрицами все-таки матлаб круче!

Я себя готовлю примерно на такие же задачки, как народ на джава интервью решает.

Статистика, теория графов, оптимизация - что-то очень хорошо, что-то никогда не делал

Т.е. например, Дяйкстру применял, всякие Монте-Карло и оптимизационные методы тоже. Всякие стат методы и noise cancellation, а вот с марковскими цепочками не работал (надо завести себе pet project).

[_reality]

Мне кажется в индустрии (NYC, SFBA) около рекламы/социальных медиа и тд R доминирует. Огромное количество разных либ, и все в опенсорсе. Тот же Twitter насколько я знаю всю свою аналитику делает с R. Мне кажется Matlab только в узких областях используется когда есть действительно топ-либы которых нету в R-Python, какие нить реакторы там проектировать.

В академии судя по публикациям которые мне попадались из области финансов тоже почти один R. Но я ни разу не специалист так что может и не прав.

[_reality]

Вот кстати пару примеров зарплат из Хедж Фонда & AdTech стартапа

http://visadoor.com/h1b/index?company=P ... mit=Search" onclick="window.open(this.href);return false;
http://visadoor.com/h1b/index?company=T ... mit=Search" onclick="window.open(this.href);return false;

[Физик-Лирик]

Вот только заметил данный пост.
На часть вопросов мы уже ответили в соседнем топике.
1) Работ сейчас много. Как уже упоминалось, большинство из них сосредоточены либо в Кали либо в НЮ. Туда наверно и следует метить. Так же много работ в Сиетле и Масачусетсе (в районе Бостона). Имеются еще в Атланте, ну и так разбросаны по стране. Зайдите на сайты работ,посмотрите географию. Иногда и зарплаты печатают.
2) Что учить? Учите машинное обучение и статистику. Нужен один язык. R будет достаточно. Добавте сиквел, хотя бы на уровне представлений. Посмотрите Пиг. Остальное можно выучить по ходу. Питон совсем не обязателен, R будет достаточно. Ну а так, чем больше выучите, тем лучше. По статистике - тесты, гипотезы. Машинное обучение - чем больше, тем лучше. Желательно на уровне понимания математики, а не просто "подставил в формулу".
3) Насчет зарплат - примерно как у программеров. Т.к. есть карта, то дело заметно упрощается. Не уверен, что с ходу дадут 120, но кто его знает. Кали и НЮ - места дорогие, так что зарплата в 120 не самая крутая. Может имеет смысл обратить на более дешевые места, например Атланту, Джорджия, или Техас.
4) Интервью не бойтесь. Начинайте смело интервьюироваться сейчас. Даже если несколько раз вынесут, будет очень хороший опыт. Потом все вопросы освоите.
5) Думаю с картой у Вас будет много интервью.
6) Будут вопросы - сюда на Форум или пошлите персоналку.
7) Если хотите, выставите в данном топике свое резюме (удалите персональную инфу). Посмотрим, посоветуем.

[Ofreema]

По статистике - тесты, гипотезы. Машинное обучение - чем больше, тем лучше. Желательно на уровне понимания математики, а не просто "подставил в формулу".
3) Насчет зарплат - примерно как у программеров. Т.к. есть карта, то дело заметно упрощается. Не уверен, что с ходу дадут 120, но кто его знает. Кали и НЮ - места дорогие, так что зарплата в 120 не самая крутая. Может имеет смысл обратить на более дешевые места, например Атланту, Джорджия, или Техас.
4) Интервью не бойтесь. Начинайте смело интервьюироваться сейчас. Даже если несколько раз вынесут, будет очень хороший опыт. Потом все вопросы освоите.
5) Думаю с картой у Вас будет много интервью.
6) Будут вопросы - сюда на Форум или пошлите персоналку.
7) Если хотите, выставите в данном топике свое резюме (удалите персональную инфу). Посмотрим, посоветуем.

Спасибо за развернутый ответ!
Меня особенно повеселило выделнное жирным ))) Спасибо, этим я периодически и занимаюсь. Математику люблю, и кое-что понимаю )

Резюме.

Executive Summary:
• Data scientist with more than 5 years of mathematical and physical modelling experience;
• Applied numerical methods (shortest path algorithms, optimization algorithms) in industrial and academic environment;
• Consulting experience – scientific start up and projects within IT and Data analytics;
• International experience in a number of companies;

CAREER:

1/2015 – now Matlab Developer, XXXXXXX
Responsibilities: Perform calculations and data analysis using Matlab for real-time and predicted traffic state in the Netherlands, give travel time estimations, give advice on routing and departure times, etc:
• Improving existing real-time process for Dutch traffic state (built FCD and detector intelligence modules, improved MapMatching, OSM enrichment and ETA tools);
• Developed and operationalised XXXX platform;
• Developed Origin-Destination Matrix tool for historical data (point2point, point2area, area2area);
• Statistical data handling and visualisation for historical and real-time processes;
• Consulting clients about best fit solutions;
Skills: Team work, adaptability, consultancy, non-standard approaches, troubleshooting, agile, self-drive, communication, responsibility, project management, planning, Scrum, sales.

1/2010 – 6/2014 Junior Researcher (PhD student), FOM, Zernike Institute for Advanced Materials, University of Groningen, NL.
Responsibilities: project “Novel mechanisms of spin coupling in antiferromagnetic oxides”.
• Perform theoretical analysis and modelling of the electromagnetic coupling for various materials;
• Explained nearly orthogonal state in non-centrosymmetric materials;
• Model design and verification (both fundamental and numerical approaches using Matlab);
• Teaching assistant for “Numerical methods using Matlab” course;
• 2 scientific papers (in preparation), number of seminar talks and presentations;
• Established scientific collaboration with other groups and universities.
Skills: Self-drive, communication, responsibility, defining and analysing problems, non-standard approaches, project management, planning, material science.

11/2009 – 12/2009 Engineer-physicist, XXXXXXX
Responsibilities: Designing water purification solutions for private and commercial use.
• Design and installation of water purification systems;
• Writing scientific and technical description of the processes and equipment for water purification;
• Coaching and supervising technical staff.
Skills: interpersonal communication, mobile lab experience, solution and customer orientation, coaching, problem solving.

3/2007 – 11/2009 Engineer-physicist, XXXXXXXX.
Responsibilities: Schedule and perform analysis of water over the presence of radioactive and “heavy” elements using various techniques.
• Coaching and supervising lab assistants and technicians;
• Operated and maintained spectrometers;
• Wrote job and health regulations for a staff of physical and chemical department;
• Introduced new methods of measuring (for helium).
Skills: chemical lab experience, metrology, radiology, spectrometry, team play, coaching, accuracy, routine.

EDUCATION:
9/2004 – 6/2009 MSc (cum laude, GPA 5.0 (5.0)), BSc (cum laude, GPA 4.87 (5.0)) in Theoretical physics at V. Karazin Kharkiv National University (KhNU).
• 2 Scientific Papers and 2 conference talks;

OTHER EXPERIENCE:
9/2013 – 12/2014 Co-founder, Start up Spark Scientific Consulting, Groningen, NL (spark-sc.com)
Responsibilities: Consulting services in the field of material science (measurements, modelling, prototyping); market analysis, business planning; promotion of the company through exhibitions and network meetings and building the network; discussion of prospective projects with executive board members.

2006 – 2009 Deputy Head of Student’s Union of Physics Faculty, KhNU, Kharkiv, UA.
Responsibilities: Establish connection between the faculty board and the students; organisation of social activities for the students; advocating on behalf of socially and economically disadvantaged students.

2006 - 2009 Chief of PR Section of KhNU festival “Days of Physics”, Kharkiv, UA.
Responsibilities: Attracting companies for sponsorship (the biggest company is AB InBev’s daughter – Rogan Brewery); coverage of the festival in mass media; issuing newspaper.

2005, 2006 Counsellor at children’s summer camp “Azov Dawns”.
Responsibilities: Leading groups of ~40 children (10-16 years), 24/7 for 3 weeks, organising activities.

GRANTS, AWARDS:
• 2004-2009 State scholarship for an academic excellence.
• 2007 Dean’s Gratitude Letter for an academic excellence.
• 2004 Hi-school award for achievements in Physics.
• 2004 3rd prize at Kharkiv Hi-school Students Olympiad in Physics
• 1993-2003 1st (1), 2nd (6), 3rd (2) places at various Mathematical Olympiads and Contests.

PROFESSIONAL SKILLS:
Computer Skills: Matlab, Python (NumPy, SciPy, matplotlib), PostgreSQL, MongoDB, SVN, linux, Wolfram Mathematica, Moqups, UML, Maple, HTML, CSS, Delphi, CorelDraw, .

Methods: Monte Carlo, Dijkstra, A*, simulated annealing, gradient descent, FDTD, FEM.

TEACHING EXPERIENCE:
2011-2012 Teaching assistance “Programming and Numerical Methods using Matlab” (NL).
2009-2010 Teaching assistance “Classical Mechanics” (UA).
2004-2009 Tutoring of high school students in Physics and Mathematics (UA).

ACHIEVEMENTS:
2013-2014 Winner at Dutch volleyball championship “Regio Noord 3e Klasse Heren”
1994 - 2001 Music School (cum laude). Instrument: cello.
Actor, hiking, canoeing, windsurfing.

[Jerry]

GPA имеет шкалу от 0 до 4

[Физик-Лирик]

Как уже указали, резюме написано плохо. Присоединяюсь к сделанным замечаниям.

1) По настоящее время: present (not now).
2) Для описание работы используются только глаголы без местоимений. Для текущей работы - в настоящем времени, для предыдущих - в прошедшем.
Примечание: в Английском языке никогда смешивайте "стили". У Вас и глаголы в разном времени и герундий. Это плохой стиль.
3) Summary никуда не годится.
4) Не надо никаких Responsibilities. Опишите четко с использованием глаголов, что делали/ете.
5) Не CAREER а Employment History.
6) Skills не надо вставлять в описание работ. Сделайте вначале Summary , где опишите кратко опыт (типа 5 лет в машинном обучении, 5 лет анализа данных и т.п.). Далее сделайте раздел Skills , куда вставите языки, пакеты, методы.
7) 11/2009 – 12/2009 Engineer-physicist, Один месяц опыта? Смотрится как-то по детски. Либо уберите либо объедините.
Весь школьный/университетский детский сад уберите. То что Вы умный докажите на интервью.
9) TEACHING EXPERIENCE убрать (оставить, если только в профессора будете подаваться).
10) Хобби убрать.

Запомните. Рекрутеры ищут по ключевым словам. Вывод: как можно больше ключевых слов. Физику можете оставить (у меня в резюме полно физики). Но если ищите работу по анализу данных должно быть много ключевых слов. У Вас из очень мало.

[Ofreema]

Ок, всем спасибо за конструктивизм. Исправлюсь и еще раз запощу.

[Физик-Лирик]

Ок, всем спасибо за конструктивизм. Исправлюсь и еще раз запощу.

Надеюсь Вы не обиделись на наши замечания. Обычно написание резюме занимает несколько циклов. Думаю, что через пару раз оно будет в норме. А так лучшем индикатором "правильности" будет личный опыт с рекрутерами и интервью. Подавайтесь и посмотрите, как оно пойдет. Посмотрите на сайтах работ требования и добавьте недостающие "ключевые слова" из тех с чем Вы работали. Не стесняйтесь в Скилзах писать названия алгоритмов и языков.
Как перепишите, запостите.

[Ofreema]

Вы знаете, обижаться на то, что вы сказали, что резюме плохо составлено, и переделанное поможет мне найти классную работу как-то глупо ))) Лучше так, чем сидеть и думать вот у меня здоровское резюме, почему меня никто на работу не берет

[Ofreema]

Где результаты? Чего ваши алгоритмы добились? К каждой позиции добавить achievement (improved accuracy of XXX up to 97%, saved $$$, etc)

Где Big Data? Вы умеете с ней работать?

Где predictive machine learning пакеты и алгоритмы? Если есть Питон, рядом должен стоять scikit, даже если вы с ним не работали.

Кстати, а как вы считаете, обработка гигабайтов данных - это биг дата? Ну, если 0.5-2 гигабайта в минуту?

[Физик-Лирик]

Где результаты? Чего ваши алгоритмы добились? К каждой позиции добавить achievement (improved accuracy of XXX up to 97%, saved $$$, etc)

Где Big Data? Вы умеете с ней работать?

Где predictive machine learning пакеты и алгоритмы? Если есть Питон, рядом должен стоять scikit, даже если вы с ним не работали.

Кстати, а как вы считаете, обработка гигабайтов данных - это биг дата? Ну, если 0.5-2 гигабайта в минуту?

На самом деле я бы про "improved accuracy of XXX up to 97%, saved $$$, etc" в резюме писать не стал. Это больше подходит для сейлсменов или менеджмента. Надо просто написать, что делал в смысле "заданий". Далее заметьте, что дайта сайнс - очень большая область. Ваше направление, судя по всему, - предиктив аналитикс. Поэтому имеет смысл затачивать резюме именно под это. Безусловно, если есть опыт в веархаузинге, то это тоже надо сказать. Под биг дейта подразумевают системы хранения и обработки (например, хадуп) и соответствующие алгоритмы обучения (мы их упоминали в соседнем топике). Про пакеты и алгоритмы, согласен (я тоже это говорил), нужно обязательно сказать (лучше в скилзах). Так же можно упоминуть при описании того, что делал на работах. Я правда этого не делаю, т.к. и так есть что сказать. Надо будет посмотреть на общий объем. Короче, берите книгу по статистике и маш. обучению и вставте оттуда все методы, с которыми работали. Учтите, если что в резюме вставили, должны будете уметь сказать что-либо на интервью.

[KotKot]

R работает только на локальной машине?

[Физик-Лирик]

R работает только на локальной машине?

Можно на сервер выложить.

[Lisa]

На самом деле я бы про "improved accuracy of XXX up to 97%, saved $$$, etc" в резюме писать не стал. Это больше подходит для сейлсменов или менеджмента. Надо просто написать, что делал в смысле "заданий".

Это очень вредный совет. Нанимателя обычно интересует результат, а не процесс.

[KotKot]

А как обстоят дела с remote work/telecommuting в data science? Технически эту работу можно выполнять откуда угодно, но практически я почему-то не вижу удаленных вакансий.

[Ofreema]

Лично я могу работать из дома. 1 день в неделю точно, можно и больше. Но, я этим не пользуюсь, т.к. дома семья и особо не поработаешь.

[Физик-Лирик]

На самом деле я бы про "improved accuracy of XXX up to 97%, saved $$$, etc" в резюме писать не стал. Это больше подходит для сейлсменов или менеджмента. Надо просто написать, что делал в смысле "заданий".

Это очень вредный совет. Нанимателя обычно интересует результат, а не процесс.

Фраза об "improved accuracy " абсолютно ничего не говорит. Возможно предыдущий разработчик не достиг больших успехов и улучшить модель было несложно. Далее цифра в 97% будет выдающейся, если речь идет о хорошо известной проблеме. Когда же говорят о "местной" задаче, то совершенно не ясно, как оценивать результат. Нанимателя в первую очередь интересует, что человек умеет делать. Это особенно верно для дейта сайнтистов.

[Физик-Лирик]

А как обстоят дела с remote work/telecommuting в data science? Технически эту работу можно выполнять откуда угодно, но практически я почему-то не вижу удаленных вакансий.

По моим субъективным наблюдениям, сейчас интерес к удаленке упал. Трудно сказать с чем это связано. Думаю одна из причин - сейчас много вакансий в стартапах, а они хотят всех в одном месте. Другая причина, дейта сайнс - это постоянное обсуждение моделей, дизайна и т.п. Считается, что лучше это делать в коллективе в "комнате", а не через видео-конференции. Еще момент - само и крос обучение. Считается, что оно лучше при общении. Честно говоря, мне кажется, что возможность удаленки более реальна для людей уже с опытом. Для начинающих, вероятность будет невелика.

[alex-IT]

На самом деле я бы про "improved accuracy of XXX up to 97%, saved $$$, etc" в резюме писать не стал. Это больше подходит для сейлсменов или менеджмента. Надо просто написать, что делал в смысле "заданий".

Это очень вредный совет. Нанимателя обычно интересует результат, а не процесс.

Фраза об "improved accuracy " абсолютно ничего не говорит. Возможно предыдущий разработчик не достиг больших успехов и улучшить модель было несложно. Далее цифра в 97% будет выдающейся, если речь идет о хорошо известной проблеме. Когда же говорят о "местной" задаче, то совершенно не ясно, как оценивать результат. Нанимателя в первую очередь интересует, что человек умеет делать. Это особенно верно для дейта сайнтистов.

+1
выражения типа "improved accuracy, saved $$$" - не выглядят как факты.
А про школу и награды автор вообще отжог. Вы бы еще звездочки или конфетки от воспитателя в детском садике написали в резюме.
Только не обижайтесь, резюме вам надо переделать. Лаконично и только по делу.