作者anguso (唷!)
看板Oversea_Job
標題Re: [北美] Data Scientist vs. Software Engineer
時間Mon Dec 30 01:41:46 2019
就如你自己所說, 這裡的 DS 不是真正的
DS. 你說的是 Data Analyst (DA).
Data Science 的定義似乎還是有點混亂.
有些公司的 DA 因為不想被叫 DA 所以就
自稱是 DS. 事實上就是 DA. 有些公司的
DS 被稱為 Research Scientist.
對於你的問題, 我還是會建議選 Software
Engineer. 畢竟那是條 career life 比較
長的路, 再加上你自己有 DA 的背景, 進
業界第一份工作是 SWE 對你之後的發展比
較有幫助.
你可能會覺得目前外面的 DS 薪水都比 SWE
高, 但你不是 DS 喔, 你是 DA. 現在 DS
薪水比 SWE 高也只是暫時的. 等到市場上
DS 多了起來, 也不會高到哪裡去了. 再者,
我總是建議 scientist 要有一些 engineer
的思維和能力, 不然在公司裡無法獨立運作,
到底還是靠 SWE 在幫你產品化.
這幾年 AI/ML/DS 整天叫個沒完, 事實上你
是誰才是最重要的. 丟給你一個問題, 你能
不能去把需要的技能學起來, 把問題解掉,
一步一步提出更好的做法, 這才是你的價值.
就這點而言, DS 和 SWE 始終都要走到一起的.
趁早把沒碰過的領域利用工作學起來, 對你幫
助比較大.
※ 引述《deniel367 (dann)》之銘言：
: 如題所示，我感覺我最近站在一個人生交叉點，是時候做出選擇... 但身邊較少人有相關
: 經驗，想請教板上前輩們。
: 前言：
: 我目前就讀北美類似DS碩士一年級，預計2021春畢業，沒有正職工作經驗，大學背景是統
: 計。目前拿到兩暑期實習offers，一個是做swe (非FAANG的大廠 return機會高)，另一個
: 是做ds (小銀行 return機會不高)
: (ds在每家公司都有不同定義，但這篇的ds我定義為ds-analytics，主要是做統計推論、
: 少量的建模；swe的話姑且定義為general的，不細論前後端之類的，還不知道自己會被分
: 到哪個組。)
: 問題：
: 主要是我不確定要接哪個offer，更精確地問題是... 我不確定未來要往哪個方向走。如
: 果我要往ds走，我應該會接ds offer
: DS
: pros,
: 1 工作內容我較熟悉、喜歡
: 2 和過去所學較相關，準備了很久，不繼續做感覺有點可惜...
: 3 以長遠來說，DS較容易轉職（？） 下方會有更詳細說明
: cons,
: 1 正職平均而言 薪水還是差了sweㄧ截，除非是在非常data driven的公司像是Airbnb, N
: etflix
: 2 非常難專精的領域，技能樹容易長得很寬但不深，常感覺學得不踏實...往上發展可能
: 相對不易，且工作成果難量化，需要靠我不喜歡的軟實力...
: 3 需要跟來自各領域的PhD競爭...
: SWE
: pros,
: 1 找工作的話，個人感覺比較好準備 主要靠刷題
: 2 聽說比起DS需要研究的數學統計，SWE的知識點相較容易掌握，生活可能比較可以平衡
: ，下班後較多自己的時間
: cons,
: 1 相對不太熟... 而且我統計學了很久，一直覺得放棄有點可惜QQ
: 2 聽說可能有中年失業問題，再加上我本身不是一個很愛追技術的人，擔心中年後的路不
: 好走。未來有考慮轉成類似顧問、管理職。感覺DS因為看了比較多商業面的東西會比較容
: 易轉。
: 概括而言，我是比較喜歡做DS的工作，喜歡從挖掘數據中得到商業結論這個過程，但心中
: 一直有個檻過不去，就是總感覺DS的職涯發展需要靠許多軟實力、運氣、業界風口...等
: 等許多我沒法掌握的因素，讓我感到很不安全，SWE的好處感覺就是可以很專心在一件事
: 情上。
: 即使我列下了許多pros & cons，但我還是很難決定，甚至也許這些pros & cons 有講錯
: 的地方，或是其他我沒考慮到的重要因素，如果有前輩們可以指點迷津，那真是太感謝！
--
https://www.linkedin.com/in/angus-kong/
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.248.253.79 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Oversea_Job/M.1577641317.A.486.html
1F：推 agario: 原 po 內文是說 DS 比 SWE 薪水低，但比較喜歡吧 12/30 02:03
2F：→ agario: 所以他並沒有覺得外面 DS 薪水比較高 12/30 02:03
3F：推 deniel367: 我想原po可能不在美國才會這麼說。1, 美國就業市場其 12/30 02:59
4F：→ deniel367: 實已經分化出三種DS，分別是analytics, analyst, model 12/30 02:59
5F：→ deniel367: ing，詳細可參考Airbnb Technology blog。 2, 北美的DS 12/30 02:59
6F：→ deniel367: 薪水還是低SWE一個職等，除非在一些非常注重數據的公司 12/30 02:59
7F：→ deniel367: 。台灣可能因為DS才正興起 需求較大 所以給比較多錢 12/30 02:59
8F：→ deniel367: 不論如何，你提到了解決問題的能力，這是很不錯的觀點 12/30 03:00
9F：→ deniel367: ，感謝！ 12/30 03:00
10F：推 pttnowash: 原原po應該是要找出一條路結合DA跟SWE才是正解 12/30 07:00
11F：→ pttnowash: DA是研究別人的東西 SWE是創造一個東西 薪資當然有差 12/30 07:00
12F：→ pttnowash: 不能拿A業界強者薪資 跟B業界新手來比 12/30 07:01
13F：推 oppi: 想請問swe是包含ml的嗎？還是分開？ 12/30 13:14
14F：→ oppi: 另外AI是不是通常會找phd的人去做呢？ 12/30 13:14
15F：推 mnbv711: 有神快拜！原po是之前在灣區G research的大神啊，不是在 12/31 01:01
16F：→ mnbv711: 台灣喔。 12/31 01:01
17F：推 mnbv711: deniel367建議你不用太介意職位名稱，看職缺對應做的事 12/31 01:02
18F：→ mnbv711: 比較重要。再來每個人拿到的package範圍很大，我朋友拿 12/31 01:02
19F：→ mnbv711: 到灣區research scientist的package就比其他朋友的灣區sw 12/31 01:02
20F：→ mnbv711: e還高，當然package還是看公司、看職缺內容。 12/31 01:02
21F：→ mnbv711: 最主要做research還是要看興趣，如果真有興趣建議你往res 12/31 01:02
22F：→ mnbv711: earch scientist或research engineer發展(again有些公司 12/31 01:02
23F：→ mnbv711: 稱data scientist，你得自己從職缺內容判斷)，但是有鑑 12/31 01:02
24F：→ mnbv711: 於你現在這份offer實質只是data analyst，於是建議拿swe 12/31 01:02
25F：→ mnbv711: 的offer。 12/31 01:02
26F：→ mnbv711: // 我是來幫大神翻譯的 12/31 01:03
27F：推 sean2449: research scientists絕不是data scientist...現在又加上 12/31 16:11
28F：→ sean2449: ML engineer, DS大多數還是analysts 12/31 16:11