ฉันเป็นนักวิทยาศาสตร์ข้อมูลธรรมดา ๆ และใช้ชีวิตได้ดีมา 10 ปีแล้ว

 (reddit.com)
1 คะแนน โดย GN⁺ 1 시간 전 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • รู้ดีว่ามีนักวิทยาศาสตร์ข้อมูลที่เก่งมากจริง ๆ ซึ่งมีปริญญาเอก ทำงานที่ FAANG และเชี่ยวชาญเทคโนโลยีล่าสุด แต่ฉันไม่ใช่คนประเภทนั้น
  • ตลอดมาฉันทำงานในบริษัทขนาดเล็กถึงกลางที่ใช้เทคโนโลยีแบบเก่า, บริษัทที่ต้องรับบททั้ง Analyst/Scientist เพียงคนเดียว และบริษัทที่คนส่วนใหญ่คงไม่เคยได้ยินชื่อ
    • ไม่ได้ทำอะไรพิเศษ และไม่ได้มองว่าตัวเองฉลาดหรือโดดเด่น อีกทั้งก็คงไม่ผ่านการสัมภาษณ์ของ FAANG ในปัจจุบัน
  • ถึงอย่างนั้น ฉันก็มีประสบการณ์ที่ยอดเยี่ยมในฐานะ Data Scientist และสร้างผลกระทบที่จับต้องได้จริงให้กับบริษัทที่เคยร่วมงาน
    • แม้ตอนนี้ถ้าไปสัมภาษณ์ก็ยังไม่ได้ลำบากมากนักที่จะได้ข้อเสนอเข้าทำงาน แต่ในช่วงเวลานี้มันยากขึ้นมากกว่าเดิมมาก
    • ฉันมีความอยากรู้อยากเรียนรู้สิ่งใหม่และแรงผลักดันอยู่เสมอ และค้นพบว่าตัวเองมีพรสวรรค์ในการแปลข้อมูลที่ซับซ้อนให้เป็นสิ่งที่ทุกคนเข้าใจได้
  • ฉันพยายามรักษาท่าทีที่ใจดีและเข้าอกเข้าใจผู้อื่น พร้อมแสดงให้ทุกคนเห็นว่าข้อมูลสามารถน่าสนใจและสนุกได้
    • ฉันปฏิเสธท่าทีที่ลดคุณค่าคนอื่นเพื่อทำให้ตัวเองดูฉลาดกว่า และเพราะแบบนั้นจึงรักการอธิบายแนวคิดที่ซับซ้อนให้ใคร ๆ ก็เข้าใจได้
  • ฉันชอบงานที่ช่วยชี้ให้เห็นอินไซต์จากข้อมูลและทิศทางที่ควรไปต่อ
    • ถึงจะมีหลายโมเดลที่ไม่ได้ต่อยอดไปสู่ผลลัพธ์ แต่ฉันก็สนุกกับการสร้างโมเดลในตัวมันเอง
    • ผลกระทบและการตัดสินใจที่สำคัญที่สุดบางอย่างของบริษัทกลับมาจากกราฟแท่งและ KPI พื้นฐาน
  • ฉันวางแผนจะทำงานนี้ต่อไป
    • แม้จะรู้สึกว่าตัวเองธรรมดาหรือต่ำกว่านั้น แต่ฉันก็ทำงานที่ชอบและโฟกัสกับสิ่งที่ตัวเองทำได้ดี
    • โดยเฉพาะตอนนี้ที่AI กำลังทำให้วงการนี้เปลี่ยนแปลงอย่างรุนแรง และฉันก็กำลังปรับตัวเข้ากับความเปลี่ยนแปลงนั้นอยู่
  • ฉันอยากแบ่งปันประสบการณ์เชิงบวกของคนธรรมดาจนแทบจะเจ็บปวดคนหนึ่ง
    • โดยเฉพาะกับคนที่เพิ่งเริ่มต้นและคนที่อยากย้ายสายงาน เพื่อให้เห็นว่าคุณไม่จำเป็นต้องเป็นคนที่ฉลาดที่สุดในห้อง
    • สิ่งที่จำเป็นคือการลงลึกกับพื้นฐานที่แข็งแรง และมีความตั้งใจที่จะสร้างความเปลี่ยนแปลงหรือนำคุณค่ามาสู่บริษัท

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 1 시간 전
ความเห็นบน Reddit
  • การสร้างโมเดลเป็นเรื่องสนุก และประเด็นที่ว่าหลายโมเดลไม่ได้ถูกนำไปใช้จริง แต่การตัดสินใจใหญ่ ๆ ของบริษัทมักมาจากกราฟแท่งกับ KPI พื้นฐานนั้นสมจริงมาก
    • จากประสบการณ์ของฉัน กราฟแท่งนั้นบ่อยครั้งก็คือรายงานฟีเจอร์ที่สำคัญที่สุดของโมเดล xgboost ที่ฝึกไว้
      ฉันเลิกเป็นนักวิทยาศาสตร์ข้อมูลมาได้ราว 7 ปีแล้ว เลยเป็นประสบการณ์ที่เหมือนไทม์แคปซูลเก่า ๆ แต่ก็ยังจำได้ว่าลูกค้าชอบผลลัพธ์แบบนั้นมาก
    • ฉันเป็นวิศวกรซอฟต์แวร์ แต่ชอบสร้างและเทรนโมเดลเป็นงานอดิเรก
    • ฉันสะดุ้งกับส่วนนั้นเหมือนกัน ฉันไม่ค่อยอิน และเป็นคนที่อยากให้สิ่งที่สร้างต้องถูกใช้งานเสมอ
      ถึงอย่างนั้น ความสามารถในการแปลงเรื่องซับซ้อนให้เป็นคำพูดที่คนเข้าใจได้ก็ไม่ควรถูกมองข้ามเลย มีคนจำนวนมากที่ทำพื้นฐานข้อนี้ไม่ได้ ดังนั้นถ้าทำได้ดี อย่างน้อยก็คงไม่ต่ำกว่าค่าเฉลี่ย
  • ในฐานะนักวิทยาศาสตร์ข้อมูลธรรมดาคนหนึ่ง ฉันก็รู้สึกขอบคุณเหมือนกัน เริ่มเบื่อที่เห็นแต่เรื่อง FAANG อยู่เรื่อย ๆ ที่นี่
    • ช่วงนี้รู้สึกเหมือนเห็นแต่การโปรโมตตัวเองแบบ Only FAANGS
    • มากกว่าจะเป็นเรื่องว่าอยู่ระดับกลางหรือระดับท็อป จังหวะเวลาที่ได้เป็นนักวิทยาศาสตร์ข้อมูลสำคัญกว่า
    • แถมนักวิทยาศาสตร์ข้อมูลของ FAANG จำนวนมากยังทำงานกับโมเดล “AI” ซึ่งงานแบบนั้นคงทำให้ฉันเป็นบ้า โลกนี้ไม่ต้องการ ChatGPT เวอร์ชันใหม่อีกแล้ว
  • นี่ใกล้เคียงกับเส้นทางอาชีพนักวิทยาศาสตร์ข้อมูลที่สมจริงมากกว่า ใน 99% ของกรณี ผลกระทบทางธุรกิจและการสื่อสารสำคัญกว่าโมเดลหวือหวา
    • ฉันทำงานในทีม data science/analytics ฝั่งคอนซัลต์ และเก็บเงินลูกค้าไปแล้วเป็นหลักหลายล้านดอลลาร์เพียงแค่เขียน SQL query และส่งมอบผลลัพธ์ให้ลูกค้า
      แน่นอนว่านั่นไม่ได้แปลว่าเงินที่ฉันเรียกเก็บไปคือเงินเดือนของฉัน
    • คนที่ไม่ใช่สายข้อมูลบางครั้งพยายามใช้สิ่งที่ตรงข้ามกับมีดโกนของอ็อกคัม การมี “คณิตศาสตร์” มากขึ้นไม่ได้แปลว่าจะมีอินไซต์มากขึ้นเสมอไป บางครั้งแค่มีสมมติฐานเพิ่มขึ้นเท่านั้น
  • พูดตามตรง ฟังดูเหมือนนักวิทยาศาสตร์ข้อมูลที่ดีเลย ฉันเห็นคนที่มีคุณสมบัติและชื่อดัง ๆ ในเรซูเม่ พูดได้อลังการ แต่ในทางปฏิบัติแทบสร้างอะไรไม่ได้มามากพอแล้ว จนไม่ให้น้ำหนักกับเรื่องพวกนั้นมากนัก
  • อาจไม่ใช่นักวิทยาศาสตร์ข้อมูลแบบค่าเฉลี่ย แต่เป็นนักวิทยาศาสตร์ข้อมูลแบบค่ามัธยฐานมากกว่า
  • เป็นมุมมองที่สดใหม่
  • ฉันก็เป็นนักวิทยาศาสตร์ข้อมูลธรรมดา ๆ คล้ายกัน เวลาอ่านโพสต์ที่นี่บางทีก็รู้สึกกังวล
  • ฉันก็ค่อนข้างใกล้เคียงแบบนี้ บริษัทใหญ่ก็จริง แต่โฟกัสคือการช่วยการตัดสินใจของทีมการเงินมากกว่าการผลักดันวิธีการล่าสุดที่หรูหราและซับซ้อนที่สุด
    เวลาเห็นคอนเทนต์สัมภาษณ์งาน data science จะรู้สึกเหมือนต้องเป็นสารานุกรมมีชีวิตของสถิติ วิทยาการคอมพิวเตอร์ และปัญญาประดิษฐ์ แต่ในความเป็นจริง คนที่ประสบความสำเร็จที่สุดมักเป็นคนที่สร้างผลกระทบเชิงบวกต่องานของคนอื่น และเป็นคนที่ทำงานร่วมกับทีมได้ดี
  • ฉันพูดเรื่องนี้กับคนที่หางานนักวิทยาศาสตร์ข้อมูลไม่ได้อยู่เสมอ ฉันมาจากสายซัพพลายเชน และรู้สึกว่าคนรอบตัวทำงานแบบแมนนวลกันมากเกินไป เลยไปเรียนเขียนโปรแกรมด้วยตัวเอง
    หลังจากนั้นฉันเรียนปริญญาโทด้าน data science และย้ายไปทำบทบาทการจัดการโครงการด้านซัพพลายเชน ซึ่งที่นั่นฉันได้ทำทั้ง automation, dashboard, การสร้าง data pipeline, predictive modeling และงานวิเคราะห์เฉพาะกิจต่าง ๆ พอเรียนจบ บริษัทก็เลื่อนตำแหน่งให้ฉันเป็นนักวิทยาศาสตร์ข้อมูลจริง ๆ พร้อมเงินเดือนตามตำแหน่ง
    ฉันไม่ได้ทำงานขั้นสูงมากแบบที่นักวิทยาศาสตร์ข้อมูลบางคนทำ แต่ถ้าใช้ทักษะ data science และทักษะทางเทคนิคมาแก้ปัญหาให้บริษัท ก็สามารถหาเส้นทางอาชีพที่พบไม่บ่อยนักแต่ให้ความพึงพอใจได้
    • ตอนนี้อยากรู้ว่าคุณรายได้เท่าไร ยังพอคุ้มที่จะทำต่อไหม หรือรู้สึกว่าต้องทำมากกว่านี้เพื่อให้ได้ค่าตอบแทนสูงขึ้น
  • ชอบเรื่องแบบนี้มาก พวกคนทำงานภาคปฏิบัติรุ่นเก๋าที่อยู่ตรงกลาง ๆ ก็ควรลุกขึ้นมาพูดบ้าง