ml-engieneer?
учусь уже год, довольно близок к первой работе, но что-то начали опускаться руки после попыток найти работу
составил резюме и если есть тут люди, кто может помочь оценить мои знания, хотел бы попросить дать фидбэк, буду премного благодарен
Привет! А что знаешь ? Что умеешь ? В кратце.
в лс можно резюме скинуть?
Те же компетенции, что и у специалиста Data Science (см. выше) + инфраструктура данных, теория графов, дискретная математика, теория вероятности. Хорошие знания основных ML библиотек + основные методы оптимизации дисперсия/смещение (бустинг, стеккинг, беггинг). Остальное с опытом приходит. Возможно, коллеги что-то добавят...
Я все равно не могу уловить тонкую грань между Data Scientist и ML-engineer. То, что вы описали должен ведь уметь и датасаентист?
Объем компетенций пересекается примерно на 80%. Если очень упрощённо, то DS создает модели данных. ML применяет их в задачах машинного обучения.
Я считал что дс это что-то про универсальный подход, в котором сочетаются навыки мл инженера, аналитика и дата инженера
Сам для себя я сделал вывод, что пока я не могу абстрактно представить каждое разветвление и разделить на некие структуры, то стоит изучать все)
Если человек занимается продуктовой/клиентской аналитикой - собирает данные, строит ML модели, выводит в прод. Он может называть себя ML-инженером?
По мне так это странные требования к прод. аналитику. Проходил собес в Газпром инвестициях и что то ни разу про ML не зареклись
Довольно абстрактное разделение, и каждая компания(а может даже и команда внутри компании) проводит границу по своему(а иногда вообще не разделяет такие понятий)
Может ли шкипер и капитан считать себя мореплавателем? Ответ: да, может. Компетенции - это такие же данные, которые при грамотной оцифровке и разметке можно проанализировать теми же методами, которые применяются и в продуктовой аналитике, и в ds/da
Обсуждают сегодня