En una startup, se le entregarán diferentes tareas.
Algunos de ellos estarán muy cerca de las habilidades “básicas” de los científicos de datos (modelado, visualización, informes, etc.).
Algunos de ellos estarán tangencialmente cerca de lo que hace un científico de datos. Estarán cerca del trabajo de un ingeniero de datos (recopilar y limpiar datos, poner modelos en producción …) e incluso de un ingeniero de software (codificación API, por ejemplo).
- ¿Cuáles son los pros y los contras de contratar pasantes versus contratar ingenieros de software a tiempo completo en una etapa muy temprana de una startup?
- En una startup, ¿puede una persona ser scrummaster, gerente de producto y diseñador de ux? ¿Si es así, cómo?
- ¿Cuál es el valor de la experiencia laboral inicial?
- ¿Las startups pequeñas (1 - 20 personas) necesitan graduados universitarios de nivel básico sin ninguna experiencia técnica?
- ¿Cuál es el valor monetario de un diseñador de UI / UX altamente talentoso para una startup en este momento?
El desafío en todo esto es aceptar lo que se te entrega y verlo como una oportunidad para crecer.
Si va bien, obtendrá una gran cantidad de conocimiento sobre muchas cosas estrechamente relacionadas (pero no necesariamente relacionadas directamente) con el campo de la ciencia de datos.
Una vez que la startup encuentra su producto / ajuste de mercado [1] (la criatura mística en el mundo de las startups) y comienza a crecer, puede concentrarse más en el trabajo típico de ciencia de datos.
Por ejemplo, cuando comencé a trabajar en mi trabajo actual, hice algo de ciencia de datos pero principalmente desarrollo front-end.
Fue difícil para mí (ya que no estaba entrenado para hacer esto) pero necesario para la supervivencia de la startup. Acepté el desafío y aprendí mucho (especialmente buenas prácticas de codificación e ingeniería de software).
Ahora que la startup es más grande y que tiene un ingeniero front-end, he vuelto al trabajo de ciencia de datos “clásico”. Incluso estoy empezando a especializarme un poco (ingeniería de aprendizaje automático y herramientas internas de ciencia de datos).
Espero que esto ayude.
Notas al pie
[1] Producto / ajuste del mercado – Wikipedia