Оглавление
- Предисловие
- Благодарности
- О книге
- Для кого эта книга
- Структура книги
- От издательства
- Об авторах
- Эмили Робинсон
- Жаклин Нолис
- Об обложке
- Часть 1. Data Science. С чего начать
- 1. Что такое Data Science?
- 1.1. Что такое Data Science?
- 1.1.1. Математика/статистика
- 1.1.2. Базы данных и программирование
- 1.1.3. Понимание бизнеса
- 1.2. Различные типы вакансий в Data Science
- 1.2.1. Аналитики
- 1.2.2. Машинное обучение
- 1.2.3. Теория принятия решений
- 1.2.4. Смежные специальности
- 1.3. Выбор пути
- 1.4. Интервью с Робертом Чангом, дата-сайентистом из Airbnb
- Итоги
- 2. Типы компаний в Data Science
- 2.1. КИТк: крупная информационно-технологическая компания
- 2.1.1. Команда: одна из многих в КИТк
- 2.1.2. Технология: продвинутая, но неупорядоченная
- 2.1.3. Плюсы и минусы КИТк
- 2.2. HandbagLOVE: устоявшийся ритейлер
- 2.2.1. Команда: небольшая группа, стремящаяся к росту
- 2.2.2. Технология: устаревшие методы, которые начинают меняться
- 2.2.3. Плюсы и минусы HandbagLOVE
- 2.3. Seg-Metra: стартап на ранней стадии
- 2.3.1. Команда (какая еще команда?)
- 2.3.2. Технология: передовые методы, собранные воедино
- Конец ознакомительного фрагмента
- Главная
- Жаклин Нолис
- 📚 Книги
- Data Science для карьериста
- Читать фрагмент
- 2.3.1. Команда (какая еще команда?)2.3.1. Команда (какая еще команда?)
2.3.1. Команда (какая еще команда?)
Новый дата-сайентист вполне может оказаться первым в компании. Или же стать одним из первых и подчиняться, скорее всего, тому, кого взяли раньше всех. Поскольку команда новая, протоколов практически не будет – никаких устоявшихся языков программирования, практик, способов хранения кода или официальных совещаний.
Именно тот дата-сайентист, которого взяли первым, будет отдавать все распоряжения. Скорее всего, культура команды будет зависеть от его личностных качеств. Если этот человек открыт для обсуждения и доверяет другим членам команды, то они смогут принимать решения вместе, например обсуждать, какой язык использовать. Если этот человек привык все контролировать и не готов прислушиваться к мнению других, он будет принимать такие решения самостоятельно.
В такой неструктурированной среде может вырасти очень сплоченный коллектив. Команда Data Science всеми силами пытается заставить работать новые технологии, методы и программные средства, и в результате формируются глубокие связи и дружба. С другой стороны, те, у кого нет власти, могут испытывать огромное эмоциональное насилие со стороны руководства, а поскольку компания небольшая, никто не понесет за это ответственности. Независимо от того, как именно будет развиваться компания Seg-Metra, специалистов по работе с данными здесь ждет непростое время.
Работа команды может захватывать или раздражать – каждый день по-разному. Часто дата-сайентисты проводят анализ впервые, например делают первую попытку использовать данные о покупках для сегментации клиентов или развертывают первую нейронную сеть. Аналитические и инженерные задачи, которые решаются впервые, захватывают дух, ведь это неизведанная территория внутри компании, а специалисты по работе с данными становятся первопроходцами. Иногда работа может быть изнурительной, например когда уже пора предоставить инвестору готовую демоверсию, а модель все еще не сходится. Даже если у компании есть данные, сама инфраструктура может быть настолько запутана, что их просто невозможно использовать. Несмотря на хаотичность работы, выполнение всех этих задач в Seg-Metra помогает дата-сайентистам очень быстро освоить множество навыков.