Mam pracę w której robię bardzo mało, i płacą mi bardzo dużo. Na tyle dużo że mając ten rok doświadczenia dalej ciężko żeby mi ktoś chciał tyle dać. Problem w tym że wywoływanie REST-a to kiepskie doświadczenie dla analizy danych (chociaż stanowisko ma w sobie nawet data governence), a szczególnie takiej w której mi dobrze zapłacą.
Czy dobrym pomyslem byłoby poszukanie roboty gorzej płatnej, w której będzie zapierdol, ale która będzie powiązana ściśle z analizą danych? Tym sposobem za 2 lata miałbym 2 lata doświadczenia w branży DS i mógłbym wołać wyższe stawki w branży która mnie interesuje, a tak miałbym 3 w kodzeniu REST-a z tytułem data governence, ale chyba nic wybitnego do DS.
Przy okazji, czy w DS coś pomoże tytuł licencjata z matematyki?
#datascience #pracbaza
@redve lepiej sobie zostaw dobrze platna prace, w ktorej nie musisz duzo robic. Skoro nie musisz duzo robic, to masz czas zeby sobie robic projekty DS na boku. Hobbistyczne do portfolio na gicie, male zlecenia. Licencjat z matmy dobrze widziany ale zrob tez jakies certyfikaty z rozwiazan chmurowych pod DS od Azure albo AWS i bzikaj. Doswiadczenie w budowaniu aplikacji i kodowaniu w ogole zawsze mile widziane
@redve musisz sobie odpowiedzieć na jedno zajebiście, ale to zajebiście ważne pytanie: co chcesz robić w życiu – i zacząć to robić.
@rakokuc ale ja już jaram blanty i gram w tf2
@redve - ja wiem, że to nawiązanie do filmu - ale wieloletnie jaranie powoduje niekorzystne zmiany w mózgu i nie pomaga w byciu dobrym w analizie danych - więc z tym bym uważał
@redve - nawet wywołani RESTa można ulepszyć - jeśli nie używasz to polecam asyncio i asynchroniczne moduły zewnętrzne jak aiohttp.
Do analizy danych koniecznie jest ogarnięcia Pandas, Polars, Numpy, Plotly - polecam też Dash do robienia stron z wizualizacjami.
Wiedzieć jak optymalizować kod pod duże obliczenia to już chyb standard - najlepsze rezultaty daje Numba i Cython ale są też inne możliwości więc zacznij robić to kiedy się nudzisz w obecnej pracy.
Do tego warto ogarnąć chmurę i minimum ich usługi do analizy danych - AWS chyba najpopularniejszy - do tego można zrobić oficjalne certyfikaty i one są całkiem poważane.
Konteneryzacja to plus - więc ogarnięcie Dockera, Podmana, Compose to podstawa.
Linux oczywiście zawsze na propsie - minimalne musisz ogarniać WSL na Windowsie i jak developować na Windowsie lub Macu ale uruchamiać na Linuksie.
Pewnie są jakieś inne rzeczy co pominąłem ale powyższe to podstawy.
Linuxa mam prywatnie od lat. Pandas, numpy, scikit, pyplot mam na studiach i douczam sie samemu. Cośtam o optymlizacjach wiem, bo sie tym bawiłem kodząc gry w c++.
Ile musze wiedziec z konteneryzacji? Stawiam usługi przez docker compose, ale sam swoich paczek jeszcze nie konteneryzowałem
Zaloguj się aby komentować