※ 本文轉寄自 ptt.cc, 文章原始頁面
標題

[北美] Data Scientist vs. Software Engineer

時間
最新2019-12-29 07:51:00
留言41則留言,14人參與討論
推噓18 ( 18023 )
如題所示,我感覺我最近站在一個人生交叉點,是時候做出選擇... 但身邊較少人有相關 經驗,想請教板上前輩們。 前言: 我目前就讀北美類似DS碩士一年級,預計2021春畢業,沒有正職工作經驗,大學背景是統 計。目前拿到兩暑期實習offers,一個是做swe (非FAANG的大廠 return機會高),另一個 是做ds (小銀行 return機會不高) (ds在每家公司都有不同定義,但這篇的ds我定義為ds-analytics,主要是做統計推論、 少量的建模;swe的話姑且定義為general的,不細論前後端之類的,還不知道自己會被分 到哪個組。) 問題: 主要是我不確定要接哪個offer,更精確地問題是... 我不確定未來要往哪個方向走。如 果我要往ds走,我應該會接ds offer DS pros, 1 工作內容我較熟悉、喜歡 2 和過去所學較相關,準備了很久,不繼續做感覺有點可惜... 3 以長遠來說,DS較容易轉職(?) 下方會有更詳細說明 cons, 1 正職平均而言 薪水還是差了sweㄧ截,除非是在非常data driven的公司像是Airbnb, N etflix 2 非常難專精的領域,技能樹容易長得很寬但不深,常感覺學得不踏實...往上發展可能 相對不易,且工作成果難量化,需要靠我不喜歡的軟實力... 3 需要跟來自各領域的PhD競爭... SWE pros, 1 找工作的話,個人感覺比較好準備 主要靠刷題 2 聽說比起DS需要研究的數學統計,SWE的知識點相較容易掌握,生活可能比較可以平衡 ,下班後較多自己的時間 cons, 1 相對不太熟... 而且我統計學了很久,一直覺得放棄有點可惜QQ 2 聽說可能有中年失業問題,再加上我本身不是一個很愛追技術的人,擔心中年後的路不 好走。未來有考慮轉成類似顧問、管理職。感覺DS因為看了比較多商業面的東西會比較容 易轉。 概括而言,我是比較喜歡做DS的工作,喜歡從挖掘數據中得到商業結論這個過程,但心中 一直有個檻過不去,就是總感覺DS的職涯發展需要靠許多軟實力、運氣、業界風口...等 等許多我沒法掌握的因素,讓我感到很不安全,SWE的好處感覺就是可以很專心在一件事 情上。 即使我列下了許多pros & cons,但我還是很難決定,甚至也許這些pros & cons 有講錯 的地方,或是其他我沒考慮到的重要因素,如果有前輩們可以指點迷津,那真是太感謝! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 107.77.202.186 (美國) ※ 文章網址: https://www.ptt.cc/bbs/Oversea_Job/M.1577499346.A.A88.html

41 則留言

yushiung, 1F
刷題找sde 吧

sorryla, 2F
DS難道就不會中年失業嗎...
也是有可能...但我的意思是就轉顧問類、管理職(e.g. APT data business consultant) 而言,DS因為相較接觸比較多與人相處、商業營運,可能比較容易在中年時轉換跑道, 萬一DS做不下去...

sean2449, 3F
SWE

yunyun85106, 4F
還是swe吧~
可以請問為什麼嗎~ 期待有從DS轉到SWE的前輩們可以分享,轉換的動機是什麼xD

pyCassandra, 5F
摻在一起當Data Engineer (誤

oppi, 6F
推 有類似的心路歷程,也蠻好奇大家的看法的

aack, 7F
很多強的swe也能做modeling/ML/analytics, 相較之下DS還沒

aack, 8F
見過可以把東西做超過prototype的...個人覺得swe skill set

aack, 9F
可以大於等於ds也是swe薪水更高的原因

aack, 10F
至於軟實力 兩者都需要 跑不掉的
感謝分享 但我有不同看法。我覺得ds analytics有時需要做的事情是需要非常深厚的統 計 底的,像是實驗設計、抽樣、統計推論,不是隨便跑個模型就可以,需要紮實統計理論去 解釋進而做決策。 就我碰過身邊cs的同學其實是缺乏這塊,兩者的skill sets我感覺是有交集,但非完全重 疊。 不過這可以扯到另一個問題是...一般的老闆可能不在意這些統計理論和使用的正確性, 導致有可能ds的價值不被在意QQ

ar851060, 11F
想問樓上。那這樣ds有啥價值,都可以被swe取代了
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:18:47
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:20:53
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:23:37
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:26:12
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:28:38
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:30:47

aack, 12F
ds的確需要統計底 但我想說的是厲害的swe這些技能也是有的

aack, 13F
我的swe同事就是個stats phd, 也有剛畢業的ds

aack, 14F
ms, 但

aack, 15F
在業界除了統計與數學

aack, 16F
外有hands on的技能才能讓你最大化deliver, 我覺得那才是強

aack, 17F
的swe真正的價值 畢竟現實世界過於複雜幾乎任何統計模型的前

aack, 18F
提假設都

aack, 19F
不成立 你還是得try and error才能去驗證你的model和hypothe

aack, 20F
sis可不可行

oopFoo, 21F
喜歡ds不能再找?還有時間就找吧

paperboat, 22F
一個是看你有沒有要唸 PhD, 沒有 phd 的 DS 應該算是 d

paperboat, 23F
ata engineer

bennylin77, 24F
做你喜歡的吧,不喜歡的東西,久了你會更迷失。做sw e

bennylin77, 25F
ngineer除了刷題,要再進階你說的軟實力或是不斷學習

bennylin77, 26F
新東西也是必要的。

azzc1031, 27F

azzc1031, 28F
上面這篇文章可以參考一下,作者也是ds專業但找不到ds工

azzc1031, 29F
作,跳去swe的

azzc1031, 30F
我自己也是像你一樣的問題,畢竟做data僧多粥少門檻又

azzc1031, 31F
高...

azzc1031, 34F
建議你可以多上「知乎」這個平台,這裡有關ds的資訊非常

azzc1031, 35F
豐富,看得超過癮,對於職涯分析也是一針見血,可以參

azzc1031, 36F
考一下!

agario, 37F
之所以會有swe也能做ds,單純是因為swe薪水較高所以

agario, 38F
兩個都會做的人看錢就選了swe

agario, 39F
反向選擇的人較少,所以才比較少看到ds的swe技術也很強的

agario, 40F
原po可以試著當這個少數人或許能走出自己的一片天
※ 編輯: deniel367 (107.77.204.101 美國), 12/29/2019 06:51:10

az120121, 41F
推推