Come è essere un Data Scientist Full-Stack in una Startup

Essere un Data Scientist Full-Stack in una Startup

Accelerazione costante, altamente collaborativa e sempre in apprendimento

Nell’ultimo anno circa, ho lavorato come Data Scientist in una startup nel campo della salute tecnologica. Mi sono unito come uno dei due Data Scientist nel team, il che significava essenzialmente che dovevamo essere ingegneri e scienziati full-stack per completare il lavoro e costruire sistemi scalabili che avrebbero garantito il successo dell’azienda in futuro.

In questo periodo, ho imparato più di quanto abbia fatto in qualsiasi altro ruolo che ho avuto e questo articolo riassume le tre principali ideologie che riassumono finora al meglio la mia esperienza.

In sostanza, devi essere un paradosso. Devi camminare sulla sottile linea di confine tra mondi spesso in conflitto l’uno con l’altro. Questo aspetto del lavoro può essere molto difficile da mettere in evidenza, poiché spesso richiede molto più di quanto richiesto da altri ruoli. Ma per coloro che sono desiderosi di un’esperienza di apprendimento intensamente gratificante, è insuperabile.

Essere un Costruttore e uno Stratega

Quanto devi costruire dipende davvero da quanto è all’inizio la startup e quante persone ci sono nei team di Data Science/ML, Data Engineering e Data Analysis. Indipendentemente da ciò, è probabile che tu sia responsabile non solo di gestire l’intero stack di ML (dall’acquisizione dei dati al deployment), ma anche di costruire una piattaforma per migliorare i futuri progetti.

• Apprendimento automatico su grafi @ ICML 2023
• Esplorazione del linguaggio di programmazione Julia MongoDB
• Differenziabilità di una Funzione Data il suo Grafico

Spesso, questo significa partecipare a riunioni con gli stakeholder chiave dell’azienda e creare modelli che influenzano direttamente il risultato finale. Questo viene comunemente fatto con la maggior parte dei progetti di dati, ma in questa tipologia di scenario spesso ci possono essere molte più complicazioni. Per definizione, stai lavorando in uno spazio che sta cercando di fare qualcosa di nuovo o risolvere un problema in un modo che fornisca un valore maggiore ai tuoi clienti rispetto ai tuoi concorrenti. Ciò significa che probabilmente non lavorerai su progetti di ML tradizionali facendo ciò che tutti stanno già facendo e sicuramente non ti verrà assegnato il progetto; sarai responsabile nel tentativo di costruire qualcosa di nuovo. Che si tratti di un approccio innovativo alla cura dei dati, all’ingegneria delle caratteristiche, alla modellazione, all’applicazione dei modelli o a tutto quanto sopra – dovresti cercare di innovare (rimanendo ovviamente etico e nel rispetto dei vincoli legali).