Data Science для карьериста

Предисловие....14

Благодарности....16

О книге....18

Об обложке....21

Часть 1. Data Science. С чего начать....25

1. Что такое Data Science? ....26

1.1. Что такое Data Science?....28

1.1.1. Математика/статистика....29

1.1.2. Базы данных и программирование....31

1.1.3. Понимание бизнеса....33

1.2. Различные типы вакансий в Data Science....35

1.2.1. Аналитики ....35

1.2.2. Машинное обучение ....36

1.2.3. Теория принятия решений....36

1.2.4. Смежные специальности....38

1.3. Выбор пути ....40

1.4. Интервью с Робертом Чангом, дата‑сайентистом из Airbnb....40

2. Аналитические компании....43

2.1. КИТк: крупная информационно-технологическая компания....44

2.1.1. Команда: одна из многих в КИТк....44

2.1.2. Технология: продвинутая, но неупорядоченная....45

2.1.3. Плюсы и минусы КИТк....46

2.2. HandbagLOVE: устоявшийся ритейлер....47

2.2.1. Команда: небольшая группа, стремящаяся к росту....48

2.2.2. Технология: устаревшие методы, которые начинают меняться....49

2.2.3. Плюсы и минусы HandbagLOVE ....49

2.3. Seg-Metra: стартап на ранней стадии....50

2.3.1. Команда (какая еще команда?)....51

2.3.2. Технология: передовые методы, собранные воедино....51

2.3.3. Плюсы и минусы Seg-Metra ....52

2.4. Videory: успешный технологический стартап на поздней стадии....54

2.4.1. Команда: специализированная, но с разнообразием....55

2.4.2. Технология: стараемся не увязнуть в устаревшем коде....55

2.4.3. Плюсы и минусы Videory ....56

2.5. Global Aerospace Dynamics: гигантский государственный подрядчик....57

2.5.1. Команда: дата-сайентист в море инженеров....58

2.5.2. Технологии: старые, ржавые и с сильными ограничениями системы безопасности....59

2.5.3. Плюсы и минусы GAD ....59

2.6. Делаем выводы....61

2.7. Интервью с Рэнди Ау, специалистом в области количественного UX Research в Google....61

3. Приобретение навыков ....64

3.1. Получение образования в Data Science....65

3.1.1. Выбор учебного заведения ....66

3.1.2. Поступление....69

3.1.3. Заключение по академическому образованию....70

3.2. Буткемпы....71

3.2.1. Чему можно научиться ....72

3.2.2. Цена ....74

3.2.3. Выбор программы ....74

3.2.4. Заключение по DS-буткемпам....74

3.3. Работа с Data Science в вашей компании....75

3.3.1. Выводы об обучении на работе....77

3.4. Самообучение ....78

3.4.1. Выводы о самообучении....79

3.5. Как сделать выбор....79

3.6. Интервью с Джулией Силдж, дата‑сайентистом и инженером-программистом RStudio ....80

4. Создание портфолио ....83

4.1. Создание проекта....84

4.1.1. Найдите данные и задайте вопрос....84

4.1.2. Выбор направления....87

4.1.3. Заполнение GitHub README....88

4.2. Создание блога....89

4.2.1. Возможные темы....89

4.2.2. Выбор платформы ....91

4.3. Работа с примерами проектов....92

4.3.1. Фрилансеры в Data Science....92

4.3.2. Обучение нейронной сети на «неприличных» автомобильных номерах....94

4.4. Интервью с Дэвидом Робинсоном, дата‑сайентистом....96

Часть 2. Как попасть в Data Science....101

5. Поиск: как определиться с подходящей работой....102

5.1. Поиск работы....103

5.1.1. Расшифровка описания вакансий ....104

5.1.2 Поиск тревожных сигналов....106

5.1.3. Большие надежды....107

5.1.4. Посещение митапов....108

5.1.5. Использование социальных сетей....110

5.2. На какие вакансии откликаться....112

5.3. Интервью с Джесси Мостипак, developer advocate в Kaggle ....113

6. Отклик на вакансию: резюме и сопроводительное письмо....116

6.1. Резюме: основы....117

6.1.1. Структура ....119

6.1.2. Подробнее о разделе опыта: наполнение....124

6.2. Сопроводительное письмо: основные положения....126

6.2.1. Структура....127

6.3. Адаптация....129

6.4. Реферальная программа....130

6.5. Интервью с Кристен Керер, инструктором по Data Science и создателем курсов....132

7. Интервью: чего ожидать и что делать....135

7.1. Чего хотят компании? ....136

7.1.1. Процесс интервью....137

7.2. Этап 1: первое телефонное интервью....138

7.3. Этап 2: интервью в офисе....140

7.3.1. Техническое интервью....142

7.3.2. Поведенческое интервью....146

7.4. Этап 3: решение кейса....148

7.5. Этап 4: итоговое интервью....151

7.6. Оффер....151

7.7. Интервью с Райаном Уильямсом, старшим специалистом по принятию решений в Starbucks....152

8. Оффер: знайте, на что соглашаться....155

8.1. Процесс....156

8.2. Получение оффера ....156

8.3. Переговоры ....158

8.3.1. Что можно обсуждать?....159

8.3.2. О какой сумме договариваться....162

8.4. Тактика переговоров....164

8.5. Как выбрать между двумя «хорошими» офферами ....165

8.6. Интервью с Брук Уотсон Мадубуонву, старшим дата-сайентистом в ACLU....167

Часть 3. Осваиваемся в Data Science ....171

9. Первые месяцы на работе....172

9.1. Первый месяц ....173

9.1.1. Онбординг в крупной организации: хорошо отлаженный процесс....173

9.1.2. Онбординг новых сотрудников в небольшой компании: Онбординг? Нет, не слышали....174

9.1.3. Понимание и установка ожиданий....174

9.1.4. Знайте данные, с которыми работаете....176

9.2. Становимся продуктивными ....179

9.2.1. Задавайте вопросы ....180

9.2.2. Выстраивайте взаимоотношения....182

9.3. Если вы первый дата-сайентист....184

9.4. Если работа не соответствует обещанию....186

9.4.1. Ужасная работа....186

9.4.2. Токсичная рабочая среда....187

9.4.3. Решение уволиться....188

9.5. Интервью с Джарвисом Миллером, дата‑сайентистом в Spotify....190

10. Создание эффективного анализа....193

10.1. Запрос ....196

10.2. План анализа....199

10.3. Выполнение анализа ....201

10.3.1. Импорт и очистка данных....201

10.3.2. Просмотр и моделирование данных....203

10.3.3. Важные моменты для анализа и моделирования....205

10.4. Завершение....209

10.4.1. Итоговая презентация....210

10.4.2. Длительное хранение работы....211

10.5. Интервью с Хилари Паркер, дата-сайентистом в Stitch Fix....212

11. Развертывание модели в производство....215

11.1. А что вообще развертывается в производство? ....216

11.2. Создание продукционной системы....218

11.2.1. Сбор данных....219

11.2.2. Построение модели....220

11.2.3. Обслуживание моделей с API....221

11.2.4. Построение API ....222

11.2.5. Документация....224

11.2.6. Тестирование ....225

11.2.7. Развертывание API....226

11.2.8. Нагрузочное тестирование....229

11.3. Поддержание работоспособности системы....230

11.3.1. Мониторинг системы ....230

11.3.2. Переобучение модели....231

11.3.3. Внесение изменений....232

11.4. В завершение....232

11.5. Интервью с Хизер Нолис, инженером МО в T-Mobile....232

12. Работа со стейкхолдерами....235

12.1. Типы стейкхолдеров....236

12.1.1. Бизнес-стейкхолдеры....236

12.1.2. Инженеры-стейкхолдеры....238

12.1.3. Высшее руководство компании....239

12.1.4. Ваш непосредственный руководитель ....240

12.2. Работа со стейкхолдерами....241

12.2.1. Понимание целей стейкхолдеров....241

12.2.2. Постоянное общение....243

12.2.3. Будьте системным....245

12.3. Расстановка приоритетов ....247

12.3.1. Инновационная и полезная работа....249

12.3.2. Не инновационная, но все же полезная работа....249

12.3.3. Инновационная, но не полезная работа....250

12.3.4. Не инновационная, не полезная работа....251

12.4. В завершение ....252

12.5. Интервью с Сейд Сноуден-Акинтунде, дата‑сайентистом в Etsy....252

Часть 4. Как подняться по карьерной лестнице в Data Science....257

13. Если DS-проект провалился....258

13.1. Почему проваливаются DS-проекты....260

13.1.1. У вас не те данные, что вы хотели....260

13.1.2. У данных нет сигнала....261

13.1.3. Проделанная работа оказалась не нужна....263

13.2. Управление риском....265

13.3. Что делать, если проекты терпят неудачу....266

13.3.1. Что делать с проектом....267

13.3.2. Как справиться с негативными эмоциями....269

13.4. Интервью с Мишель Кейм, руководителем отдела Data Science и машинного обучения Pluralsight....270

14. Вступление в сообщество Data Science....273

14.1. Расширение портфолио....275

14.1.1. Больше публикаций....275

14.1.2. Больше проектов....276

14.2. Посещение конференций....277

14.2.1. Как справиться с социофобией....281

14.3. Выступление с докладом....282

14.3.1. Получение возможности ....283

14.3.2. Подготовка....286

14.4. Вклад в открытый исходный код....287

14.4.1. Участие в работе других людей....287

14.4.2. Создание собственного пакета или библиотеки....289

14.5. Распознавание и предотвращение выгорания....290

14.6. Интервью с Рене Теате, директором отдела Data Science в HelioCampus ....291

15. Уходим красиво ....294

15.1. Решение уволиться ....295

15.1.1. Оценка прогресса в знаниях....296

15.1.2. Заручитесь поддержкой руководителя....296

15.2. В чем разница между первым и последующими поисками работы....298

15.2.1. Определитесь, чего хотите....299

15.2.2. Интервью....300

15.3. Поиск новой работы для трудоустроенных....301

15.4. Сообщение об увольнении....303

15.4.1. Рассмотрение контроффера....304

15.4.2. Как сказать команде ....304

15.4.3. Упрощение передачи дел....306

15.5. Интервью с Амандой Касари, техническим менеджером Google ....307

16. Вверх по карьерной лестнице ....310

16.1. Путь руководителя....312

16.1.1. Преимущества работы руководителем....313

16.1.2. Недостатки должности руководителя....314

16.1.3. Как стать руководителем....315

16.2. Путь ведущего дата-сайентиста ....317

16.2.1. Преимущества работы ведущим дата‑сайентистом ....318

16.2.2. Недостатки должности ведущего дата‑сайентиста ....319

16.2.3. Как стать ведущим дата-сайентистом....320

16.3. Путь независимого консультанта....321

16.3.1. Преимущества работы в качестве независимого консультанта....322

16.3.2. Недостатки работы в качестве независимого консультанта....323

16.3.3. Как стать независимым консультантом....324

16.4. Выбор своего пути ....325

16.5. Интервью с Анджелой Басса, руководителем отдела Data Science, инженерии данных и машинного обучения в iRobot ....325

Эпилог....331

Приложение. Вопросы интервью....333

Все мы хотим построить успешную карьеру. Как найти ключ к долгосрочному успеху в Data Science? Для этого понадобятся не только технические ноу-хау, но и правильные «мягкие навыки». Лишь объединив оба этих компонента, можно стать востребованным специалистом.Узнайте, как получить первую работу в Data Science и превратиться в ценного сотрудника высокого уровня! Четкие и простые инструкции научат вас составлять потрясающие резюме и легко проходить самые сложные интервью.Data Science стремительно меняется, поэтому поддерживать стабильную работу проектов, адаптировать их к потребностям компании и работать со сложными стейкхолдерами не так уж и легко. Опытные дата-сайентисты делятся идеями, которые помогут реализовать ваши ожидания, справиться с неудачами и спланировать карьерный путь.