Data Scientist vs. Software Engineer - offer
By Megan
at 2019-12-30T09:21
at 2019-12-30T09:21
Table of Contents
看了這篇文有些感觸 身為在灣區某廠算法組常跟一群Econ PhD DS打交道的人想給些
回應,順便拋磚引玉。
先回應問題:建議挑長期個人興趣所在,短期市場熱度會過去
還有你是否想長期待在美國,挑選非相關專業未來H1B會有風險
STEM OPT還會多久不知道(如果Trump連任) 綠卡現況也不明朗
至於DS vs SWE,
我知道的DS,無論哪個track都得做dirty work (data)。你得有些心理準備
在越偏算法的組,只要exp + deployment + monitoring infra不夠好的地方,DS
跟其他算法專精的人矛盾就越大
我建議無論你選擇什麼,最好都稍微了解eng的語言。DS最終的目的是幫忙產品
deliver.做做分析推論, reg, 設計實驗很少有其他組或上層care. 但若能直接
impact 產品策略,甚至幫助eng加速ship,這是很有價值的
最終公司看得就是你的delivery, 有什麼入production, 有什麼impact.
好的DS特別會講故事,並且很懂得產品策略,有非常大的權利影響OKR
。他們對於數據的掌握度很強,也知道什麼應該claim. 這點其實我很羨慕
我認為產業的大方向就是強化experimentation相關tooling. 未來非modeling的
DS應該會供過於求。然後ideally alg/modeling ds都要有一定程度的自幹能力
未來幾年org架構應該會有相當的改變。跟一些DS帶班子的聊過,只要有一些
團隊內有一定CS基礎的大都跟我的觀點相近。
SWE技能樹很廣,New Grad考個LC沒什麼。或許grok system design可以幫你跳公司
但senior以後的成長還是操之於己。以自修為考量,DS跟SWE都可以花很多時間進修
SWE的純wlb是有機會差的,這個var可能大於DS.
關於轉行,很多東西必須會reset.假如以前沒有什麼coding經驗,你必然得比別人
多花很多時間投入。
關於Soft skill, 無論哪個專業到某個階段這就是個必修。除非你很有自信在北美
IC track單幹。
再關於轉行,不建議小瞧management consulting track, 感興趣就儘早投入
※ 引述《deniel367 (dann)》之銘言:
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!
--
回應,順便拋磚引玉。
先回應問題:建議挑長期個人興趣所在,短期市場熱度會過去
還有你是否想長期待在美國,挑選非相關專業未來H1B會有風險
STEM OPT還會多久不知道(如果Trump連任) 綠卡現況也不明朗
至於DS vs SWE,
我知道的DS,無論哪個track都得做dirty work (data)。你得有些心理準備
在越偏算法的組,只要exp + deployment + monitoring infra不夠好的地方,DS
跟其他算法專精的人矛盾就越大
我建議無論你選擇什麼,最好都稍微了解eng的語言。DS最終的目的是幫忙產品
deliver.做做分析推論, reg, 設計實驗很少有其他組或上層care. 但若能直接
impact 產品策略,甚至幫助eng加速ship,這是很有價值的
最終公司看得就是你的delivery, 有什麼入production, 有什麼impact.
好的DS特別會講故事,並且很懂得產品策略,有非常大的權利影響OKR
。他們對於數據的掌握度很強,也知道什麼應該claim. 這點其實我很羨慕
我認為產業的大方向就是強化experimentation相關tooling. 未來非modeling的
DS應該會供過於求。然後ideally alg/modeling ds都要有一定程度的自幹能力
未來幾年org架構應該會有相當的改變。跟一些DS帶班子的聊過,只要有一些
團隊內有一定CS基礎的大都跟我的觀點相近。
SWE技能樹很廣,New Grad考個LC沒什麼。或許grok system design可以幫你跳公司
但senior以後的成長還是操之於己。以自修為考量,DS跟SWE都可以花很多時間進修
SWE的純wlb是有機會差的,這個var可能大於DS.
關於轉行,很多東西必須會reset.假如以前沒有什麼coding經驗,你必然得比別人
多花很多時間投入。
關於Soft skill, 無論哪個專業到某個階段這就是個必修。除非你很有自信在北美
IC track單幹。
再關於轉行,不建議小瞧management consulting track, 感興趣就儘早投入
※ 引述《deniel367 (dann)》之銘言:
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!
--
All Comments
By Lydia
at 2019-12-31T03:40
at 2019-12-31T03:40
By Quanna
at 2020-01-03T02:15
at 2020-01-03T02:15
By Barb Cronin
at 2020-01-05T08:55
at 2020-01-05T08:55
By Sierra Rose
at 2020-01-05T16:19
at 2020-01-05T16:19
By Sandy
at 2020-01-09T20:01
at 2020-01-09T20:01
By Donna
at 2020-01-10T13:10
at 2020-01-10T13:10
By Charlie
at 2020-01-11T19:28
at 2020-01-11T19:28
By Andrew
at 2020-01-16T17:49
at 2020-01-16T17:49
By Iris
at 2020-01-20T22:15
at 2020-01-20T22:15
By Franklin
at 2020-01-25T07:03
at 2020-01-25T07:03
By Dinah
at 2020-01-30T03:04
at 2020-01-30T03:04
By Margaret
at 2020-02-01T02:22
at 2020-02-01T02:22
By Gary
at 2020-02-04T02:15
at 2020-02-04T02:15
By Gary
at 2020-02-06T07:08
at 2020-02-06T07:08
By Carol
at 2020-02-08T14:25
at 2020-02-08T14:25
By Jacob
at 2020-02-11T06:03
at 2020-02-11T06:03
By Barb Cronin
at 2020-02-14T22:39
at 2020-02-14T22:39
By Edward Lewis
at 2020-02-19T12:25
at 2020-02-19T12:25
By Doris
at 2020-02-21T20:49
at 2020-02-21T20:49
By Kristin
at 2020-02-22T01:05
at 2020-02-22T01:05
By Elizabeth
at 2020-02-26T20:30
at 2020-02-26T20:30
By Jake
at 2020-03-01T18:21
at 2020-03-01T18:21
By Suhail Hany
at 2020-03-05T03:48
at 2020-03-05T03:48
By Queena
at 2020-03-08T22:56
at 2020-03-08T22:56
By Kristin
at 2020-03-13T01:00
at 2020-03-13T01:00
By Enid
at 2020-03-16T21:40
at 2020-03-16T21:40
By Lily
at 2020-03-19T20:37
at 2020-03-19T20:37
By Xanthe
at 2020-03-21T23:58
at 2020-03-21T23:58
By Daniel
at 2020-03-24T06:19
at 2020-03-24T06:19
By Doris
at 2020-03-26T15:31
at 2020-03-26T15:31
By Caroline
at 2020-03-29T05:56
at 2020-03-29T05:56
Related Posts
Data Scientist vs. Software Engineer
By Jake
at 2019-12-29T11:51
at 2019-12-29T11:51
Data Scientist vs. Software Engineer
By Irma
at 2019-12-28T10:15
at 2019-12-28T10:15
馬里蘭州生技選擇
By Ursula
at 2019-12-28T05:45
at 2019-12-28T05:45
徵求healthcare相關 顧問業/藥廠等 內推
By Zanna
at 2019-12-27T07:03
at 2019-12-27T07:03
三緯國際誠徵會計
By Tom
at 2019-12-25T22:51
at 2019-12-25T22:51