En la serie Spotlight de autor, los editores de TDS chatan con miembros de nuestra comunidad sobre su trayectoria profesional en la ciencia de datos, su escritura y sus fuentes de inspiración. Hoy estamos encantados de compartir nuestra conversación con Egor Howell.
Egor es un científico de datos e ingeniero de aprendizaje automático que se especializa en el pronóstico de series de tiempo y la optimización combinatoria. Dirige un negocio de contenido y entrenamiento que ayuda a las personas a ingresar a la ciencia de datos y al aprendizaje automático, así como a la enseñanza de temas técnicos.
Comencemos al principio: lo que provocó su interés inicial en la ciencia de datos, especialmente desde No siguió la ruta tradicional de CS o Bootcamp?
Puedo dar fe de mi carrera con el documental Alphago de Deepmind. Me dio más curiosidad por el aprendizaje automático y su potencial para resolver prácticamente cualquier problema. Después de eso, estaba buscando carreras que usen el aprendizaje automático y, naturalmente, surgió un científico de datos. ¡Entonces, a partir de entonces, básicamente me estancé para convertirme en uno!
Has escrito sobre Hacer más de 80 entrevistas de ciencia de datos. ¿Cuáles fueron algunas ideas clave que obtuvo de esa experiencia, tanto sobre el proceso de contratación como sobre su propio crecimiento?
Entrevistar es una habilidad y es muy diferente de lo que haces en el trabajo. Básicamente es un juego, y tienes que aprender a jugarlo, como casi cualquier cosa en la vida.
La visión central es que fundamentalmente tiene que prepararse; ¡Me sorprende cuántas veces los candidatos ni siquiera saben realmente lo que hace el negocio!
Otro punto clave que las personas pasan por alto son las habilidades blandas y los intangibles. Desafortunadamente, suponga que alguien es muy monótono y tímido, pero sabe mucho. En ese caso, es menos probable que obtengan el trabajo en comparación con alguien carismático, amigable y, en general, que trae buena energía.
Y finalmente, asegúrese de no hablar durante más de 2 minutos a la vez. He entrevistado a personas que hablan, hablan y hablan. Si has notado que has estado hablando por un tiempo, diga algo como: “Puedo entrar en más detalles si quieres”. De esta manera, la pelota está en su cancha, y pueden avanzar la entrevista si lo desean. Nada es peor que alguien que sigue hablando, ya que no permite que el entrevistador haga todas sus preguntas. Además, es una habilidad poder explicarse de manera concisa.
Uno de sus artículos más provocativos se titula “Deje de construir proyectos de ML inútiles. “ ¿Por qué crees que tantos proyectos de cartera se pierden la marca y qué hace que un proyecto sea realmente impactante?
La gente siempre busca un atajo y no quiere pasar tiempo pensando en un proyecto de buena calidad. Cualquier proyecto impactante es personal para usted, resuelve un problema o responde una pregunta que desea saber y le lleva al menos un mes a construir.
No hay ningún secreto; Se trata más del esfuerzo que la gente no quiere poner la mayor parte del tiempo. En esa publicación específica, tengo un marco para que las personas sigan si quieren encontrar un proyecto impactante para ellos mismos.
A menudo escribes con una audiencia clara en mente: conmutadores profesionales, principiantes y aspirantes a profesionales de ML. ¿Cómo decides sobre qué escribir y a quién esperas ayudar más?
Al principio, fue difícil, pero ahora le pregunto a mi audiencia o leo los comentarios para ver qué está buscando la gente.
Mi objetivo es ayudar a las personas a ingresar al campo, pero estoy siendo brutalmente honesto en el camino y no endulzando nada.
En la mayoría de mis publicaciones, no “prometo nada”, y en realidad a menudo digo lo difícil que es y puede que no sea el trabajo adecuado para todos.
¿Qué es algo que te sorprendió Cuando comenzó a trabajar a tiempo completo como ingeniero de aprendizaje automático, ¿algo que desearía que más personas supieran al entrar?
Pasas mucho tiempo manteniendo modelos e infraestructura en lugar de desarrollar modelos. El trabajo no es emocionante el 100% del tiempo.
Has publicado muchos consejos profesionales, desde preparación de trabajo hasta Cómo hacer que una cartera de DS se destaque. ¿Cómo ha formado regularmente su propio pensamiento, o incluso su carrera profesional?
Escribir es pensar, así que cuanto mejor escriba, mejor pensará. Lo que la gente no te dice es que gran parte del trabajo está escribiendo; Usted escribe planes, documentos, boletos, etc. Esta habilidad es crucial porque si puede explicarse claramente, eso es muy útil en la vida.
¿Qué tendencias en el aprendizaje automático o la IA estás personalmente más emocionado, o escéptico, en este momento? ¿Cómo están configurando esas tendencias su enfoque o ambiciones?
Soy un gran “enemigo” de AI. Creo que está sobrevalorado, y definitivamente no va a hacerse cargo de ningún trabajo, al menos en los próximos cinco años. Personalmente, no estoy haciendo mucho esfuerzo para aprenderlo, ya que creo que es un “flash en la sartén”. Prefiero centrarme en las áreas que han existido durante décadas, como estadísticas, investigación de operaciones, series de tiempo, etc.
Para alguien que se siente atascado, tal vez están en un papel de analista de datos, o luchando por entrar en ML, ¿cuál es el siguiente paso más práctico que podrían tomar hoy?
Da todo un paso a la vez y no intentes pensar demasiado lejos. Primero, concéntrese en proyectos, luego su currículum, luego en las solicitudes, luego en las entrevistas y luego en la negociación de la oferta.
No tiene sentido centrarse en las entrevistas si no está obteniendo ninguna; Su tiempo sería mejor dedicado a su currículum y proyectos. Tener un solo enfoque es cómo avanzas.
Para obtener más información sobre el trabajo de Egor y mantenerse actualizado con sus últimos artículos, sígalo aquí en tdsen YouTubey en LinkedIn.