Keresés

Új hozzászólás Aktív témák

  • Vision

    veterán

    válasz VirsLee #36417 üzenetére

    Oké, idézek tőled: ...de ha mellédobsz angolt, egy kis python és egy minimal cloudot, akkor elkezdhetsz 1.6-1-8m és fölötte gondolkodni.

    Aztán meg ezt: Elvégre pillanatok alatt elsajátíthatod ;]

    És igen, amiket írtál, azok toolok, ugyanúgy, ahogy a PL/SQL. Biztos lehetsz benne, hogy a korábbi PL/SQL programozók csinálják most ugyanazt python + cloud vonalon, hiszen a lényeg ugyanaz.

    Itt egy fasza ábra arról, hogy ki-mit csinál: [link]

    Data science az egyik legjobban felhígított terület, értsd: tele van olyanokkal akik pillanatok alatt elsajátították a skillset-et :D

    Akkor nem ugyanazt értjük data science alatt. Merthogy az nem data engineeringet jelent klasszikusan, hanem például modellezést, modellépítést, adat alapú döntéstámogatást. Ezt te nem sajátítod el pillanatok alatt, mert kell hozzá egy matematikus/fizikus/közgazdász diploma. Anno dolgoztam adatbányász osztályon, megvoltak a data engineerek (csak akkor még nem így hívták őket), akik az adatpiacokat fejlesztették, meg az adatbányászok, akik a magasabb szintű melót végezték. AI/ML/DL vonalon is ők hasítanak, ebben biztos vagyok, nem azok, akik az adattöltéseket csinálják.

  • Emod

    kezdő

    válasz VirsLee #36417 üzenetére

    A data science és az AI ML DL vonal elég nagy átfedésben van, utóbbi mostanában kezd jobban külön válni.
    Egyébként nekem is vannak kétségeim a data science területtel kapcsolatban pedig kifejezetten érdekesnek tartom. Legtöbbször a data infrastructure nincs azon a szinten, hogy a data scientist hatékonyan dolgozzon. Ebből adódóan gyakorlatilag data engineering a munka egy jó része, de nyilván alapból is szorosan kapcsolódnak.
    Úgy láttam álláshirdetéseknél is a data science vonal jobban visszaesett tavaly a többi data hirdetéshez képest.

Új hozzászólás Aktív témák