读芯术软件工程师的奇幻漂流：在Yelp和Uber的数据科学之旅( 二 )

在另一场编程马拉松上，笔者和所在的团队为Messenger开发了一个聊天机器人(在Messenger的虚拟助手出现之前) ，它能够回答查询和执行命令。
2016年，笔者和一位博士后一起工作了几个月，用新颖的深度学习方法在移动设备上建立了一个面部识别系统。对于一个学校项目，笔者的团队选择在Messenger APIs之上构建一个对话分析工具，该工具可以洞察不同的对话，比如情感、话题和常用词。
2016年夏天，笔者成功地完成了这些项目，并在Snap又做了一次SE实习，决定是时候去追求ML这些新鲜事物了。
认真考虑数据科学
2016年秋，笔者只考虑参加SE和ML方面的实习。在参加了Uber DS信息会议后，笔者意识到这可能是一个很好的机会，他们的数据科学家从事的项目很有趣，人看起来也很有才华。于是，笔者决定申请，这将是笔者唯一申请的DS职位。

本文插图
图源：unsplash
由于一些原因，笔者仍然没有在Uber DS实习上投入太多，而是专注于寻找SE和ML的实习机会，没有时间为DS的面试做准备。
笔者知道这个DS的实习是非常抢手的：只有一个职位，但有数百名申请人——笔者正与许多有正式DS背景的有能力、有激情的同行竞争。不过，不太投入的一个好处是，在面试过程中内心很平静不再紧张。
在申请Uber职位后不久，笔者收到了DS的测试题目。它包括编写SQL、设计实验和进行探索性分析——所有这些都与Uber有关，十分新颖有趣。
在提交了解决方案后，招聘人员安排了一个小时的面试，自我感觉还不错。几周后，招聘人员告诉笔者是他第一个选择的实习生生，笔者既惊讶又兴奋!
笔者意识到经验最终得到了回报：从各种各样的SE实习、ML的项目，和在Yelp的DS工作。这些经历足以弥补笔者缺乏的传统DS背景，它让笔者的DS背景与众不同。
入行数据科学
此时，笔者不得不在SE和DS实习之间做出选择。笔者把DS看作是一种提高技能的方式，它让笔者从其他软件工程师中脱颖而出，比如学习更多关于分析、最新研究、ML和统计的知识。
DS是一个学习更广阔领域的机会，它超出了笔者最初的预期。凭借过去几年所学到的一切，笔者突然意识到自己已经做好了在Uber取得成功的准备。基于这些原因，笔者决定接受Uber DS2017年冬季的实习offer 。
这是一次很棒的实习。从行业中最好的一些人那里学习，并有机会研究一些有趣和具有挑战性的问题。这和在Yelp的体验很相似，除了更加强调独立、展示、交流结果和协作。在Uber ，笔者对自己的DS能力也更有信心。在实习结束的时候，笔者认真地考虑了全职进入DS 。
在数据科学和软件工程之间做出选择
在2017年秋季，笔者的最后一次实习是在WhatsApp的SE实习。 2018年，笔者即将毕业，笔者面对的第一个问题是：应该选择DS还是SE?

本文插图
图源：unsplash
最后，笔者决定去WhatsApp的SE 。 SE满足了笔者创建影响人的东西的愿望。这种感觉在WhatsApp实习期间被重新点燃，因为笔者有能力推出产品，立即影响了数十亿用户。
而作为一名数据科学家没有那种感觉，因为这给最终用户带来的是额外的间接影响；但确实通过分析和见解极大地影响了产品。
笔者观察到，工程师和数据科学家的比例通常是几个比一个。 SE仍然是一个需求量很大的领域，这让它的职业稳定性看起来更好一些。
因为背景和经验，相比于DS ，笔者在SE有更强的定位。 DS的竞争很大，笔者发现，研究最有趣问题的最佳数据科学家通常都拥有物理学、经济学或运筹学博士学位。如果想取得他们所取得的成就，必须非常努力地工作，笔者不确定自己是否对DS有足够的热情来做这件事。