Complimenti per il video, veramente chiaro ed esplicativo. Vorrei solo aggiunmgere che, qualsiasi figura si possa ricoprire, in Italia si è pagati pochissimo e questo è un problema enorme! L`altra cosa importante è la capacità di connettere le tecnologie citate nel video. Per i colloqui: nel 99% dei casi mi hanno scartato, nonostante sia riuscito, all'etsero, ad avere incassi anche 10 volte superiori a quelli italiani. Concludo dicendo che in questo lavoro ( sviluppatore, analista, data scientist etc ) si è costretti a fare formazione continua, se non ci si vuole trovare fuori mercato in pochi mesi. Dimenticavo: bisogna conoscere l'inglese meglio che la propria madrelingua ;-)... Auguri a tutti!
Lavoro come Data Scientist in una fintech europea: a mio avviso la qualità più importante nel mio ruolo, spesso molto sottovalutata, è la capacità di ragionamento. Certamente, possedere competenze tecniche come SQL, Python, cloud computing, etc.. è necessario per svolgere specifiche mansioni, ma non è sufficiente. Ogni problema in questo ambito è unico e, quindi, quanto più si è abili nel comprendere il problema di business, identificare le principali fonti di dati utilizzabili, saper valutare i vantaggi della tua soluzione e comprendere i vari requisiti, tanto più facile sarà muoversi efficacemente. Gli strumenti e le tecnologie vanno e vengono, e spesso la maggior parte di queste si imparano on the job. A mio modesto parere la gente che si avvicina a questo mondo si concentra eccessivamente sull'apprendere linguaggi, strumenti e tecnologie, dimenticando che questi sono mezzi per risolvere il problema, non il problema stesso.
Però per entrare in una fintech europea devi prima dimostrare di avere certi requisiti tecnici, la capacità di ragionamento difficilmente la si mette in mostra nei colloqui, giusto? (non ho molta esperienza in merito, giusto qualche mese come business analyst e qualche colloquio fatto)
@@fabioesploratore1847 sì e no. La dimostrazione dei requisiti tecnici su Python, librerie di Data Science, SQL e Cloud è certamente necessaria, ma non è sufficiente. Durante i colloqui, secondo me, due fattori fanno la differenza: 1. Mostrare con chiarezza cosa hai realizzato nel corso del tuo percorso. Non è sufficiente limitarsi a dire: "ho studiato Ing. Informatica presso..." o "ho lavorato presso...". È essenziale narrare in modo dettagliato quali progetti hai affrontato, quali problemi hai risolto e quale impatto hanno avuto. E' il famoso "sapersi vendere". Anche se non è un compito facile, è fondamentale sforzarsi per presentarsi nel modo migliore possibile. 2. Affrontare con successo un problema tecnico o un compito pratico. Nel caso di un data scientist, questo potrebbe consistere nell'analisi di un dataset e nella costruzione di un modello. Non è necessario realizzare il modello più ottimizzato del mondo. È cruciale, invece, mostrare come si conduce l'analisi. Non basta saper scrivere codice con pandas, numpy, pytorch, scikit-learn; è fondamentale evidenziare il ragionamento che ha portato a quel codice. Soprattutto, quando si costruisce un modello e' molto importante scegliere quali siano le metriche piu' corrette per valutarlo e, soprattutto, mostrare l'impatto che questo ha.
se non ho capito male: il data scientist può fare il data analist e data engeneering ( non ha alcun problema ) ma e dico MA.......il data analist ed ingneering NON E DICO NON possone fare il data scientist...ho capito bene? il data scientist è superiore sia al data analisist che ingegnere dei dati. superiorità di conoscenze e skills
La formazione di un data science riguarda la matematica, statistica e informatica. Se si hanno queste conoscenze avanzate ci si può specializzare e adattarsi nei vari ruoli citati nel video.
da data scientist ti posso dire che in generale è vero che un data scientist può (e fa) fare anche il lavoro del data engineer e del data analyst, ma ovviamente la qualità del lavoro non sarà mai alla pari. Sicuramente il tutto dipende dalle skill che ha (un data engineer scarso farà un lavoro peggiore di un data scientist bravo e con esperienza), ma in un'azienda strutturata bene e con ruoli ben focalizzati, il data scientist si occupa di prendere le analisi ed i datataset fatti dal data analyst e produce modelli, insight e predizioni. Però sì, solitamente un data scientist vede un po' di tutto, mentre il data engineer vede poco se non nulla della parte di modellistica
Complimenti per il video, veramente chiaro ed esplicativo. Vorrei solo aggiunmgere che, qualsiasi figura si possa ricoprire, in Italia si è pagati pochissimo e questo è un problema enorme! L`altra cosa importante è la capacità di connettere le tecnologie citate nel video. Per i colloqui: nel 99% dei casi mi hanno scartato, nonostante sia riuscito, all'etsero, ad avere incassi anche 10 volte superiori a quelli italiani. Concludo dicendo che in questo lavoro ( sviluppatore, analista, data scientist etc ) si è costretti a fare formazione continua, se non ci si vuole trovare fuori mercato in pochi mesi. Dimenticavo: bisogna conoscere l'inglese meglio che la propria madrelingua ;-)... Auguri a tutti!
Lavoro come Data Scientist in una fintech europea: a mio avviso la qualità più importante nel mio ruolo, spesso molto sottovalutata, è la capacità di ragionamento. Certamente, possedere competenze tecniche come SQL, Python, cloud computing, etc.. è necessario per svolgere specifiche mansioni, ma non è sufficiente. Ogni problema in questo ambito è unico e, quindi, quanto più si è abili nel comprendere il problema di business, identificare le principali fonti di dati utilizzabili, saper valutare i vantaggi della tua soluzione e comprendere i vari requisiti, tanto più facile sarà muoversi efficacemente.
Gli strumenti e le tecnologie vanno e vengono, e spesso la maggior parte di queste si imparano on the job. A mio modesto parere la gente che si avvicina a questo mondo si concentra eccessivamente sull'apprendere linguaggi, strumenti e tecnologie, dimenticando che questi sono mezzi per risolvere il problema, non il problema stesso.
Però per entrare in una fintech europea devi prima dimostrare di avere certi requisiti tecnici, la capacità di ragionamento difficilmente la si mette in mostra nei colloqui, giusto? (non ho molta esperienza in merito, giusto qualche mese come business analyst e qualche colloquio fatto)
@@fabioesploratore1847 sì e no. La dimostrazione dei requisiti tecnici su Python, librerie di Data Science, SQL e Cloud è certamente necessaria, ma non è sufficiente. Durante i colloqui, secondo me, due fattori fanno la differenza:
1. Mostrare con chiarezza cosa hai realizzato nel corso del tuo percorso. Non è sufficiente limitarsi a dire: "ho studiato Ing. Informatica presso..." o "ho lavorato presso...". È essenziale narrare in modo dettagliato quali progetti hai affrontato, quali problemi hai risolto e quale impatto hanno avuto. E' il famoso "sapersi vendere". Anche se non è un compito facile, è fondamentale sforzarsi per presentarsi nel modo migliore possibile.
2. Affrontare con successo un problema tecnico o un compito pratico. Nel caso di un data scientist, questo potrebbe consistere nell'analisi di un dataset e nella costruzione di un modello. Non è necessario realizzare il modello più ottimizzato del mondo. È cruciale, invece, mostrare come si conduce l'analisi. Non basta saper scrivere codice con pandas, numpy, pytorch, scikit-learn; è fondamentale evidenziare il ragionamento che ha portato a quel codice. Soprattutto, quando si costruisce un modello e' molto importante scegliere quali siano le metriche piu' corrette per valutarlo e, soprattutto, mostrare l'impatto che questo ha.
Complimenti per la qualità altissima dei vostri video!!! 🔝❤
Bravissimi, bello e utile questo video. Buon lavoro !
se non ho capito male: il data scientist può fare il data analist e data engeneering ( non ha alcun problema ) ma e dico MA.......il data analist ed ingneering NON E DICO NON possone fare il data scientist...ho capito bene? il data scientist è superiore sia al data analisist che ingegnere dei dati. superiorità di conoscenze e skills
La formazione di un data science riguarda la matematica, statistica e informatica.
Se si hanno queste conoscenze avanzate ci si può specializzare e adattarsi nei vari ruoli citati nel video.
da data scientist ti posso dire che in generale è vero che un data scientist può (e fa) fare anche il lavoro del data engineer e del data analyst, ma ovviamente la qualità del lavoro non sarà mai alla pari. Sicuramente il tutto dipende dalle skill che ha (un data engineer scarso farà un lavoro peggiore di un data scientist bravo e con esperienza), ma in un'azienda strutturata bene e con ruoli ben focalizzati, il data scientist si occupa di prendere le analisi ed i datataset fatti dal data analyst e produce modelli, insight e predizioni.
Però sì, solitamente un data scientist vede un po' di tutto, mentre il data engineer vede poco se non nulla della parte di modellistica
7:35 ISCRITIVITI 😆