Data Science для карьериста

Предисловие....14 Благодарности....16 О книге....18 Об обложке....21 Часть 1. Data Science. С чего начать....25 1. Что такое Data Science? ....26 1.1. Что такое Data Science?....28 1.1.1. Математика/статистика....29 1.1.2. Базы данных и программирование....31 1.1.3. Понимание бизнеса....33 1.2. Различные типы вакансий в Data Science....35 1.2.1. Аналитики ....35 1.2.2. Машинное обучение ....36 1.2.3. Теория принятия решений....36 1.2.4. Смежные специальности....38 1.3. Выбор пути ....40 1.4. Интервью с Робертом Чангом, дата‑сайентистом из Airbnb....40 2. Аналитические компании....43 2.1. КИТк: крупная информационно-технологическая компания....44 2.1.1. Команда: одна из многих в КИТк....44 2.1.2. Технология: продвинутая, но неупорядоченная....45 2.1.3. Плюсы и минусы КИТк....46 2.2. HandbagLOVE: устоявшийся ритейлер....47 2.2.1. Команда: небольшая группа, стремящаяся к росту....48 2.2.2. Технология: устаревшие методы, которые начинают меняться....49 2.2.3. Плюсы и минусы HandbagLOVE ....49 2.3. Seg-Metra: стартап на ранней стадии....50 2.3.1. Команда (какая еще команда?)....51 2.3.2. Технология: передовые методы, собранные воедино....51 2.3.3. Плюсы и минусы Seg-Metra ....52 2.4. Videory: успешный технологический стартап на поздней стадии....54 2.4.1. Команда: специализированная, но с разнообразием....55 2.4.2. Технология: стараемся не увязнуть в устаревшем коде....55 2.4.3. Плюсы и минусы Videory ....56 2.5. Global Aerospace Dynamics: гигантский государственный подрядчик....57 2.5.1. Команда: дата-сайентист в море инженеров....58 2.5.2. Технологии: старые, ржавые и с сильными ограничениями системы безопасности....59 2.5.3. Плюсы и минусы GAD ....59 2.6. Делаем выводы....61 2.7. Интервью с Рэнди Ау, специалистом в области количественного UX Research в Google....61 3. Приобретение навыков ....64 3.1. Получение образования в Data Science....65 3.1.1. Выбор учебного заведения ....66 3.1.2. Поступление....69 3.1.3. Заключение по академическому образованию....70 3.2. Буткемпы....71 3.2.1. Чему можно научиться ....72 3.2.2. Цена ....74 3.2.3. Выбор программы ....74 3.2.4. Заключение по DS-буткемпам....74 3.3. Работа с Data Science в вашей компании....75 3.3.1. Выводы об обучении на работе....77 3.4. Самообучение ....78 3.4.1. Выводы о самообучении....79 3.5. Как сделать выбор....79 3.6. Интервью с Джулией Силдж, дата‑сайентистом и инженером-программистом RStudio ....80 4. Создание портфолио ....83 4.1. Создание проекта....84 4.1.1. Найдите данные и задайте вопрос....84 4.1.2. Выбор направления....87 4.1.3. Заполнение GitHub README....88 4.2. Создание блога....89 4.2.1. Возможные темы....89 4.2.2. Выбор платформы ....91 4.3. Работа с примерами проектов....92 4.3.1. Фрилансеры в Data Science....92 4.3.2. Обучение нейронной сети на «неприличных» автомобильных номерах....94 4.4. Интервью с Дэвидом Робинсоном, дата‑сайентистом....96 Часть 2. Как попасть в Data Science....101 5. Поиск: как определиться с подходящей работой....102 5.1. Поиск работы....103 5.1.1. Расшифровка описания вакансий ....104 5.1.2 Поиск тревожных сигналов....106 5.1.3. Большие надежды....107 5.1.4. Посещение митапов....108 5.1.5. Использование социальных сетей....110 5.2. На какие вакансии откликаться....112 5.3. Интервью с Джесси Мостипак, developer advocate в Kaggle ....113 6. Отклик на вакансию: резюме и сопроводительное письмо....116 6.1. Резюме: основы....117 6.1.1. Структура ....119 6.1.2. Подробнее о разделе опыта: наполнение....124 6.2. Сопроводительное письмо: основные положения....126 6.2.1. Структура....127 6.3. Адаптация....129 6.4. Реферальная программа....130 6.5. Интервью с Кристен Керер, инструктором по Data Science и создателем курсов....132 7. Интервью: чего ожидать и что делать....135 7.1. Чего хотят компании? ....136 7.1.1. Процесс интервью....137 7.2. Этап 1: первое телефонное интервью....138 7.3. Этап 2: интервью в офисе....140 7.3.1. Техническое интервью....142 7.3.2. Поведенческое интервью....146 7.4. Этап 3: решение кейса....148 7.5. Этап 4: итоговое интервью....151 7.6. Оффер....151 7.7. Интервью с Райаном Уильямсом, старшим специалистом по принятию решений в Starbucks....152 8. Оффер: знайте, на что соглашаться....155 8.1. Процесс....156 8.2. Получение оффера ....156 8.3. Переговоры ....158 8.3.1. Что можно обсуждать?....159 8.3.2. О какой сумме договариваться....162 8.4. Тактика переговоров....164 8.5. Как выбрать между двумя «хорошими» офферами ....165 8.6. Интервью с Брук Уотсон Мадубуонву, старшим дата-сайентистом в ACLU....167 Часть 3. Осваиваемся в Data Science ....171 9. Первые месяцы на работе....172 9.1. Первый месяц ....173 9.1.1. Онбординг в крупной организации: хорошо отлаженный процесс....173 9.1.2. Онбординг новых сотрудников в небольшой компании: Онбординг? Нет, не слышали....174 9.1.3. Понимание и установка ожиданий....174 9.1.4. Знайте данные, с которыми работаете....176 9.2. Становимся продуктивными ....179 9.2.1. Задавайте вопросы ....180 9.2.2. Выстраивайте взаимоотношения....182 9.3. Если вы первый дата-сайентист....184 9.4. Если работа не соответствует обещанию....186 9.4.1. Ужасная работа....186 9.4.2. Токсичная рабочая среда....187 9.4.3. Решение уволиться....188 9.5. Интервью с Джарвисом Миллером, дата‑сайентистом в Spotify....190 10. Создание эффективного анализа....193 10.1. Запрос ....196 10.2. План анализа....199 10.3. Выполнение анализа ....201 10.3.1. Импорт и очистка данных....201 10.3.2. Просмотр и моделирование данных....203 10.3.3. Важные моменты для анализа и моделирования....205 10.4. Завершение....209 10.4.1. Итоговая презентация....210 10.4.2. Длительное хранение работы....211 10.5. Интервью с Хилари Паркер, дата-сайентистом в Stitch Fix....212 11. Развертывание модели в производство....215 11.1. А что вообще развертывается в производство? ....216 11.2. Создание продукционной системы....218 11.2.1. Сбор данных....219 11.2.2. Построение модели....220 11.2.3. Обслуживание моделей с API....221 11.2.4. Построение API ....222 11.2.5. Документация....224 11.2.6. Тестирование ....225 11.2.7. Развертывание API....226 11.2.8. Нагрузочное тестирование....229 11.3. Поддержание работоспособности системы....230 11.3.1. Мониторинг системы ....230 11.3.2. Переобучение модели....231 11.3.3. Внесение изменений....232 11.4. В завершение....232 11.5. Интервью с Хизер Нолис, инженером МО в T-Mobile....232 12. Работа со стейкхолдерами....235 12.1. Типы стейкхолдеров....236 12.1.1. Бизнес-стейкхолдеры....236 12.1.2. Инженеры-стейкхолдеры....238 12.1.3. Высшее руководство компании....239 12.1.4. Ваш непосредственный руководитель ....240 12.2. Работа со стейкхолдерами....241 12.2.1. Понимание целей стейкхолдеров....241 12.2.2. Постоянное общение....243 12.2.3. Будьте системным....245 12.3. Расстановка приоритетов ....247 12.3.1. Инновационная и полезная работа....249 12.3.2. Не инновационная, но все же полезная работа....249 12.3.3. Инновационная, но не полезная работа....250 12.3.4. Не инновационная, не полезная работа....251 12.4. В завершение ....252 12.5. Интервью с Сейд Сноуден-Акинтунде, дата‑сайентистом в Etsy....252 Часть 4. Как подняться по карьерной лестнице в Data Science....257 13. Если DS-проект провалился....258 13.1. Почему проваливаются DS-проекты....260 13.1.1. У вас не те данные, что вы хотели....260 13.1.2. У данных нет сигнала....261 13.1.3. Проделанная работа оказалась не нужна....263 13.2. Управление риском....265 13.3. Что делать, если проекты терпят неудачу....266 13.3.1. Что делать с проектом....267 13.3.2. Как справиться с негативными эмоциями....269 13.4. Интервью с Мишель Кейм, руководителем отдела Data Science и машинного обучения Pluralsight....270 14. Вступление в сообщество Data Science....273 14.1. Расширение портфолио....275 14.1.1. Больше публикаций....275 14.1.2. Больше проектов....276 14.2. Посещение конференций....277 14.2.1. Как справиться с социофобией....281 14.3. Выступление с докладом....282 14.3.1. Получение возможности ....283 14.3.2. Подготовка....286 14.4. Вклад в открытый исходный код....287 14.4.1. Участие в работе других людей....287 14.4.2. Создание собственного пакета или библиотеки....289 14.5. Распознавание и предотвращение выгорания....290 14.6. Интервью с Рене Теате, директором отдела Data Science в HelioCampus ....291 15. Уходим красиво ....294 15.1. Решение уволиться ....295 15.1.1. Оценка прогресса в знаниях....296 15.1.2. Заручитесь поддержкой руководителя....296 15.2. В чем разница между первым и последующими поисками работы....298 15.2.1. Определитесь, чего хотите....299 15.2.2. Интервью....300 15.3. Поиск новой работы для трудоустроенных....301 15.4. Сообщение об увольнении....303 15.4.1. Рассмотрение контроффера....304 15.4.2. Как сказать команде ....304 15.4.3. Упрощение передачи дел....306 15.5. Интервью с Амандой Касари, техническим менеджером Google ....307 16. Вверх по карьерной лестнице ....310 16.1. Путь руководителя....312 16.1.1. Преимущества работы руководителем....313 16.1.2. Недостатки должности руководителя....314 16.1.3. Как стать руководителем....315 16.2. Путь ведущего дата-сайентиста ....317 16.2.1. Преимущества работы ведущим дата‑сайентистом ....318 16.2.2. Недостатки должности ведущего дата‑сайентиста ....319 16.2.3. Как стать ведущим дата-сайентистом....320 16.3. Путь независимого консультанта....321 16.3.1. Преимущества работы в качестве независимого консультанта....322 16.3.2. Недостатки работы в качестве независимого консультанта....323 16.3.3. Как стать независимым консультантом....324 16.4. Выбор своего пути ....325 16.5. Интервью с Анджелой Басса, руководителем отдела Data Science, инженерии данных и машинного обучения в iRobot ....325 Эпилог....331 Приложение. Вопросы интервью....333