[pustelnikk]

Czy kilkumiesięczne certyfikaty z udacity są coś warte waszym zdaniem? Czy wiedza, sposób jej przekazania oraz projekty w nich są warte dość wysokiej miesięcznej opłaty oraz czy później są brane pod uwagę w czasie rekrutacji? Głównie chodzi mi o certyfikaty/ścieżki AI, Autonomous Systems.
#datascience #uczeniemaszynowe #ai #sztucznainteligencja #programista15k #programmers25k #studia #studbaza #pracait #praca #si

[rusin]

Są warte o tyle, że przynajmniej niektóre są dość dobrze ustrukturyzowane i pozwalają na dość płynne "wejście w temat" dla osoby która nie ma o tym bladego pojęcia - jestem zdania, że są na tyle drogie, że dla mnie byłoby to za mało, aby wydać na to tak pokaźną kupkę pieniędzy z własnej kieszeni.
Co do tego czy są brane pod uwagę w trakcie rekrutacji - i tak, i nie. Tak, o

[enten]

@pustelnikk: Nic nie są warte. Możesz przeczytać wszystkie książki na dany temat i zrobić wszystkie kursy na maksymalną liczbę punktów ale jak nie dotkniesz danej technologii komercyjnie to dla rekrutera jesteś nic nie znaczącym robakiem. Witamy w IT.

[goral27]

@pustelnikk: nie są warte, bo wiedzę możesz zdobyć za darmo, projekty tez możesz robić za darmo na Kagglu czy innym takim, a na technicznej rekrutacji i tak wyjdą wszelkie ewentualnej niedostatki - przeprowadziłem dziesiątki takich wywiadów i nigdy nawet nie pytałem o wykształcenie albo kursy (DS here).

[pustelnikk]

@goral27: A o jakie rzeczy z reguły pytasz na rozmowach o pracę dla juniora/mida DS?

[goral27]

@pustelnikk: zauważ że wiele firm rozróżnia między ML Engineer i DS, gdzie to pierwsze to często tzw. "ML Ops" a to drugie jest bardzo szeroko rozumiane, od analiz po "proof of concept models". Więc z grubsza - na podstawie 2 firm w których rekrutowałem DS - najważniejsze było czy kandydat potrafi dobrać metodę do problemu biznesowego.

Na przykład: nie potrzebuję, żeby ktoś mi wymienił 10 możliwych podejść do problemu klasyfikacji gdy klasy są silnie niezbalansowane. Te 10 metod, które on pamięta, można znaleźć w necie, podobnie jak 100 innych. On/ona ma mieć podstawy, żeby wiedzieć jak wybrać tę, która pasuje do problemu. Na co zwrócić uwagę. Jak wybrać funkcję straty, czym się kierować? Jaki jest wolumen danych, czy algorytm musi być szybki? Itd itp.

Więc tego szukam w odpowiedziach, a pytania to w stylu konkretne biznesowe problemy którego generalnie daje się rozwiązać przemyślanym modelem regresji czy klasyfikacji. Są tez czysto techniczne wywiady gdzie jest szereg pytań przekrojowych w stylu:
1. Napisz algorytm w pythonie który połączy dane z tabel X i Y, przy czym np. w Y trzeba usunąć jakieś rekordy przy pomocy

[pustelnikk]

@goral27: Dzięki!