#naukaprogramowania #programowanie #programista15k #datascience #sztucznainteligencja #businessintelligence #analizadanych

Czołem wszystkim,

w nawiązaniu do wcześniejszego posta. Kilka podpowiedzi, czego nie robić, by nie powielać błędów, przez które znani mi kandydaci się wywalili.

AI:
- bardzo dobrze znać podstawy (Pythona, AI, algorytmów). O to pyta się najczęściej, o klasyczne algo, klasyczne funkcje i typowe zastosowania
- pokazywać tylko kod, co do którego jesteśmy pewni, że umiemy go wyjaśnić (i go rozumiemy)
- opowiadać o technologiach, które się rzeczywiście zna, a nie tylko słyszało
- chwalić się projektami, które realnie zostały stworzone
- szczerze mówić jaką część portfolio robiło ai, a jaką człowiek
- nie kłamać, mówić półprawd czy czegoś podobnego. To wyjdzie. Wielkie repo z samodzielną implementacją perceptronu? Spoko, ale miej pewność, że będziesz o nie zapytany, i że musisz wiedzieć, co tam się dzieje
- nie przepisywać repo z poradników, szkoleń czy książek, mówiąc, że to nasze
- nie pakować się samodzielnie na głęboką wodę np. gadaniem o llmach, transformerach czy innych bertach. Ponownie, w ponad 90% przypadków rekruter techniczny zacznie to drążyć, i może być kiepsko
-nie kłamać nt. znajomości chmury, jeśli robiło się tyko szkolenie z niej
-nie przekłamywać swojego rzeczywistego wykształcenia i doświadczenia
-nie mówić, że się czyta papery naukowe, jeśli się tego nie robi

A co robić: opanować podstawy jak najlepiej się da (Python, AI, algo, plus infra), zrobić kilka dobrych projektów samodzielnie, zrobić kilka certów, ale tylko wartościowych, rozwijać się w różne strony, poznając nowe narzędzia, CZYTAĆ PAPERY, zastanowić się nad jakąś formalną edukacją, nie poddawać się, a będzie dobrze.

Analiza danych i BI:
- bardzo dobrze znać podstawy (np. DAX i Excel, czy Python). O to pyta się najczęściej, o klasyczne algo, klasyczne funkcje i typowe zastosowania
- pokazywać tylko kod lub projekty, co do którego jesteśmy pewni, że umiemy je wyjaśnić (i rozumiemy)
- opowiadać o technologiach, które się rzeczywiście zna, a nie tylko słyszało
- chwalić się projektami, które realnie zostały stworzone
- szczerze mówić jaką część portfolio robiło ai, a jaką człowiek
- nie kłamać, mówić półprawd czy czegoś podobnego. To wyjdzie. NIGDY, POD ŻADNYM POZOREM nie publikować cudzych daszbordów ze zmienionymi danymi, podpisując je własnym nazwiskiem.
-nie kłamać, nt znajomości Pythona, jeśli się go nie zna (to jest dość częste, w BI Python jest raczej plusem niż must have, ale wciąż, ktoś na pewno zada pytanie, jeśli powiesz, że znasz)
-nie pakować się samodzielnie na głęboką wodę np. gadaniem o AI w BI czy chmurze, czy czymś podobnym, w sposób sugerujący, że się na tym zna, bo rekruter może znać się znacznie lepiej

W skrócie co robić: opanować podstawy jak najlepiej się da (DAX, narzędzie do wizualizacji, czasem Python), zrobić kilka dobrych projektów samodzielnie, rozwijać się w różne strony, poznając nowe narzędzia, poznać którąś chmurę, najlepiej Azure, zrobić kilka wartościowych certów, być na bieżąco z tym co się dzieje w środowisku BI, nie poddawać się, a będzie dobrze.

Pozdro, może komuś się przyda.