मैं एक औसत Data Scientist हूँ। और पिछले 10 सालों से अच्छी ज़िंदगी जी रहा हूँ

• मुझे पता है कि ऐसे वाकई शानदार Data Scientist होते हैं जिनके पास PhD है, जो FAANG में काम करते हैं और नवीनतम तकनीकों में बेहद माहिर हैं. लेकिन मैं उस तरह का नहीं हूँ
• मैंने पुरानी तकनीक इस्तेमाल करने वाली मध्यम और छोटी कंपनियों में, ऐसी कंपनियों में जहाँ मैं अकेले Analyst/Scientist की भूमिका निभाता था, और ऐसी कंपनियों में काम किया है जिनके बारे में ज़्यादातर लोगों ने शायद कभी सुना भी नहीं होगा
  • मैं कोई असाधारण काम नहीं करता, खुद को बहुत बुद्धिमान या शानदार नहीं मानता, और आज के FAANG इंटरव्यू शायद पास नहीं कर पाऊँगा
• इसके बावजूद, मैंने Data Scientist के रूप में शानदार अनुभव हासिल किए हैं और जिन कंपनियों के साथ काम किया, वहाँ वास्तविक impact बनाया है
  • आज भी इंटरव्यू दूँ तो job offer पाने में बहुत मुश्किल नहीं होती, लेकिन मौजूदा समय में यह पहले से कहीं ज़्यादा कठिन हो गया है
  • मेरे भीतर हमेशा कुछ नया सीखने की इच्छा और उसे आगे बढ़ाने की ऊर्जा रही है, और मैंने पाया कि जटिल जानकारी को ऐसे ढंग से समझाने की प्रतिभा मुझमें है जिसे कोई भी समझ सके
• मैं विनम्र और सहानुभूतिपूर्ण रवैया बनाए रखने की कोशिश करता हूँ, और सबको यह दिखाना चाहता हूँ कि डेटा दिलचस्प और मज़ेदार हो सकता है
  • मैं दूसरों को नीचा दिखाकर खुद को ज़्यादा बुद्धिमान साबित करने वाले रवैये को ठुकराता हूँ, इसलिए जटिल concepts को इस तरह सरल बनाना कि हर कोई समझ सके मुझे बहुत पसंद है
• मुझे डेटा से insight और आगे बढ़ने की दिशा दिखाने वाला काम पसंद है
  • भले ही कई model किसी नतीजे तक न पहुँचें, फिर भी मुझे model बनाना अपने आप में पसंद है
  • कंपनी के कुछ सबसे बड़े impact और फैसले bar chart और बुनियादी KPI से आए हैं
• मैं आगे भी यह काम जारी रखने की योजना बना रहा हूँ
  • मैं खुद को औसत या उससे भी कम महसूस कर सकता हूँ, लेकिन मैं वही काम करता हूँ जो मुझे पसंद है और उन चीज़ों पर ध्यान देता हूँ जिनमें मैं अच्छा हूँ
  • खासकर अब, जब AI की वजह से इस क्षेत्र में नाटकीय बदलाव हो रहे हैं, मैं खुद को उन बदलावों के मुताबिक ढाल रहा हूँ
• मैं एक दर्दनाक हद तक औसत इंसान के सकारात्मक अनुभव साझा करना चाहता था
  • खासकर नए लोगों और इस क्षेत्र में आने के लिए करियर बदलने वालों को यह दिखाना चाहता था कि आपको कमरे में सबसे बुद्धिमान व्यक्ति होने की ज़रूरत नहीं है
  • ज़रूरी है कि आप मज़बूत बुनियाद को गहराई से समझें, और कंपनी में बदलाव लाने या मूल्य जोड़ने की इच्छा रखें

[GN⁺]

Reddit की राय

• मॉडल बनाना मज़ेदार है, और यह बात बहुत वास्तविक लगती है कि भले ही कई मॉडल असल में इस्तेमाल न हों, कंपनी के बड़े फैसले अक्सर bar chart और बेसिक KPI से निकलते हैं
  • मेरे अनुभव में वह bar chart अक्सर प्रशिक्षित xgboost मॉडल की सबसे महत्वपूर्ण features की रिपोर्ट हुआ करता था
    मुझे डेटा साइंटिस्ट छोड़े हुए लगभग 7 साल हो चुके हैं, इसलिए यह किसी पुराने time capsule जैसी याद है, लेकिन याद है कि ग्राहकों को वह आउटपुट काफ़ी पसंद आता था
  • मैं software engineer हूँ, लेकिन मॉडल बनाना और उन्हें train करना शौक की तरह पसंद है
  • उस हिस्से पर मैं थोड़ा चौंका। मैं उससे सहमत नहीं हूँ, और मेरी चाहत रहती है कि जो भी बनाऊँ वह ज़रूर इस्तेमाल हो
    फिर भी, जटिल बातों को इंसानों की समझ की भाषा में बदलने की क्षमता को कभी हल्के में नहीं लेना चाहिए। बहुत से लोग यह बुनियादी चीज़ ठीक से नहीं कर पाते, इसलिए अगर आप यह सही कर लेते हैं, तो आपको औसत से नीचे नहीं माना जा सकता
• एक साधारण डेटा साइंटिस्ट के तौर पर मुझे भी यह पढ़कर अच्छा लगा। यहाँ हर समय सिर्फ़ FAANG की बातें देखना अब थकाने लगा है
  • आजकल तो बस Only FAANGS जैसा self-promo ही दिखाई देता है
  • औसत हो या शीर्ष स्तर का, उससे ज़्यादा महत्वपूर्ण है कि आप डेटा साइंटिस्ट किस टाइमिंग पर बने
  • और फिर, FAANG के काफ़ी डेटा साइंटिस्ट “AI” मॉडल्स पर काम करते हैं, और ऐसा काम मुझे पागल कर देगा। दुनिया को ChatGPT का एक और version नहीं चाहिए
• यह एक यथार्थवादी डेटा साइंटिस्ट करियर पाथ के ज़्यादा करीब है। 99% मामलों में चमकदार मॉडल्स से ज़्यादा महत्वपूर्ण business impact और communication होते हैं
  • मैं consulting में data science/analytics टीम में काम करता हूँ, और सिर्फ़ SQL queries लिखने और ग्राहकों को नतीजे समझाने के लिए हम लाखों डॉलर charge करते रहे हैं
    बेशक, इसका मतलब यह नहीं कि जितना charge किया गया वही मेरी salary है
  • जो लोग data side से नहीं हैं, वे कभी-कभी Occam’s razor का ठीक उल्टा लागू करने की कोशिश करते हैं। ज़्यादा “math” होने का मतलब हमेशा ज़्यादा insight नहीं होता, कभी-कभी उसका मतलब सिर्फ़ ज़्यादा assumptions होता है
• सच कहूँ तो यह एक अच्छे डेटा साइंटिस्ट की तरह लगता है। मैंने ऐसे बहुत लोगों को देखा है जिनके resume में qualifications और मशहूर नाम भरे होते हैं और बातें भी बड़ी-बड़ी होती हैं, लेकिन असल में वे लगभग कुछ भी बना नहीं पाते, इसलिए अब मैं उन चीज़ों को बहुत वज़न नहीं देता
• शायद यह औसत डेटा साइंटिस्ट नहीं, बल्कि median डेटा साइंटिस्ट होगा
• यह एक ताज़गी भरा नज़रिया है
• मैं भी ऐसा ही एक साधारण डेटा साइंटिस्ट हूँ, और यहाँ की पोस्ट्स पढ़ते-पढ़ते कभी-कभी मुझे भी चिंता होने लगती थी
• मैं भी इसी तरफ़ ज़्यादा हूँ। कंपनी बड़ी है, लेकिन सबसे चमकदार और जटिल नई methodologies को आगे बढ़ाने के बजाय ध्यान finance team के decision-making में मदद करने पर है
  डेटा साइंस interview content देखने पर लगता है जैसे आपको statistics, computer science और artificial intelligence का चलता-फिरता encyclopedia होना चाहिए, लेकिन असल में मैंने देखा है कि सबसे सफल लोग अक्सर वे होते हैं जो दूसरों के काम पर सकारात्मक असर डालते हैं और टीम में साथ काम करने में अच्छे होते हैं
• जो लोग डेटा साइंटिस्ट की नौकरी नहीं ढूँढ पा रहे होते, उन्हें मैं हमेशा यह बात बताता हूँ। मेरा background supply chain में था, और मुझे लगा कि लोग बहुत ज़्यादा manual काम कर रहे हैं, इसलिए मैंने खुद से programming सीखी
  उसके बाद data science में master’s करते हुए मैं supply chain project management role में चला गया, जहाँ automation, dashboards, data pipelines बनाना, predictive modeling और ad hoc analysis जैसे काम करने लगा। डिग्री पूरी होने के बाद कंपनी ने सचमुच मुझे डेटा साइंटिस्ट title और salary के साथ promote कर दिया
  कुछ डेटा साइंटिस्ट्स की तरह मैं बहुत advanced काम नहीं करता, लेकिन अगर आप data science और technical skills से कंपनी की समस्याएँ हल करते हैं, तो आपको एक कम आम लेकिन संतोषजनक करियर पाथ मिल सकता है
  • अब जिज्ञासा है कि आप कितना कमाते हैं। क्या इतना काफ़ी है कि आप यह जारी रखें, या आपको लगता है कि ज़्यादा compensation के लिए और करना चाहिए
• ऐसी बातें सच में अच्छी लगती हैं। बीच में कहीं आने वाले पुराने practitioners को भी उठकर बोलना चाहिए