原文：
www.kdnuggets.com/2022/01/5-things-keep-mind-selecting-next-job.html
图片来源：Jac Alexandru 在 Unsplash，(2020)
在考虑你的第一份数据科学工作或下一个数据科学职位时，你会想问自己什么是重要的。对我来说，我在数据科学领域有过几个职位，这些问题在选择下一个工作时是我认为最关键的。
1. Google 网络安全证书 - 快速进入网络安全职业轨道。
2. Google 数据分析专业证书 - 提升你的数据分析水平
3. Google IT 支持专业证书 - 支持你的组织的 IT
学习数据科学通常包括掌握机器学习算法，但有一个巨大的部分在学术界常被忽视，那就是这些算法的操作。这可能是因为有许多不同的方法来部署模型，而很多选项可能包括成本高昂的、已经集成到你业务中的特定平台。由于这种变异性，学校或课程可能选择不在教学大纲中包含操作部分，这是可以理解的。
话虽如此，你很可能需要问清楚这项工作是否会由你作为数据科学家负责，还是会有专门的 MLOps 工程师（或机器学习工程师等）。当然，也有一些人能够同时处理这两个部分，并且希望精通模型创建和部署的两个过程，但仅专注于算法的数据科学家也是可以的。与未来或当前的经理明确这一点尤为重要。
与上述考虑类似，你会想知道你的团队中是否有精通 SQL 的人员。一些数据科学职位对 SQL 的要求较少，而其他职位几乎每天都需要使用 SQL。在面试中，你需要明确你将需要使用多少 SQL，以及是否是唯一负责的人。
有时，可能会有其他人，如数据分析师、业务分析师或数据工程师，他们是 SQL 方面的专家。然而，在某些数据科学职位中，你将需要在建模过程之前和之后查询数据。
一次只做一个项目在进入专业数据科学家角色之前听起来可能是个简单的任务，但它很快可能变成一个全职项目。
你可以期望在任何特定项目中进行以下一些步骤：
-
定义业务问题
-
获取数据
-
查询数据
-
特征工程（不仅仅是排名现有特征，还要提出在概念上合理的新特征）
-
模型比较/误差/准确性分析
-
AB/测试模型
-
模型部署
-
以上所有内容都可能涉及与其他人合作，例如产品经理、执行人员、软件工程师、数据工程师、AB 测试员、业务分析师、数据分析师等。
在数据科学领域，有些职位的项目仅由一个人完成，而其他角色中，有几个人在同一个模型上工作。人们的工作进度不同，有的日子生产力高，有的低，并且每天与他人一起工作可能会有不同的体验。
最终你要决定自己喜欢什么，同时也要了解进入角色之前的期望。
算法/模型创建的测试出奇的快。真正花费大部分时间的是在开发模型和将其集成到业务中之前和之后的部分。
时间线对于任何项目都可能波动，就像上述其他考虑因素一样，这关乎期望——获取有用结果所需的工作量。
总的来说，重要的是要记住，当你面试数据科学角色（或任何角色）时，你应该同样面试他们，这些问题或考虑因素就是你可以提出和讨论的内容。此外，即使在当前角色中，你仍然可以提出一些这些问题。
总结一下，选择下一个数据科学工作时需要记住以下五件事：
-
你团队中有 MLOps 工程师吗？
-
你会与 SQL/数据/业务分析师合作吗？
-
你是否需要一次只做一个项目？
-
你是唯一一个在项目上工作的数据科学家吗？
-
项目完成的通常时间线是什么？
感谢阅读，请随时通过 LinkedIn 或 Medium 联系我。
马修·普热比拉 (Medium) 是位于德克萨斯州 Favor Delivery 的高级数据科学家。他拥有南美 Methodist 大学的数据科学硕士学位。他喜欢撰写关于数据科学领域的流行话题和教程，从新算法到数据科学家日常工作的建议。Matt 喜欢强调数据科学的商业方面，而不仅仅是技术方面。欢迎通过他的 LinkedIn 联系 Matt。