导言

当你考虑你的第一份数据科学工作或你的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，我在数据科学方面有过几个职位，这些是我认为在选择下一份工作时必须考虑的一些最关键的问题。

您的团队中有MLOps工程师吗？

学习数据科学通常包括掌握机器学习算法，但有一个很大的部分在学术界经常被忽视，那就是这些算法的运算。原因可能是有许多不同的方法来部署您的模型，并且许多选项可能包括已经集成到您的业务中的昂贵的特定平台。由于这种可变性，学校或项目可能会选择不在教学大纲中包括操作，这是可以理解的。

话虽如此，您很可能想问这项工作是否是您作为数据科学家的责任，或者是否有一个专门的MLOps工程师(或机器学习工程师等)。当然，有些人可以做到这两个方面，并且更喜欢掌握创建和部署模型过程的两个部分，但是仅仅是专注于算法的数据科学家也是可以的。与你未来或现在的经理明确这个定义甚至更重要。

您将与SQL/数据/业务分析师一起工作吗？

与上述考虑类似，您将想要询问您的团队中是否有SQL专家。一些数据科学职位几乎不需要SQL，而其他职位几乎每天都需要SQL。在您的面试中，您将希望缩小您可以期望执行的SQL的数量，以及您是否是唯一的SQL。

有时，还有其他人，如数据分析师、业务分析师或数据工程师，他们更像是一名专家，使用SQL。然而，在一些数据科学职位上，您将被要求在建模过程之前和之后查询您的数据。

您需要一次处理一个项目吗？

在进入一个专业数据科学家角色之前，一次一个项目听起来似乎是一项简单的任务，但它可以很快变成一个全职项目。

对于任何一个特定项目，您都可以执行以下步骤:

• 定义业务问题
• 获取数据
• 查询数据
• 特性工程(不仅对已有的特性进行排序，而且提出概念上有意义的新特性)
• 模型比较/误差/精度分析
• AB/测试模型
• 模型部署
• 以上所有人都可以与其他人一起从事某种类型的工作，如产品经理、执行人员、软件工程师、数据工程师、AB测试人员、业务分析师、数据分析师等。

您是唯一参与项目的数据科学家吗？

数据科学的一些职位会有一个项目，只有一个人在上面工作，而在其他角色中，有几个人在同一个模型上工作。人们按照自己的节奏前进，与其他日子相比，有或多或少的效率，每天都可以享受或不享受与其他人在同一个项目上工作。

最终要由你来决定你喜欢什么，同样重要的是在进入一个角色之前知道你的期望是什么。

项目通常的完成时间表是什么？

算法/模型创建的测试快得惊人。在开发一个模型并将其集成到您的业务中时，前后部分可能会占用大部分时间。

对于任何项目来说，时间线都可以波动，就像上面的其他考虑一样，它是关于期望的--需要多少工作才能获得有用的结果。

摘要

总的来说，重要的是要记住，当你接受数据科学角色（或任何角色）的面试时，你应该同样地面试他们，这些只是你可以问和提出的一些问题或考虑因素。此外，即使在当前的角色中，您仍然可以提出这些问题。

概括地说，在选择下一份数据科学工作之前，需要记住以下五点:

• 你的团队中有MLOps工程师吗？
• 您将与SQL/数据/业务分析师一起工作吗？
• 你一次只做一个项目吗？
• 你是唯一一个在项目上工作的数据科学家吗？
• 一个项目通常的完成时间表是什么？

谢谢你的阅读。