Кем стать: дата-сайентистом, аналитиком, инженером данных или ML

[rozhnev]

Все вышеперечисленные специальности требуют хорошего знания SQL. Освоить основы языка SQL не сложно - в интернет есть множество бесплатных ресурсов, но для того чтобы стать профессионалом нужно много практиковаться. SQLTest.online - отличный ресурс для тренировки с сотнями практических и теоретических задач.

[Gareev88]

Зачем инженеру данных математика ? Понимать на базовом уровне алгоритмы для оптимизации кода да, но математика ему зачем? Её даже на собеседованиях не спрашивают

[Zeus42]

Задачи у всех разные, если нужно разрабатывать специфическое решение под узконаправленную задачу то это будет необходимо, так же возможно потребуется и метрики оценки корректировать или грамотно оценить их эффективность. Ну и оптимизация самих моделей, само собой.

[AkaMikhelson]

Привет!
Выходит, что data-аналитик - это специалист без критического мышления, а data-scientist - это как бы ml-инженер + data-аналитик?)
Возможно, стоит добавить в знания и навыки data-engineer и ml-engineer знание популярных оркестраторов, подходов к построению и методы оптимизации пайплайнов данных, технологии захвата изменений, модели хранения данных, особенности и преимущества использования популярных СУБД.