Комментарии 7
Как обычно — компании хотят иметь человека, который будет уметь прям вообще всё.
+3
и который при необходимости легко заменяется такими же «универсалами».
+2
Проблема в том, что они не хотят платить, поэтому и хотят заменить трех-четырех сотрудников одним. Естественно, что зарплату за троих он получать не будет. Экономия на оплате труда.
+1
Больше требований к навыкам и знаниям специалиста — больше времени на обучение этим навыкам и знаниям. Больше времени на обучение — меньше вероятность найти нужного специалиста. Итого, дилемма: искать или обучать универсала годами, либо порезать задачу и на каждую её часть найти маленького узкого спеца. Выбор за нанимателем.
Можно просто дело в том, что наниматели настолько тупы в предметной области, что неспособны нарезать задачу за подзадачи?
Можно просто дело в том, что наниматели настолько тупы в предметной области, что неспособны нарезать задачу за подзадачи?
+2
насколько я понимаю, это очередной воззвание: «всегда нужен кто-то, кто будет не просто выпрямлять проволоку, заострять концы и т.д., а тот — кто будет смотреть как делать булавки».
0
Работаю мидлом ДС на такой галере, мечтаю найти работу получше.
Что бы не писать тысячи кейсвэнов и не переписывать питоновскую модель на sql или sql своего синьора на scala
Что бы не писать тысячи кейсвэнов и не переписывать питоновскую модель на sql или sql своего синьора на scala
+1
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Почему Data Science командам нужны универсалы, а не специалисты