在人工智慧與資料科學之間的選擇？
轉換跑道的第一份工作，當時手上兩個 offer 分別是跟人工智慧與資料科學，而且都是成立 3~5 年的新創公司
身邊的人或多或少因為市場熱潮推荐我選人工智慧，但我最後選擇了後者，所以想在這邊紀錄一下當時為甚麼做這個決定，以及這一個月所感受到的事
關於個人
工作內容差異
這點可能跟公司的商業模式比較有關，當時人工智慧這邊的內容比較像是提供解法給客戶，比較沒有給我打造產品的感覺；而資料科學這邊有明確的產品，但希望透過資料科學探究資料價值
技術上來說，人工智慧這邊會更專注於模型與演算法；而資料科學更專注於如何發覺資料價值，但並不是說就不會用到 AI solution
我個人因為沒有真的做過 AI 相關的學術性研究，只是花了一兩年學習相關技術跟實作，當時對於工作內容其實抱持著比較大的不安定感；反之資料科學因為學習 AI 實作的過程中也了解了分析的概念，同時對資料工程產生興趣，因此最後選擇了現在這份工作
工作價值差異
同樣這也跟商業模式有關，實際上很多公司也並沒有把這兩塊分的很詳細，經常出現感覺只是為了要幫產品冠上「AI」所招募的
找工作當下除了考慮自己是不是適合這份工作內容，同時也在思考是否具有挑戰性，是不是實際上會解決到問題？AI 職缺這邊因為沒有自己的產品，雖然可能會讓我學習到更多的技術面，不過卻讓我很像接案公司
反之，資料科學這邊除了有明確產品，並且清楚定義想要解決的是交通問題
其實跟領域沒有關係，我最後還是根據自己想要的工作環境進行選擇而已
職稱是資料科學家
其實自己對理想中的資料科學家門檻還蠻高的，除了分析以外還俱備資料工程跟領域知識，這邊想再次提到 One Data Science Job Doesn’t Fit All 這篇文章，雖然是再把分析這件事情細分，但我認為還要包含工程才能從產品面了解資料
reference: One Data Science Job Doesn’t Fit All
評估過程可以診斷的地方太多了，你永遠不知道拿不到資料是產品設計問題？工程問題？還是我自己的程式出了問題？（總之先懷疑自己的 code ）
該想的還是只有這些
- 撇除職稱還剩下甚麼
- 我還該做些甚麼才能對的起這個職稱
關於團隊
團隊規模
這點我還不太清楚甚麼樣的公司規模適合多大的團隊比較適合，但我們人數目前是相對比較少的，優點當然是溝通順暢，行動會比較快，但缺點就是步調太快缺少文件紀錄
團隊歸屬
Data team 跟 RD 分別屬於不同部門，所以 Infrastructure 也就是各自建置處理，因為工作內容不同所以我們要自己處理這塊，這點對我來說是學習技術的效益大於工作使用帶來的不方便
甚麼東西都要團隊想辦法自己弄起來，真的不太懂的也可以找 RD 討論，這是我目前覺得很好的做中學環境
關於公司
簡而言之是個開放又具有高自由度的新創環境
面向廣，產官學都要接觸
允許一定程度的嘗試失敗
可以學習做產品，離自身能力不會相差太多的工作內容
剛來一個月，技術方面慢慢上手了，目前比較需要努力的是領域知識
可能自己在上一份工作的離職前一段時間過的有點懶散，現在每天都一直在動腦並且都會學到一點新東西的過程是還蠻不錯的
打了那麼多字，接下來該打點程式了。
1 | from me import data_science, jobs |