Os Perfis dos Cientistas de Dados nos Estados Unidos

27/08/2020 - Workshop em Ciência de Dados
Perfil do Cientista de Dados
nos Estados Unidos
Thiago Schiavo Mosqueiro
Applied Scientist @ Amazon.com
thmosqueiro.vandroiy.com
Gravação disponível no Youtube:
https://www.youtube.com/watch?v=f4q8JMpifzQ
Opiniões nesta apresentação são pessoais

Perfis de Cientistas de Dados
nos Estados Unidos
Thiago Schiavo Mosqueiro
Applied Scientist @ Amazon.com
thmosqueiro.vandroiy.com
Opiniões nesta apresentação são pessoais

Aviso:
Mantenha em mente que nada do que vou falar nessa
apresentação é regra e existem experiências muito diversas
na área de ciências de dados

Conteúdo
Hoje vamos focar em perfis de cientistas e habilidades interpessoais que
são buscadas por empresas aqui nos EUA
Summário:
• Ambiente P&D em empresas nos EUA
• Cientistas como pessoas focadas em ambiguidade
• Alguns prefis de cientistas de dados
• Perguntas Frequentes sobre o mercado

Ambiente de Pesquisa &
Desenvolvimento (P&D)
em empresas

Ciclo de vida mais comum de projetos
Visão do Produto
Requerimentos
Teste
Desenvolvimento
Lançamento e Operações

Visão do Produto
Requerimentos
Teste
Desenvolvimento
Modelo Cascata
(waterfall)

Visão do Produto
Requerimentos
Teste
Desenvolvimento
Thanks Viktorvoigt,
at WikiMedia

Visão do Produto
Requerimentos
Teste
Desenvolvimento
Onde eu posso
ajudar?

Visão do produto e requirementos
Teste
Desenvolvimento
Visão do Produto
Requerimentos
Stakeholders
Gerentes
Engenheiro de
Software

Teste
Desenvolvimento
Visão do Produto
Requerimentos
Eu quero X e Y sob
condições Z e W
Stakeholders
Gerentes
Engenheiro de
Software
Experimentos mostram
X é possível, mas Y é inviável.
Podemos remover a
condição Z?

Teste
Desenvolvimento
Visão do Produto
Requerimentos
O que é necessário para
construir X?
Stakeholders
Gerentes
Engenheiro de
Software
Precisamos de um sistema
que realize tarefas […] e
precisamos de pessoas com
talentos […]

Teste
Desenvolvimento
Visão do Produto
Requerimentos
Quais os principais components
pra lançar a funcionalidade X?
Stakeholders
Gerentes
Engenheiro de
Software
Precisamos de um novo
modelo/métrica/[…] que
use dados […]

Teste, lançamento e operações
Teste
Desenvolvimento
Stakeholders
Engenheiro de
Software
Visão do Produto
Requerimentos
Qual está sendo o impacto do
lançamento de X? A condição Z
era importante mesmo?
Usuários estão reportando
reviews muito melhores com X.
Dados mostram que sem
condição Z, nós perderíamos
10% dos usuários.

Teste, lançamento e operações
Teste
Desenvolvimento
Stakeholders
Engenheiro de
Software
Visão do Produto
Requerimentos Qual forma de capturer defeitos
de forma automatizada?
Você pode adicionar checagem
em quando a confiança domodelo cai abaixo de 40%? Essas
Interações provavelmenteresultam eme defeitos.

Visão do Produto
Requerimentos
Desenvolvimento
Teste
Desenvolvimento
StakeholdersGerentes
Engenheiro de
Software

Visão do Produto
Requerimentos
Desenvolvimento
Teste
Desenvolvimento
Palavra chave costuma ser: Ambiente Ágil ou Rápido!

Visão do Produto
Requerimentos
Desenvolvimento
Teste
Engenheiro de
Software
Desenvolvimento

Visão do Produto
Requerimentos
Desenvolvimento
Teste
Engenheiro de
Software
Im
pressõese
sugestões
Desenvolvimento

Visão do Produto
Requerimentos
Desenvolvimento
Teste
Engenheiro de
Software
Requerimentos
mudaram, provê
atualizações ao projeto
Desenvolvimento

Visão do Produto
Requerimentos
Desenvolvimento
Teste
Desenvolvimento
Engenheiro de
Software

Visão do Produto
Requerimentos
Desenvolvimento
Teste
Desenvolvimento
Engenheiro de
Software
Muito similar ao ambiente de
desenvolvimento acadêmico!
Também similar à
pensamentos de
desenvolvimento ágil

Cientista de dados como pessoas
focadas em problemas ambiguos

Similaridades com academia
Tema principal: Cientistas de dados focam em Trabalhar com Ambiguidade
• Tarefas mais ligadas a perguntas abertas:
“Como a gente pode descobrir qual das opções 1 e 2 de solução os
consumidores preferem?”
• Acostumado(a) a testar e mudar hipóteses via experimentação:
“O modelo X não conseguiu satisfazer o requiremento de Y, teremos que
adicionar variáveis de confusão.”
• Acostumado(a) a descrever raciocínios complexos de forma direta/concisa:
“Como eu posso fazer busca por jogos ser personalizada pra cada
consumidor?”

P&D em empresas grandes
Cientistas costumam focar-se em:
• Abordagens baseadas em dados e matemática
• Problemas conceitualmente difíceis:
Qual a forma de resolver?
• Coleta e processamento de dados, modelagem, codificação
de modelo, experimentação

R&D em empresas grandes
Cientistas costumam focar-se em:
• Abordagens baseadas em dados e matemática
• Problemas conceitualmente difíceis:
Qual a forma de resolver?
• Coleta e processamento de dados, modelagem, codificação
de modelo, experimentação
Engenheiros de Software costumam focar:
• Desenvolvimento de sistemas testáveis e que escalam
• Problemas difíceis de execução:
Como implementar e manter?
• Design de sistemas, desenvolvimento, criação de
processos, testes, soluções de reversão

Perfis que melhor desempenham esse papel..
• São perfis que comunicam-se de forma clara com qualquer indíviduo
• Tendem a não dizer “não” antes de pensar com calma
• Aprendem quando dizer “não” para ideias sem fundamento científico
• Assumem um papel de criar uma cultura de experimentação
• São perfis que sabem como se comunicar de forma eficaz

Escrita como forma de escalar você mesmo…

Alguns perfis diferentes de
cientistas de dados

As categorizações que descrevo a seguir variam de
empresa para empresa, mas parecem estar começando
a se estabelecer como padrão cada vez mais…

Perfis: Data Analyst / Business Intelligence
Experts em visualização e reportage de métricas
importantes para a empresa
Foco:
• Desenvolvimento de KPI
• Interface com Datawarehouses gigantes
• Referência em visualização de dados
• Suporta proposta de novas ideias usando
dados e métricas para estimar oportunidades
de ganhos

Perfis: Data Analyst / Business Intelligence
Interage com…
• Stakeholders diretamente para explicar e
sumarizar impactos
• Cientistas para entender modelos dos
quais vai criar métricas e dashboards
• Engenheiros de dados para criar
mecanismos mais robustos para gerar e
publicar métricas

Perfis: Data Scientist
Conexão entre problemas científicos mais elaborados
e áreas estratégicas para a empresa
Foco:
• Relatórios focados em analyses mais complexas
• Interface com Datawarehouses gigantes
• Análises ad-hoc e explanatórias (“quanto a gente
deve gastar no próximo quarter?”)
• Empodera processos de tomadas de decisão
critérios lógicos e dados
• Análises mais aprofundadas nos dados em busca
de padrões

Perfis: Data Scientist
Interage com…
• Stakeholders para explicar e sumarizar
impactos
• Cientistas para ter conhecimento mais
aprofundado dos modelos usados pelas
soluções da empresa
• Engenheiros para tornar analyses ad-hoc
em processos reprodutíveis e contínuos

Perfis: Research Scientists
Experts absolutos em conduzir pesquisas e testar
hipóteses inovadoras. Não necessáriamente
conhecem tantos detalhes in produtos ou software.
Foco:
• Inovação por meio de experimentação
• Criação de novos algorítmos e modelos
• Criação de provas de conceito (“in-lab”)
• Melhora methodologias e provê suporte a
tomada de decisão mais complexas
• Publica papers em jornais de relevância
• Mentora cientistas mais jovens
GoodFreePhotos

Perfis: Applied Scientist
Experts em conduzir pesquisas e testar hipóteses
inovadoras, com sólido conhecimento de produto
e desenvolvimento.
Foco:
• Inovação por meio de experimentação
• Criação de novos algorítmos e modelos
• Implementação de algorítmos novos no
ecosistema da empresa
• Melhora methodologias e provê suporte a
tomada de decisão mais complexas de forma
reprodutível
• Publica papers em jornais de relevância
• Mentora cientistas mais jovens
GoodFreePhotos

Perfis: Research/Applied Scientists
Interage com…
• Stakeholders para entender os problemas
que precisam ser resolvidos
• Cientistas para colaborar no
desevolvimento de soluções e métricas
• Engenheiros para desenhar e participar no
desenvolvimento mais robust das soluções
científicas propostas

Engenheiros de dados e ML
Tendência recente dado interesse de
engenheiros em ciências de dados
Exemplo de distinção:
• Engenheiros de dados: Pipelines robustas com checagem de qualidade automatizadas
• Cientistas: Experimentação e criação de novas formas de processamento de dados
• Engenheiros de ML: Processos reprodutíveis para o ciclo de vida de modelos (seleção de
features, modificações de modelo, AutoML, etc)
• Cientistas: Foco em modelagem e formas inovadoras de resolver problemas

Progressão de carreira
Business analyst Data Scientist Research Scientist Applied Scientist

Progressão de carreira
Business analyst Data Scientist Research Scientist Applied Scientist
Data
Engineer
Software
Development
Engineer

Empresas menores e inexperientes em R&D
• Cientistas tendem a receber muita visibilidade!
• Contrapartida:
• Falta de cultura científica estabelecida
• Maior esforço para convencer gerentes
• Naturalmente, há menos pessoas para realizar os
diferentes papeis comentados acima.
• É comum o cientista se tornar um “faz tudo”…
CEO

Expectativas infladas
• Ambientes assim geram expectativas irrealistas…
• Mais do que ocasionalmente, a gerentes e
recrutas procuram um candidato que é
• independente,
• experiência com AWS+AZURE+Gcloud,
• lança modelos via docker,
• gerência clusters com Spark,
• experiência como scum master,
• propões e implementa KPIs,
• cria dashboards com Tableau,
• estima finanças,
• etc…
by GoodFreePhotos

O mito do unicórnio
• Muitos de vocês conhecem todas essas
technologias….
• Mas exigir expertise em todos os itens, essas
são qualidades de um time inteiro, não uma
única pessoa.
• Se você identificar sinais de que estão
procurando um unicórnio, FUJA!
by GoodFreePhotos

Perguntas Frequentes

Qual o nível de inglês esperado?
• Inglês intermediário para avançado é padrão
• Dependendo do nível, ênfase na escrita:
• Ortografia é imprescindível
• Use expressões quando tiver certeza
• Escolher termos com precisão e clareza
• Resumir e ir direto ao ponto
• Não deixe de conferir ferramentas e técnicas
do NILC-USP:
http://www.nilc.icmc.usp.br/nilc
eConnekt
@pixabay

Como são currículos de cientistas?
Bastante variado!
• Mas uma regra é simples: Conheça sua audiência,
e prepare um currículo focado!
• Em ambientes mais acadêmicos:
• Resume contêm competências e pontos mais relevantes do
seu histórico para chamar atenção pra você como candidato
(1 página)
• Curriculum vitae é um documento focado em sumarizar a
experiência e produção do candidato, incluindo detalhes
como histórico de publicação(>2 páginas).

Como são currículos de cientistas?
• Ter papers é bastante importante em geral! Demonstra
experiência com textos revisados por outros experts
• Experiências ensinando, como professor ou tutor,
pontuam habilidades de liderança
• Links para materiais extras relevantes podem ajudar!
• Exemplos: Figuras, animações, video abstracts, blog posts com
metodologia, etc.
• Se tiver um website com portfolio, link!

Qual a formação de cientista de dados nos EUA?
• Tendência dos últimos anos: Curso de Mestrado
• Currículo costuma abranger:
• Matemática aplicada
• Probabilidade
• Programação científica
• Estatística / bioestatística
• Design experimental
• Visualização de dados
• Aprendizagem de máquina
• Ética e privacidade
• Comunicação
• Entre outros….
• Existem também cursos focados (e.g. Finanças ou Genômica)

https://ischoolonline.berkeley.edu/
data-science/curriculum/

https://www.washington.edu/
datasciencemasters/curriculum/

https://www.coursera.org/
specializations/jhu-data-science

Como funciona trabalho remoto?
• A maioria das empresas é bastante aberta
com trabalhar de casa
[…mesmo antes da pandemia]
• A maioria dos gerentes consideram:
• Conforto para desempenhar trabalho
• Produtividade geral
• Não esgotar cientistas
• Sugestão: Fale com o hiring manager
diretamente!
PixaBay

Quais os requisitos mínimos mais comuns?
Exigências comuns:
• Ensino superior em áreas relevantes (indiferente sobre qual
universidade)
• Programação científica, SQL e processamento de dados
• Experiência em resolução de problemas
Preferências comuns:
• Doutorado em área relevante (física, matemática, ciências da
computação, etc)
• Experiência com datawarehouse e Spark
• Visualização de dados e criação de KPIs
• Software specificos (Weka, SASS, Matlab, etc.)

Vaga bastante alinhada
com o perfil de um
cientista aplicado

Vaga bastante alinhada
com o perfil de um
analista de dados

Como se preparar para aplicar? Salário, entrevista?
Existem diversos recursos, como
GlassDoor e LinkedIn!
Comentários são úteis para
aprender sobre o processo
seletivo e a experiência na
compania
Antes de aceitar propostas ou
negociar, faça sua pesquisa!

Qual linguagem de programação se focar?
• A maioria das posições disponíveis não
requerem uma linguagem específica!
• Python tem algumas vantagens:
• Simples e rápido para uma entrevista
• Comunidade engajada!
• Web está cheia de exemplos
• Documentação excelente
• Para ver linguagens mais desejadas e outras
estatísticas nos EUA, GlassDoor ou LinkedIn
são fontes confiáveis.
Wikipedia

R ou Python?
• Python. Mas R também.
• Muitos vão dizer Python, devido à generalidade
da línguagem
• R ainda têm vantagens em diversas áreas (e.g.
Modelos Lineares Generalizados)
• Focar em algoritmos e metodologias cria
oportunidades para colaborar com
ambos os lados
Neutral President, do Planeta Neutro
(Futurama)

Obrigado pela atenção! J
Para contato: thmosqueiro.vandroiy.com

Os Perfis dos Cientistas de Dados nos Estados Unidos

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Os Perfis dos Cientistas de Dados nos Estados Unidos

Semelhante a Os Perfis dos Cientistas de Dados nos Estados Unidos (20)

Mais de Thiago Mosqueiro

Mais de Thiago Mosqueiro (12)

Os Perfis dos Cientistas de Dados nos Estados Unidos