יום עבודה טיפוסי

6:45 - קם לגרד את הילדים מהמיטה.

8:00 - מוריד את הילדים ויוצא לעבודה בימים שעובד מהמשרד. עובד יומיים בשבוע מהבית. ימי משרד מוקדשים בד"כ לפגישות ולסידורים שקשורים לעבודה. ימי בית מוקדשים לכתיבת קוד, ניתוח נתונים, דברים שדורשים ריכוז וזמן ללא הפרעות.

9:00מגיע לעבודה, עובר על מיילים וכותב קוד. אלו השעות השקטות במשרד ויש זמן להתרכז.

12:00ארוחת צהריים עם ​הצוות, בד"כ במשרד, לפעמים יוצאים.

13:00פגישות צוות, פגישות עם מפתחים ומדעני נתונים ממייקרוסופט ומחברות אחרות על הפרויקט עליו אנחנו עובדים. 

בקבוצה שלי (10 אנשים בארץ, 700 בעולם) אנחנו עוזרים ללקוחות הכי גדולים של מיקרוסופט ​(כמו WalMartהאיחוד האירופאיBank of AmericaDelta) לפתור בעיות עסקיות בענן. אני אוהב את זה כי יש שילוב טוב בין פתרון בעיות בעולמות ה data science, עבודה עם לקוחות וניהול הפרויקט, ופיתוח תוכנה. כל פרויקט הוא חדש לגמרי ודורש לחשוב על הבעיה, להציע רעיונות, לקרוא ספרות ושיטות קיימות, לתכנן ביחד עם הארכיטקטים את ה pipeline של הדאטה ואיך המודל הסטטיסטי משתלב במערכת שנבנית. את כל זה עושים ביחד עם הלקוח על מנת שיכיר את כל השיקולים ויוכל להמשיך לעבוד על זה אחרי שנסיים ונעבור ללקוח הבא. הרבה פעמים יוצא גם לראות בעיה שחוזרת על עצמה, מה שמביא אותנו לכתוב פיתרון בקוד פתוח ולפרסם אותה ב GitHub (למשל: החבילה ​הזו שפיתחנו בצוות הישראלי).

18:00​ - ​​יציאה לכיוון הבית. בימים בהם אני מהבית אני מוציא את הילדים ומסיים לעבוד ב 16:00. במידה וצריך (ויש כוח) ממשיך בערב. בערך פעם בשבוע יש פגישות ערב עם ארה"ב.​​

מסר לסטודנטים

לתפקידי דאטה סיינס מגיעים ממגוון רקעים. רוב האנשים מגיעים ממדעי המחשב, אבל יש מגמה של יותר מהנדסים ובפרט תעשיה וניהול המשתלבים בתעשיה בתחום הזה. קורסים רבים בתואר עוסקים בכלים אנליטיים לפתרון בעיות עסקיות, והכלים האלו רלוונטים מאד לעולם הדאטה סיינס. יצא לי להשתמש בעבודה בכלים שלמדתי בהסתברות, אמידה, תפ"י, חקר ביצועים, רגרסיה, סימולציה, תכנות מונחה עצמים ועוד ועוד. 

​היתרון של מהנדס תעשיה וניהול על מישהו מתוכנה או מדמ"ח ​הוא ברקע עשיר יותר בסטטיסטיקה והסתברות, וגישה בד"כ טובה יותר לצד העסקי של הבעיה שמנסים לפתור. הצוותים הכי טובים שאני מכיר מכילים אנשים מרקעים שונים, כמו תעו"נ, חשמל ומדמ"ח, ואפילו ביולוגיה וכימיה.​

DataSc.webp