Data science master

evili

Νεοφερμένος

Η evili αυτή τη στιγμή δεν είναι συνδεδεμένη. Είναι Απόφοιτος και μας γράφει απο Θεσσαλονίκη (Θεσσαλονίκη). Έχει γράψει 18 μηνύματα.
Έχει κάποιος άποψη(αρνητική ή θετική) δική του ή μέσω γνωστού για τα μεταπτυχιακά (στην Αθήνα ) που παίζουν αυτή τη στιγμή για data?
Καθώς έχει και το ΟΠΑ & το ΠΑΠΕΙ & το ΕΚΠΑ
 

nPb

Επιφανές μέλος

Ο nPb αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Μεταπτυχιούχος και μας γράφει απο Γερμανία (Ευρώπη). Έχει γράψει 19,771 μηνύματα.
Έχει κάποιος άποψη(αρνητική ή θετική) δική του ή μέσω γνωστού για τα μεταπτυχιακά (στην Αθήνα ) που παίζουν αυτή τη στιγμή για data?
Καθώς έχει και το ΟΠΑ & το ΠΑΠΕΙ & το ΕΚΠΑ

Σε σοβαρά Πανεπιστήμια του κόσμου, ζητάνε μια γνώση Α πριν πας για σπουδές σε αυτό το αντικείμενο π.χ. με κάποια πρακτική από το προπτυχιακό. Επίσης, στην αγορά εργασίας αν σε ενδιαφέρει κάποια χώρα εκτός Ελλάδας, ζητάνε πολλά πράγματα και ικανότητες μαζί με τις γνώσεις σε Data Science.

Τι γνωρίζεις από Νευρωνικά Δίκτυα, Dictionary Learning, Supervised / Un- Learning, ...κλπ;
 

vassilis498

Διακεκριμένο μέλος

Ο vassilis498 αυτή τη στιγμή δεν είναι συνδεδεμένος. Έχει γράψει 7,079 μηνύματα.
έχω ακούσει καλά λόγια για του ΟΠΑ, είναι και το πρώτο που άνοιξε, βέβαια στο ΟΠΑ το χουν καβαλήσει και λίγο με τα δίδακτρα σε βαθμό που να μην αξίζει για μένα, αλλά όπως κρίνεις.

ξέρω πως κάνει ένα ο Δημόκριτος σε συνεργασία με το ΠΑΠΕΛ αλλά αν και δυνατό lab ερευνητικά κάτι τέτοια μου μυρίζουν αρπαχτές.
 

evili

Νεοφερμένος

Η evili αυτή τη στιγμή δεν είναι συνδεδεμένη. Είναι Απόφοιτος και μας γράφει απο Θεσσαλονίκη (Θεσσαλονίκη). Έχει γράψει 18 μηνύματα.
Σε σοβαρά Πανεπιστήμια του κόσμου, ζητάνε μια γνώση Α πριν πας για σπουδές σε αυτό το αντικείμενο π.χ. με κάποια πρακτική από το προπτυχιακό. Επίσης, στην αγορά εργασίας αν σε ενδιαφέρει κάποια χώρα εκτός Ελλάδας, ζητάνε πολλά πράγματα και ικανότητες μαζί με τις γνώσεις σε Data Science.

Τι γνωρίζεις από Νευρωνικά Δίκτυα, Dictionary Learning, Supervised / Un- Learning, ...κλπ;


με νευρωνικα δίκτυα από το προπτυχιακό έχω ένα στοιχειώδες background βασικά έχω δει μόνο την εφαρμογή τους σε χρηματοοικονομικέ μεγέθη ,τα χρησιμοποιούσαμε κυρίως για το σχηματισμό προβλέψεων
Αυτόματη ένωση συνεχόμενων μηνυμάτων:

έχω ακούσει καλά λόγια για του ΟΠΑ, είναι και το πρώτο που άνοιξε, βέβαια στο ΟΠΑ το χουν καβαλήσει και λίγο με τα δίδακτρα σε βαθμό που να μην αξίζει για μένα, αλλά όπως κρίνεις.

ξέρω πως κάνει ένα ο Δημόκριτος σε συνεργασία με το ΠΑΠΕΛ αλλά αν και δυνατό lab ερευνητικά κάτι τέτοια μου μυρίζουν αρπαχτές.


του ΟΠΑ είναι όντως αρκετά πιο πάνω τα δίδακτρα αλλά έχει το + ότι γίνεται κυρίως στα αγγλικά
 

ag97

Εκκολαπτόμενο μέλος

Ο ag97 αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι 26 ετών και Μεταπτυχιακός φοιτητής στο τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων ΟΠΑ. Έχει γράψει 125 μηνύματα.
Καλησπέρα και απο μενα.Εγώ τελειωσα το τμημα ΟΔΕ στο ΟΠΑ χωρις να παρακολουθησω μαθηματα προγραμματισμου.Μονο ενα πιστοποιητικο σε data science απο coursera εχω + καποια υποχρεωτικα μαθηματα σε excel,information systems(θεωρητικα ομως) μαζι με ποσοτικες 1,2,3 που ειχα καλη σχεση.Ακούω καλα λογια για 2 μαστερ στο Ροτερνταμ το Business Information Management και το Business Analytics & Management που ξεκιναει φετος,και τα 2 σχετικα με data science.Η απορια μου προς τον @nPb ή οποιον αλλον ξερει ειναι αν θα ηταν σκοπιμο να ακολουθησω ενα μεταπτυχιακο σε αυτο τον κλαδο ή αν θα βαλτωσω και θα επρεπε να ακολουθησω ενα πιο κλασικο quantitative msc(δε θελω κατι θεωρητικο οπως strategy,marketing)... οπως finance που ηταν η κυρια επιλογη μεχρι λιγα χρονια πριν.
(ΥΓ:Δεν εχω σαφη προτιμηση στο γνωστικο αντικειμενο απλα ακουω οτι το 1ο εχει φουλ αποκατασταση ενω το 2ο οχι τοσο πλεον) .
 

Samael

Τιμώμενο Μέλος

Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,062 μηνύματα.
Καλησπέρα και απο μενα.Εγώ τελειωσα το τμημα ΟΔΕ στο ΟΠΑ χωρις να παρακολουθησω μαθηματα προγραμματισμου.Μονο ενα πιστοποιητικο σε data science απο coursera εχω + καποια υποχρεωτικα μαθηματα σε excel,information systems(θεωρητικα ομως) μαζι με ποσοτικες 1,2,3 που ειχα καλη σχεση.Ακούω καλα λογια για 2 μαστερ στο Ροτερνταμ το Business Information Management και το Business Analytics & Management που ξεκιναει φετος,και τα 2 σχετικα με data science.Η απορια μου προς τον @nPb ή οποιον αλλον ξερει ειναι αν θα ηταν σκοπιμο να ακολουθησω ενα μεταπτυχιακο σε αυτο τον κλαδο ή αν θα βαλτωσω και θα επρεπε να ακολουθησω ενα πιο κλασικο quantitative msc(δε θελω κατι θεωρητικο οπως strategy,marketing)... οπως finance που ηταν η κυρια επιλογη μεχρι λιγα χρονια πριν.
(ΥΓ:Δεν εχω σαφη προτιμηση στο γνωστικο αντικειμενο απλα ακουω οτι το 1ο εχει φουλ αποκατασταση ενω το 2ο οχι τοσο πλεον) .

Τα μεταπτυχιακά αυτά δεν μου φαίνονται και πολύ σχετικά με Data science . Σίγουρα χρησιμοποιούν έννοιες του,αλλά όχι σε τόσο υψηλό επίπεδο ώστε να έχεις πρόβλημα . Απλά μάθε python & R και θα είσαι καλυμμένος πιστεύω for the most part .
 

vassilis498

Διακεκριμένο μέλος

Ο vassilis498 αυτή τη στιγμή δεν είναι συνδεδεμένος. Έχει γράψει 7,079 μηνύματα.
to data science γενικά είναι umbrella term. Αυστηρά μιλώντας data scientists είναι κάτι τύποι με διδακτορικά που γράφουν μοντέλα σε python/R και συνήθως τους τσιμπάνε σε RnD μεγάλων εταιρειών, αλλά δεν έχει και πολύ νόημα να μιλάμε για τέτοια άτομα τη στιγμή που αποτελούν ένα 1% (?) του κλάδου.

Όσο πιο πολύ προσεγγίζουμε τη business πλευρά του επαγγέλματος τόσο περισσότερο μειώνονται οι ανάγκες για programming ή/και math skills και γίνεται περισσότερο value'd η όποια εμπειρία σε industry, αλλά αυτά είναι υποθέσεις δεν έχω μεγάλη επαφή με τον κλάδο.

πάντως η επαγγελματική ανέλιξη δε σχετίζεται τόσο με το τι μεταπτυχιακό θα κάνεις κατά τη γνώμη μου, ούτε θα σε κανει κανείς manager επειδή τέλειωσες και που γράφει management. Διάβασε αυτά που σου αρέσουν και μετά βλέποντας και κάνοντας. Το σημαντικό για μένα είναι να αποκτάς προϋπηρεσία νωρίς και να χεις σωστό mindset να εξελίσσεσαι.
 

Samael

Τιμώμενο Μέλος

Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,062 μηνύματα.
to data science γενικά είναι umbrella term. Αυστηρά μιλώντας data scientists είναι κάτι τύποι με διδακτορικά που γράφουν μοντέλα σε python/R και συνήθως τους τσιμπάνε σε RnD μεγάλων εταιρειών, αλλά δεν έχει και πολύ νόημα να μιλάμε για τέτοια άτομα τη στιγμή που αποτελούν ένα 1% (?) του κλάδου.

Όσο πιο πολύ προσεγγίζουμε τη business πλευρά του επαγγέλματος τόσο περισσότερο μειώνονται οι ανάγκες για programming ή/και math skills και γίνεται περισσότερο value'd η όποια εμπειρία σε industry, αλλά αυτά είναι υποθέσεις δεν έχω μεγάλη επαφή με τον κλάδο.

πάντως η επαγγελματική ανέλιξη δε σχετίζεται τόσο με το τι μεταπτυχιακό θα κάνεις κατά τη γνώμη μου, ούτε θα σε κανει κανείς manager επειδή τέλειωσες και που γράφει management. Διάβασε αυτά που σου αρέσουν και μετά βλέποντας και κάνοντας. Το σημαντικό για μένα είναι να αποκτάς προϋπηρεσία νωρίς και να χεις σωστό mindset να εξελίσσεσαι.

Δεν βλέπω πως κάποιος μπορεί να θεωρηθεί οτι δουλεύει ως data scientist(που δεν είναι εαν δεν έχει κατάλληλη προπτυχιακή εκπαίδευση but anyways) και να μην γνωρίζει έστω μια γλώσσα προγραμματισμού .
 

Guest 336742

Επισκέπτης

αυτή τη στιγμή δεν είναι συνδεδεμέν. Δεν έχει γράψει κανένα μήνυμα.
Δεν βλέπω πως κάποιος μπορεί να θεωρηθεί οτι δουλεύει ως data scientist(που δεν είναι εαν δεν έχει κατάλληλη προπτυχιακή εκπαίδευση but anyways) και να μην γνωρίζει έστω μια γλώσσα προγραμματισμού .
Έχω μία αίσθηση ότι μπήκαν στο παιχνίδι και οι consultants.

Μ'αυτό θέλω να πω ότι συχνά και οι consultants και οι data scientists ασχολούνται με δεδομένα προκειμένου να πάρουν αποφάσεις για business, απλά ο πρώτος δίνει ακόμα περισσότερη έμφαση στο business ενώ ο δεύτερος πιο πολύ στο data. Οι consultants μπορεί να μην έχουν καλή γνώση προγραμματισμού όπως και μαθηματικών, σε αντίθεση με τους data scientists, οι οποίοι δεν έχουν πολλές γνώσεις business.

Γενικά πάντως και στις 2 θέσεις μπορείς να δεις άτομα με διδακτορικό σε διαφορετικό αντικείμενο (έχω δει πχ. βιολόγο consultant, χημικό data scientist). Να σημειωθεί όμως ότι και οι 2 μπήκαν απευθείας σε υψηλή θέση. Ο πρώτος δεν έγινε ποτέ analyst ενώ ο 2ος δεν έγινε ποτέ junior data scientist (έκαναν όμως πρακτική ένα τρίμηνο).
 
Επεξεργάστηκε από συντονιστή:

Samael

Τιμώμενο Μέλος

Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,062 μηνύματα.
Έχω μία αίσθηση ότι μπήκαν στο παιχνίδι και οι consultants.

Μ'αυτό θέλω να πω ότι συχνά και οι consultants και οι data scientists ασχολούνται με δεδομένα προκειμένου να πάρουν αποφάσεις για business, απλά ο πρώτος δίνει ακόμα περισσότερη έμφαση στο business ενώ ο δεύτερος πιο πολύ στο data. Οι consultants μπορεί να μην έχουν καλή γνώση προγραμματισμού όπως και μαθηματικών, σε αντίθεση με τους data scientists, οι οποίοι δεν έχουν πολλές γνώσεις business.

Γενικά πάντως και στις 2 θέσεις μπορείς να δεις άτομα με διδακτορικό σε διαφορετικό αντικείμενο (έχω δει πχ. βιολόγο consultant, χημικό data scientist). Να σημειωθεί όμως ότι και οι 2 μπήκαν απευθείας σε υψηλή θέση. Ο πρώτος δεν έγινε ποτέ analyst ενώ ο 2ος δεν έγινε ποτέ junior data scientist (έκαναν όμως πρακτική ένα τρίμηνο).

Ως consultant θα μπορούσε φαντάζομαι να δουλέψει, και μάλλον σε αυτό στοχεύουν αυτά τα μεταπτυχιακά . Ως μεσάζοντας ανάμεσα σε data scientists και σε άλλους ακόμα πιο πολύ στα των επιχειρήσεων θα πρέπει όμως να είναι σε θέση να αντιληφθεί κάποια βασικά πράγματα για να επικοινωνεί άνετα με τους data scientists . Και ας είμαστε ειλικρινείς γνώση μιας γλώσσας προγραμματισμού δεν βλάπτει,ίσα ίσα μπορεί να είναι πολύ θετικό εαν όχι και υποχρεωτικό στις περισσότερες δουλειές .

Δυνητικά μπορεί να δουλέψει οποιοσδήποτε ως data scientist ,αφού πράγματι όλες οι επιστήμες χρησιμοποιούν data. Το ίδιο το internet εξάλλου ξεκίνησε απο το CERN που αφορούσε διευκόλυνση της ανταλλαγής δεδομένων των πειραμάτων της φυσικής υψηλών ενεργειών . Που είναι τελείως άσχετο με το πως το χρησιμοποιεί ο μέσος άνθρωπος στην καθημερινότητα του .

Σε αυτό το κομμάτι εννοώ οτι άλλο να ξέρεις ορισμένα κολπάκια στο κάθε πεδίο και άλλο να ξέρεις τις βασικές αρχές και τα + και - τους ώστε να τα εφαρμόζεις σε διαφορεστικές περιστάσεις αποτελεσματικά . Μπορείς να πεις οτι έχεις κάνει δουλειά που αφορά data αλλά είναι άλλο πράγμα να πεις οτι είσαι data scientist . Εγώ λόγου χάρη μπορεί να μου αρέσει να παρατηρώ τα άστρα με δικό μου προσωπικό τηλεσκόπιο,αλλά δεν με κάνει αστρονόμο. Προφανώς όμως σαν εμπειρία μετράει .
 

vassilis498

Διακεκριμένο μέλος

Ο vassilis498 αυτή τη στιγμή δεν είναι συνδεδεμένος. Έχει γράψει 7,079 μηνύματα.
Δεν βλέπω πως κάποιος μπορεί να θεωρηθεί οτι δουλεύει ως data scientist(που δεν είναι εαν δεν έχει κατάλληλη προπτυχιακή εκπαίδευση but anyways) και να μην γνωρίζει έστω μια γλώσσα προγραμματισμού .

ποια είναι η κατάλληλη προπτυχιακή εκπαίδευση; η python; το spss; το excel; η αναπαράσταση δεδομένων;

ironically enough το πιο γνωστό data science μεταπτυχιακό της χώρας που είναι της ΑΣΟΕΕ υπάγεται στο τμήμα ΔΕΤ και απαρτίζεται κατά κόρον από δετάριους, κάτι λέει αυτό. κατά τ' άλλα ξέρω άτομα που κάνουν τέτοια μεταπτυχιακά με προπτυχιακό βιολογίας...

Ακόμη και στο πιο hardcore level του και εξαιρώντας τους big data guys ο κώδικας που θα γράψει ένας data scientist δεν είναι τραγικός, δεν μιλάμε για software engineers με την κλασική έννοια glue code σε python και παιχνίδι με 3-4 libraries με έτοιμους αλγόριθμους, η δυσκολία και το technical expertise βρίσκεται αλλού.

Κατά τ' άλλα επεξεργασία δεδομένων μπορείς να κάνεις και στο excel και στην πλειονότητα των περιπτώσεων μιλάμε για μονοπάτια των BI, sql reports klp. Μη φανταστεί κανείς πως θα πάει σε καμιά εταιρεία της σειράς και θα τον βάλουν να κάνει deep learning.
 

Samael

Τιμώμενο Μέλος

Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,062 μηνύματα.
ποια είναι η κατάλληλη προπτυχιακή εκπαίδευση; η python; το spss; το excel; η αναπαράσταση δεδομένων;

ironically enough το πιο γνωστό data science μεταπτυχιακό της χώρας που είναι της ΑΣΟΕΕ υπάγεται στο τμήμα ΔΕΤ και απαρτίζεται κατά κόρον από δετάριους, κάτι λέει αυτό. κατά τ' άλλα ξέρω άτομα που κάνουν τέτοια μεταπτυχιακά με προπτυχιακό βιολογίας...

Ακόμη και στο πιο hardcore level του και εξαιρώντας τους big data guys ο κώδικας που θα γράψει ένας data scientist δεν είναι τραγικός, δεν μιλάμε για software engineers με την κλασική έννοια glue code σε python και παιχνίδι με 3-4 libraries με έτοιμους αλγόριθμους, η δυσκολία και το technical expertise βρίσκεται αλλού.

Κατά τ' άλλα επεξεργασία δεδομένων μπορείς να κάνεις και στο excel και στην πλειονότητα των περιπτώσεων μιλάμε για μονοπάτια των BI, sql reports klp. Μη φανταστεί κανείς πως θα πάει σε καμιά εταιρεία της σειράς και θα τον βάλουν να κάνει deep learning.

Εαν μιλάμε για σωστή εκπαίδευση : Πρόκειται για άνθρωπο που έχει γερά θεμέλια σε στατιστική , γραμμική άλγεβρα , βελτιστοποίηση , λογισμό πινάκων ,μετασχηματισμούς , θεωρία αλγορίθμων , υπολογιστική πολυπλοκότητα, δίκτυα,βάσεις δεδομένων , τεχνητή νοημοσύνη , θεωρία επεξεργασίας σήματος, κάποια στοιχεία αρχιτεκτονικής υπολογιστών , θεωρία ανίχνευσης , θεωρία της πληροφορίας και κάμποσα άλλα θέματα και πεδία ανάλογα τι data χρησιμοποιείς . Π.χ. ήχος ; φωνή ; οικονομικά ; βιολογικά ; . Το καθένα προσθέτει έξτρα γνώσεις που χρειάζονται .

Δεν σημαίνει οτι εαν δεν έχεις όλα τα προηγούμενα δεν μπορείς να κάνει data related δουλειά . Απλά εαν είναι να θεωρηθείς με την βούλα data scientist που έχει εμπειρία και ευρύτερη κατανόηση του πεδίου τα προηγούμενα είναι core . Αυτό που λες επομένως το καταλαβαίνω και το αναγνωρίζω . Απλά θέλω να τονίσω οτι λανθασμένα δίνεται ο τίτλος data scientists . Που στο κάτω κάτω data science είναι η στατιστική . Και ενώ παίζει σημαντικό ρόλο δεν είναι η μοναδική κρίσιμη γνώση που έχει ένας data scientist,παίζουν και άλλες που αφορούν τεχνολογικά ζητήματα παρά θεωρητικά . Αρά γενικότερα και το data scientist είναι λίγο πολύ κακώς ορισμένο .

So επειδή ένα πανεπιστήμιο δημιουργεί μεταπτυχιακό και κοτσάρει το όνομα δεν σημαίνει απαραίτητα οτι αντιπροσωπεύουν το πεδίο οι απόφοιτοι . Είναι πολύ ευρύτερο πεδίο που δεν περιορίζεται ούτε στο software engineering αλλά ούτε και σε οικονομικά τμήματα . Προφανώς η μέση εταιρία που θέλει μια απλή ανάλυση δεδομένων δεν χρειάζεται κάποιον με τόσο καλό background αλλά δεν σημαίνει οτι σαν πεδίο δεν έχει πολύ σοβαρό υπόβαθρο πέρα απο το να γνωρίζεις απλά python,spss ή excel. Άσχετα εαν το ξέρει κανείς ή όχι επειδή του αρκούν τα όσα μαθαίνει απο εμπειρία .
 
Τελευταία επεξεργασία:

vassilis498

Διακεκριμένο μέλος

Ο vassilis498 αυτή τη στιγμή δεν είναι συνδεδεμένος. Έχει γράψει 7,079 μηνύματα.
Καλά, δε θα μιλήσω για το data science καθώς δεν έχω επαγγελματική εμπειρία, αλλά άμα το πάμε έτσι θα έπρεπε να κάνουμε μια αντίστοιχη (και αρκετά παρόμοια μάλιστα) λίστα και για τους software engineers. Το θέμα εδώ είναι βέβαια πως η αγορά κατακλείζεται από ένα στρατό μεταξύ άλλων αρκετά skilled engineers οι οποίοι παρά την όποια πορεία μπορεί να έχουν είμαι σίγουρος πως πολλοί από αυτούς και ειδικά όσοι είναι αυτοδίδακτοι ή βγήκαν από bootcamps , δεν έχουν ιδέα ούτε τι είναι NP-complete πρόβλημα, ούτε ξέρουν από θεωρία γράφων, ούτε έχουν γράψει ποτέ στη ζωή τους assembly, and that's completely fine. Θα έλεγες πως όλοι αυτοί δεν είναι swe επειδή δεν έχουν το core background; Εγώ δεν θα έλεγα κάτι τέτοιο και προσωπικά θεωρώ πως ούτε στην πραγματικότητα ανταποκρίνεται, ούτε χαρακτηρίζει δίκαια ένα μεγάλο μέρος της αγοράς και σίγουρα είναι αρκετά ελιτιστικό.

Οι άνθρωποι κρίνονται από τη δουλειά τους, από το τι επιτυγχάνουν καθημερινά και πού έχουν φτάσει, όχι από το τι τελειώσανε ή τι (λένε ότι) ξέρουν. Όπως κι αντίστροφα, ο random τύπος που τέλειωσε μια σχολή μηχανικών της επαρχίας για να τα γαμήσει όλα και να αναλάβει το σουβλατζίδικο του πατέρα του του αρέσει να αποκαλείται μηχανικός ως και 15 χρόνια μετά, όχι ρε φίλε πλέον το πουλάκι πέταξε δεν είσαι μηχανικός σουβλατζής εσύ το επέλεξες και να ήθελες να κάνεις α;υτό που σπούδασες πλέον είναι αδύνατο καθώς τα χεις ξεχάσει όλα. Γιατί τα χω ακούσει κι αυτά.

Τώρα σε ό,τι αφορά τι θεωρείται data science or anything for that matter και τι όχι, ε αυτό που παρατηρώ εγώ είναι πως για την αγορά μιλαμε για umbrella term όπως γράφω πιο πάνω, σωστό ή λάθος οκ απόψεις είναι αυτές. Αν κάποιος θέλει να παίζει με tensor flow στη δουλειά του είμαι σίγουρος πως δεν θα τον εμποδίσει το όποιο abuse του όρου από το μέσο recruiter, θα έπρεπε να είναι σε θέση να διαχωρίσει το κρασί απ' το ξίδι.
 

Samael

Τιμώμενο Μέλος

Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,062 μηνύματα.
Καλά, δε θα μιλήσω για το data science καθώς δεν έχω επαγγελματική εμπειρία, αλλά άμα το πάμε έτσι θα έπρεπε να κάνουμε μια αντίστοιχη (και αρκετά παρόμοια μάλιστα) λίστα και για τους software engineers. Το θέμα εδώ είναι βέβαια πως η αγορά κατακλείζεται από ένα στρατό μεταξύ άλλων αρκετά skilled engineers οι οποίοι παρά την όποια πορεία μπορεί να έχουν είμαι σίγουρος πως πολλοί από αυτούς και ειδικά όσοι είναι αυτοδίδακτοι ή βγήκαν από bootcamps , δεν έχουν ιδέα ούτε τι είναι NP-complete πρόβλημα, ούτε ξέρουν από θεωρία γράφων, ούτε έχουν γράψει ποτέ στη ζωή τους assembly, and that's completely fine. Θα έλεγες πως όλοι αυτοί δεν είναι swe επειδή δεν έχουν το core background; Εγώ δεν θα έλεγα κάτι τέτοιο και προσωπικά θεωρώ πως ούτε στην πραγματικότητα ανταποκρίνεται, ούτε χαρακτηρίζει δίκαια ένα μεγάλο μέρος της αγοράς και σίγουρα είναι αρκετά ελιτιστικό.

Οι άνθρωποι κρίνονται από τη δουλειά τους, από το τι επιτυγχάνουν καθημερινά και πού έχουν φτάσει, όχι από το τι τελειώσανε ή τι (λένε ότι) ξέρουν. Όπως κι αντίστροφα, ο random τύπος που τέλειωσε μια σχολή μηχανικών της επαρχίας για να τα γαμήσει όλα και να αναλάβει το σουβλατζίδικο του πατέρα του του αρέσει να αποκαλείται μηχανικός ως και 15 χρόνια μετά, όχι ρε φίλε πλέον το πουλάκι πέταξε δεν είσαι μηχανικός σουβλατζής εσύ το επέλεξες και να ήθελες να κάνεις α;υτό που σπούδασες πλέον είναι αδύνατο καθώς τα χεις ξεχάσει όλα. Γιατί τα χω ακούσει κι αυτά.

Τώρα σε ό,τι αφορά τι θεωρείται data science or anything for that matter και τι όχι, ε αυτό που παρατηρώ εγώ είναι πως για την αγορά μιλαμε για umbrella term όπως γράφω πιο πάνω, σωστό ή λάθος οκ απόψεις είναι αυτές. Αν κάποιος θέλει να παίζει με tensor flow στη δουλειά του είμαι σίγουρος πως δεν θα τον εμποδίσει το όποιο abuse του όρου από το μέσο recruiter, θα έπρεπε να είναι σε θέση να διαχωρίσει το κρασί απ' το ξίδι.

Με παρεξήγησες , ο σκοπός μου δεν είναι να πω οτι επειδή κάποιος δεν το έχει σπουδάσει οτι δεν δικαιούται να ασχοληθεί και εν τέλει επαγγελματικά να αποκτήσει γνώσεις και εμπειρία στο εν λόγω αντικείμενο . Αλλά στην δεδομένη περίπτωση το να εξισώσεις την ολότητα του Data science και του information engineering με ένα μεταπτυχιακό στις επιχειρήσεις είναι τελείως abuse . Είναι umbrella άλλων πεδίων αλλά όχι ασυσχέτιστων και για αυτό δεν είναι απλά skill αλλά επιστήμη .

Για το software engineering ισχύει το ίδιο . Επειδή κάποιος μπορεί να πάει σε bootcamp και να πετύχει δεν θα πετάξουμε όλη την επιστήμη της πληροφορικής στα σκουπίδια ούτε θα αγνοήσουμε οτι έχει σοβαρό υπόβαθρο για να μυηθεί κανείς σε αυτή . Όπως και δεν θα προσληφθεί κάποιος σε μια θέση με σοβαρές ευθύνες που απαιτεί τέτοιο πτυχίο . Εαν έχει καταφέρει κάποιος να αποκτήσει κάπως αυτή την γνώση be my guest, συμφωνώ οτι θα πρέπει να τον αντιμετωπίζουν το ίδιο (και γίνεται ούτως η άλλως αυτό). Αλλά ξέρουμε πολύ καλά και οι δύο οτι αυτοί οι άνθρωποι είναι μετρημένοι και προφανώς δεν θα ισχύει για τον κάθε τυχαίο η εξαίρεση . Είναι σαν να δεχτείς οτι ένας απόφοιτος οικονομικού τμήματος είναι ισοδύναμος με έναν απόφοιτο πληροφορικής ως προς τις γνώσεις, επειδή έτυχε να κάνει ένα δύο μαθήματα προγραμματισμού, και μπορεί να αντεπεξέλθει στα day to day taks μιας τυπικής δουλειάς, στο πλαίσιο μιας απλής επεξεργασίας δεδομένων στο excel :P . ή οτι ένας λοιμοξιολόγος επειδή κάνει βασική στατιστική μπορεί να λέει οτι είναι στατιστικολόγος . Απόλυτος δεν είμαι πάντως,εαν κάποιος γουστάρει τόσο ας κυνηγήσει τέτοιες δουλειές . Ούτως η άλλως κανείς δεν μαθαίνει τα πάντα σε μια ζωή και απο την εμπειρία μας όπως λες κρινόμαστε,παρά απο το τι λέμε οτι ξέρουμε

Ωστόσο επίτρεψε μου να διαφωνήσω με το τελευταίο, και εαν θες συμφωνείς . Επειδή σπούδασες κάτι και δεν το εξασκούσες και το ξέχασες δεν σημαίνει οτι ήταν μάταιο . Άλλο να μάθεις και να καταλάβεις κάτι και να ξεχάσεις τις λεπτομέρειες και άλλο το να μην το διδάχτηκες και να μην το κατάλαβες ποτέ . Ο ένας θα έχει σημαντικά μεγαλύτερο ρυθμό επανεκμάθησης του από τον δεύτερο . Εκτός προφανώς εαν σπούδασες ιατρική αλλά δεν μετά δεν το ακολούθησες . Εε εκεί προφανώς υπάρχει θέμα :bleh: .

Πάντως σε κάθε περίπτωση εαν κάποιος θέλει να κάνει μεταπτυχιακό σε κάτι του στυλ τεχνητή νοημοσύνη νομίζω οτι κάποια basic math θα χρειαστούν όπως και η εξοικείωση με μια γλώσσα προγραμματισμού .
 

vassilis498

Διακεκριμένο μέλος

Ο vassilis498 αυτή τη στιγμή δεν είναι συνδεδεμένος. Έχει γράψει 7,079 μηνύματα.
Τα οικονομικά είναι κάπως διαφορετικη περίπτωση γιατί έχουν σαφή επαγγελματικά δικαιώματα δε βγάζεις ισολογισμούς χωρίς πτυχίο, ή τουλάχιστον αυτή την εντύπωση έχω. Στην πληροφορική αν περάσεις το interview είσαι τουλάχιστον για την εταιρεία, αυτό που λέει πως ψάχνει ό,τι κι αν τέλειωσες. Το πτυχίο δεν θα σου δώσει παραπάνω αρμοδιότητες, δεν είναι πως χωρίς μεταπτυχιακό δεν ανεβαίνεις θέση πχ, οι ευθύνες πάνε μαζί με managerial skills και προϋπηρεσία όχι με τις τεχνικές γνώσεις. Τα χαρτιά μετράνε ίσως για αρκετά υψηλές θέσεις από directors και πάνω κι αυτό γίνεται κυρίως για λόγους PR, δε λέει να χεις CTO χωρίς εκτενείς σπουδές πχ, αλλά μεταξύ μας όσοι είμαστε στο industry ξέρουμε πως στην πλειονότητά τους αυτά είναι λίγο για το θεαθήναι.

Τα μεταπτυχιακά γενικά εξυπηρετούν πάντα κάποιον σκοπό δε σου δίνουν mastery ούτε κάνουν box ticking υπάρχουν για να σε βοηθήσουν να εξειδικευτείς και σε πολλές περιπτώσεις να βρεις δουλειά σε εάν συγκεκριμένο κλάδο. Ούτε είναι άσπρο μαύρο ούτε αξιολογούνται όλα με τον ίδιο τρόπο. Όπως υπάρχουν καλοί, μέτριοι και κακοί data scientists με ή χωρίς μεταπτυχιακό έτσι και ο καλός επαγγελματιας ό,τι ρόλο κι αν βαράει από τον καθένα αξιολογείται διαφορετικά. Όπως καλός πληροφορικάριος για παράδειγμα για κάποιον είναι αυτός που έχει καλές θεωρητικές γνώσεις, για κάποιον άλλο αυτός που είναι αποτελεσματικός στο execution και νιώθει να κινήσει νήματα και να μιλήσει με κόσμο για κάποιον αυτός που είναι ενημερωμένος με τις τάσεις του industry και τις καλές πρακτικές (συνήθως τα 2 τελευταία), τώρα core ξε-core skills... όλα κάποια στιγμή καταλήγουν απλά να πιάνουν μια γωνίτσα στο cv σου.
 

Samael

Τιμώμενο Μέλος

Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,062 μηνύματα.
Τα οικονομικά είναι κάπως διαφορετικη περίπτωση γιατί έχουν σαφή επαγγελματικά δικαιώματα δε βγάζεις ισολογισμούς χωρίς πτυχίο, ή τουλάχιστον αυτή την εντύπωση έχω. Στην πληροφορική αν περάσεις το interview είσαι τουλάχιστον για την εταιρεία, αυτό που λέει πως ψάχνει ό,τι κι αν τέλειωσες. Το πτυχίο δεν θα σου δώσει παραπάνω αρμοδιότητες, δεν είναι πως χωρίς μεταπτυχιακό δεν ανεβαίνεις θέση πχ, οι ευθύνες πάνε μαζί με managerial skills και προϋπηρεσία όχι με τις τεχνικές γνώσεις. Τα χαρτιά μετράνε ίσως για αρκετά υψηλές θέσεις από directors και πάνω κι αυτό γίνεται κυρίως για λόγους PR, δε λέει να χεις CTO χωρίς εκτενείς σπουδές πχ, αλλά μεταξύ μας όσοι είμαστε στο industry ξέρουμε πως στην πλειονότητά τους αυτά είναι λίγο για το θεαθήναι.

Τα μεταπτυχιακά γενικά εξυπηρετούν πάντα κάποιον σκοπό δε σου δίνουν mastery ούτε κάνουν box ticking υπάρχουν για να σε βοηθήσουν να εξειδικευτείς και σε πολλές περιπτώσεις να βρεις δουλειά σε εάν συγκεκριμένο κλάδο. Ούτε είναι άσπρο μαύρο ούτε αξιολογούνται όλα με τον ίδιο τρόπο. Όπως υπάρχουν καλοί, μέτριοι και κακοί data scientists με ή χωρίς μεταπτυχιακό έτσι και ο καλός επαγγελματιας ό,τι ρόλο κι αν βαράει από τον καθένα αξιολογείται διαφορετικά. Όπως καλός πληροφορικάριος για παράδειγμα για κάποιον είναι αυτός που έχει καλές θεωρητικές γνώσεις, για κάποιον άλλο αυτός που είναι αποτελεσματικός στο execution και νιώθει να κινήσει νήματα και να μιλήσει με κόσμο για κάποιον αυτός που είναι ενημερωμένος με τις τάσεις του industry και τις καλές πρακτικές (συνήθως τα 2 τελευταία), τώρα core ξε-core skills... όλα κάποια στιγμή καταλήγουν απλά να πιάνουν μια γωνίτσα στο cv σου.

Δεν είναι όλες οι δουλειές του software engineer τόσο απλές και μπορούν να κοστίσουν και χρήμα και χρόνο αλλά και ζωές εαν γίνουν λάθη και ας υπάρχουν τα debugging tools . Βέβαια σε αυτό το σημείο εξαρτάται απο το κατά πόσο κάποιος θεωρεί την απώλεια μιας ζωής απο λάθος ενός άπειρου ή κακώς εκπαιδευμένου προγραμματιστή αμελητέο σε σχέση με την κακή οικονομική διαχείριση μιας εταιρίας λόγου χάρη . Και εαν θες έχω αρκετές περιπτώσεις τέτοιων περιστατικών να σου δείξω . Και αυτοί τώρα είναι και επαγγελματίες . Φαντάσου πόσο πιο άσχημο θα φαινόταν εαν με λίγο research έβρισκες οτι είχαν τελειώσει ένα οικονομικό τμήμα :rolleyes: . Και πάλι έχεις δίκιο για τις απλές δουλειές μπορεί και κάποιος λιγότερο ειδικευμένος να της αναλάβει αλλά είναι βαρύγδουπο να πει "Εγώ είμαι X" . Αλλα για χάρη του να ξέρουμε τι κάνει η κάθε ειδικότητα και τα HR να μην έχουν λάθος αντιλήψεις . Επομένως και αυτή η εγγύηση γύρω απο το πτυχίο δεν είναι λίγη . Αλλά ακόμα και εαν θες να την αγνοήσεις όπως είπα στο παράδειγμα μου... μπορεί να μου αρέσει να βλέπω τα άστρα,δεν με κάνει αστρονόμο ούτε σημαίνει οτι ξέρω καλά την επιστήμη της αστρονομίας . Απο εκεί και πέρα στα πλαίσια μιας επιχείρησης δήλωσε οτι γουστάρεις,δήλωσε και Kepler , αλλά ας μην λέμε οτι θέλουμε .
 

tsiobieman

Δραστήριο μέλος

Ο Δημήτρης αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι 23 ετών και Μεταπτυχιακός φοιτητής στο τμήμα Πληροφορικής & Τηλεπικοινωνιών ΕΚΠΑ. Έχει γράψει 798 μηνύματα.
ironically enough το πιο γνωστό data science μεταπτυχιακό της χώρας που είναι της ΑΣΟΕΕ υπάγεται στο τμήμα ΔΕΤ

το μόνο μεταπτυχιακό που έχει να κάνει με επιστήμη δεδομένων και προέρχεται από το ΟΠΑ είναι του τμήματος Πληροφορικής. Το ΔΕΤ δεν έχει ΠΜΣ επιστήμης δεδομένων. Όμως μπορείς να δηλώσεις συμμετοχή στο μεταπτυχιακό και από αυτό το τμήμα.
 

vassilis498

Διακεκριμένο μέλος

Ο vassilis498 αυτή τη στιγμή δεν είναι συνδεδεμένος. Έχει γράψει 7,079 μηνύματα.
το μόνο μεταπτυχιακό που έχει να κάνει με επιστήμη δεδομένων και προέρχεται από το ΟΠΑ είναι του τμήματος Πληροφορικής. Το ΔΕΤ δεν έχει ΠΜΣ επιστήμης δεδομένων. Όμως μπορείς να δηλώσεις συμμετοχή στο μεταπτυχιακό και από αυτό το τμήμα.

χμμ έχεις δίκιο δεν θυμάμαι γιατί το χα συνδέσει έτσι, ίσως γιατί ξέρω όντως αρκετούς δετάριους από κει

btw τώρα που ξανά μπήκα στο site βλέπω πως έχουν αυξήσει και τα δίδακτρα χαχαχαχ ε τους καραγκιόζηδες
 

tsiobieman

Δραστήριο μέλος

Ο Δημήτρης αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι 23 ετών και Μεταπτυχιακός φοιτητής στο τμήμα Πληροφορικής & Τηλεπικοινωνιών ΕΚΠΑ. Έχει γράψει 798 μηνύματα.
btw τώρα που ξανά μπήκα στο site βλέπω πως έχουν αυξήσει και τα δίδακτρα χαχαχαχ ε τους καραγκιόζηδες

Μεγαλώνουν τα δεδομένα , μεγαλώνουν και τα δίδακτρα!
1589107311643.png
 
Top