>Как вкатывались?
Учился изначально на математика, в аспирантуру пошел на ML, перекатился в дейта инижиниринг.
>маст хэв
Владеть (то есть представлять теорию + уметь решать базу + знать основные сюжеты) линаломатаном + Python + Linux + Git + SQL server + Docker + Postgresql + Clickhouse + Kubernetes + Kafka + Numpy + Pandas + ETL/ELT.
Ну и алгосики, конечно. Лекции Хирьянова в помощь + задачи какие нибудь найдешь. Но учти что это база! Чтобы расти надо будет взяться когда-нибудь за монстра - Кормена.
Твёрдый джун+ из тя выйдет.
> Docker + Postgresql + Clickhouse + Kubernetes
Интересное сочетание.
Спасибо. Разъясни ещё про матан и тд. Начитался, что всякие математикт и им подобные это сфера именно дата сайентистов, а не инжиниров. На деле не так?
>На деле не так?
Ну непосредственно в работе матан и линал не то чтобы нужен.
Но он нужен во многих приложениях + прикладных как ни странно штуках.
Ну то есть вот ты написал прогу, надо теоретически оценить скорость её работы и подумать а можно ли вообще ускорить её, аналитические приближения знать полезно, графы в алгосах, ну мульён тем с которыми даже если знакоиться на хорошем поверхностном уровне не хватит жизни, но всё это всегда строится на двух хуястых слонах - матане и линале.
И к тому же чтобы иногда полезно быть в курсе что у ДСиков там, исследования их почитывать, а там сплошная математиков.
Но не пугайся, линал и матан это не какая-нибудь гомотопическая К-теория, не то чтобы это что-то супер абстрактное и сложное, тем более если тебе даже понимать это не надо, а просто возыметь какое-то качественное понимание + технические навыки освоить.
Для вката нужен только скл
Последнее время не отпускает мысль вкатиться в дата инжениринг. Поэтому пару вопросов. Как вкатывались? Что маст хэв знать? Какие скиллы уже были на момент вката? Какой стэк сейчас используете? И тд