Situatie Arbeidsmarkt Data Science (junior)

[ThomasJu]

Hé allemaal,

Ik ben recent afgestudeerd met een masterdiploma in de richting data science, en heb hiervoor een AI bachelor gedaan. Ik ben dus 2 maanden geleden aan het solliciteren gegaan, maar heb het tot nu toe lastig gevonden om iets te vinden, en merk dat er veel gevraagd wordt naar mensen die al werkervaring hebben. Voor de junior functies lijkt er veel concurrentie te zijn.

Ik vroeg me af of er mensen zijn die hier inzichten in hebben voor me! Ik ben al meer richting data engineering gaan kijken, omdat er voor mijn gevoel veel mensen vanuit andere vakgebieden richting data science gaan. Ik heb best veel software development ervaring en hoop dus dat mij dat en voordeel kan geven. Ook ben ik aan het overwegen om te gaan kijken naar pure software development rollen, in de hoop dat ik dan over enkele jaren weer terug kan stromen richting data/ml engineering (waar mijn passie meer ligt dan software development). Is dat mogelijk?

Alle inzichten zijn welkom, alvast bedankt!

-Thomas

Info over mij om een beeld van de context te schetsen:

- Regio Amsterdam(/Randstad)
- BSc AI, MSc Data Science
- Relatief veel programmeerervaring, ervaring met allerlei verschillende talen, agile werken, linux, hobbyprojecten op github staan, etc,

[grasmanek94]

Benader je bedrijven direct of zit je met tussen-recruiters?
Beide geprobeerd?

Bedrijf waar ik zit wil altijd mensen, onze klant die heeft dan weer een hiring-stop.

Ik denk dat je een ongelukkig moment te pakken hebt? Nu worden waarschijnlijk de budgetten besproken en gemaakt voor volgend jaar, het beste kan je wss solliciteren in februari of mei (april/mei worden vaak ook nog budgetten bij bedrijven gemaakt en geaccordeerd, om vervolgens de hiring weer open te gooien).

Pin daar niet op vast, voor elk bedrijf kan dat anders zijn, maar mijn ervaring is dat budgetteren vooral in oktober-november of april-mei voorkomt.

Nu weet ik niet hoe het overal zit, maar bij de klant waar ik werk zijn er juist veel juniors (te veel eigenlijk) die allemaal begeleiding nodig hebben. De verhouding staat met de mediors/seniors scheef, ook daarom is er een hiring stop. (Omgeving Eindhoven)

In mei zul je weer het nadeel hebben dat de vakanties naderen, en mogelijk dus te weinig begeleiding beschikbaar zal zijn -- als dat niet erg is, ook prima toch?

[ Voor 39% gewijzigd door grasmanek94 op 16-11-2023 15:46 ]

[ThomasJu]

Bedankt voor je antwoord @grasmanek94!

Ik ben op het moment zowel direct als met tussen-recruiters aan het kijken. Ik heb inderdaad ook van iemand anders gehoord dat dit misschien niet het beste moment is, maar thuiszitten wordt na een tijdje ook nogal saai Dus ik denk dat ik gewoon door blijf zoeken/solliciteren, als niks lukt wordt het vanzelf februari!

Hoe kijk jij aan tegen het doorstromen van Software dev terug richting ML/DS? Dat moet toch wel te doen zijn, of wordt er toch moeilijk gedaan over zo'n dingen?

[retoohs]

Aangezien je wel de juiste papieren hebt voor het vakgebied zou ik nog even volhouden. Gewoon een tantje er bij met solliciteren en door zetten. Het is best wel zonde om na 2 maanden van je vakgebied af te wijken. Het zal niet per se makkelijker worden om weer terug te gaan naar data science.

Het is nu zo'n 6-7 jaar geleden toen data science opeens heel hot was dus het verbaast me niet als er nu veel data science afstudeerders zijn.

[TheFrames]

Mijn ervaring voor software development:

Direct bij bedrijven aankloppen heb ik als lastiger ervaren dan via werving/selectie, consultancy, detachering en traineeships een aanbod krijgen.

[Gropah]

Ik ben er zelf niet zo'n fan van, maar heb je al naar detacheerders/consultancy gekeken? Die zijn vaak wel op zoek naar goede mensen. En zeker met jouw achtergrond en de hype rond AI kan ik mij voorstellen dat ze je graag aannemen. Zij kunnen je waarschijnlijk makkelijk bij een project plaatsen zodat je ervaring op kan doen.

Denk wel goed na over welke detacheerder/consultancy je aan de slag gaat. Zijn ze groot in testen, dan is AI waarschijnlijk minder belangrijk voor hun, hebben ze er minder opdrachten in en heb jij waarschijnlijk minder te kiezen. Grote bedrijven hebben waarschijnlijk meer projecten, maar zijn waarschijnlijk ook meer 13 in een dozijn qua projecten die ze hebben.

[Rukapul]

Ik zou even volhouden. Een aantal bedrijven kijkt de kat uit de boom, anderen zijn bezig met plannen voor volgend jaar.

Kijk uit met data engineering rollen. Voor je het weet ben je alleen maar data aan het ETL-en en is je grootste wens om de kantoortuin door het dichtbijzijnde raam te verlaten. Dan zijn er vaak echt wel interessantere software engineering banen te vinden, of MLops als je dichterbij data science wilt blijven.

Val ook niet in de val dat je vooral 'data science' wilt doen. Ik heb teveel kandidaten geinterviewd die eigenlijk alleen maar ML wilden doen, en dan het liefst nog een specifieke methode. Bedrijven hebben mensen nodig die een bedrijfsprobleem kunnen oplossen waarbij 'data science' of 'ML' een middel is, geen doel.

[ Voor 27% gewijzigd door Rukapul op 18-11-2023 00:04 ]

[Motrax]

@Rukapul en veel bedrijven willen veel met ML, maar zijn er nog lang niet aan toe. Data kwaliteit... eerst alles bij elkaar ETL-en en speel je ineens als data engineer...

Ik heb het helaas met je eens over data engineering... veel oude tooling nog in gebruik, weinig automatisering. Wij zijn er gelukkig er ver mee en proberen juist data engineering (ook voor ons eigen geestelijk welzijn ) interessant te houden.

Veel data science rollen zijn overigens ook veredelde data engineering rollen.

[Xqlusive]

Ik werk zelf ondertussen een kleine 6 jaar als senior data scientist bij een grote Nederlandse bank. Het vakgebied en de volwassenheid ervan is in die tijd gigantisch veranderd. Momenteel wordt er bij ons veel ingezet op "end to end" teams waarbij het idee is dat data scientists in samenwerking met ml(ops) engineers de volledige keten beheren van data exploratie/analyse, modeling, software dev, cloud infra deployment, monitoring, etc.


Ik zou in een sollicitatie dan ook vooral aangeven dat je brede kennis hebt van deze onderwerpen en dat je hier graag in wil doorontwikkelen. Het bouwen van een 'model' is bij ons vaak maar een klein onderdeel in het geheel, probeer daarom jezelf te profileren als allround DS. Model staat trouwens tussen aanhalingstekens omdat het veelal erg simpele modellen of business rules zijn.

Nu zal dit natuurlijk heel erg aan het bedrijf liggen waar je solliciteert, maar ik verwacht dat de grote enterprises allemaal een zelfde richting op gaan. Voor het leuke knutselen aan fancy ml modellen kan je meestal beter meedoen aan een kaggle challenge

[proef]

Xqlusive schreef op zaterdag 25 november 2023 @ 06:48:
Ik werk zelf ondertussen een kleine 6 jaar als senior data scientist bij een grote Nederlandse bank. Het vakgebied en de volwassenheid ervan is in die tijd gigantisch veranderd. Momenteel wordt er bij ons veel ingezet op "end to end" teams waarbij het idee is dat data scientists in samenwerking met ml(ops) engineers de volledige keten beheren van data exploratie/analyse, modeling, software dev, cloud infra deployment, monitoring, etc.


Ik zou in een sollicitatie dan ook vooral aangeven dat je brede kennis hebt van deze onderwerpen en dat je hier graag in wil doorontwikkelen. Het bouwen van een 'model' is bij ons vaak maar een klein onderdeel in het geheel, probeer daarom jezelf te profileren als allround DS. Model staat trouwens tussen aanhalingstekens omdat het veelal erg simpele modellen of business rules zijn.

Nu zal dit natuurlijk heel erg aan het bedrijf liggen waar je solliciteert, maar ik verwacht dat de grote enterprises allemaal een zelfde richting op gaan. Voor het leuke knutselen aan fancy ml modellen kan je meestal beter meedoen aan een kaggle challenge

Heel inzichtelijk bericht, dank!

Wat denk je over de nieuwe hype van generative AI, LLM en zo, hoe passen die in het plaatje? En hoe zie je verder de toekomst?

[naitsoezn]

Ik vroeg me af of er mensen zijn die hier inzichten in hebben voor me! Ik ben al meer richting data engineering gaan kijken, omdat er voor mijn gevoel veel mensen vanuit andere vakgebieden richting data science gaan

Ik zou me persoonlijk wat meer richten op (gewenste) inhoud ipv functietitel. Het is wat lastiger zoeken, maar een functie die bij het ene bedrijf 'data scientist heet kan inhoudelijk vergelijkbaar zijn met een functie die bij het andere bedrijf 'data engineer' heet. Ook kunnen er heel andere / creatieve namen gebruikt worden voor soortgelijke functies (een aantal jaren terug was er binnen ons bedrijf een nieuwe afdeling opgericht waar ze "data artists" zochten => inhoudelijk gewoon data scientists maar dan verhipsterd), en kan het domein ook nog een belangrijke rol spelen voor je mogelijke geschiktheid (in finance of supply chain heb je ook vaak data scientists, maar daar is domeinkennis vaak belangrijker dan je programmeerkennsi). En ten slotte: Laat je niet afschrikken door functie-eisen. Als je niet 100% voldoet heb je soms al een goede insteek voor een goede motivatiebrief door te focussen op wat je wel kunt.

[Xqlusive]

proef schreef op zaterdag 25 november 2023 @ 11:20:
[...]

Heel inzichtelijk bericht, dank!

Wat denk je over de nieuwe hype van generative AI, LLM en zo, hoe passen die in het plaatje? En hoe zie je verder de toekomst?

Ik denk dat genAI op korte termijn vooral een ondersteunende functie (copilot etc) gaat hebben voor data scientists in plaats van dat DS daadwerkelijk zelf gaan sleutelen aan/of implementeren van genAI modellen. Uiteraard zijn er situaties waar genAI daadwerkelijk kan worden ingezet binnen een bestaand proces, maar dat zijn de uitzonderingen, niet de regel (al helemaal binnen een bank).

Zelf ben ik van plan om op korte termijn wat energie te stoppen in het effectief gebruiken van genAI (prompt engineering) om -wanneer het kan en mag- er gelijk voordeel van te hebben in mijn dagelijkse werk.