Σήμερα θα γνωρίσουμε την Αγγελική Γαντζιά, Data Scientist στη Satalia, η οποία ξεκίνησε τις σπουδές της στο τμήμα Διοικητικής Επιστήμης και Τεχνολογίας του ΟΠΑ και την κέρδισε ο κόσμος των δεδομένων! 

Ας δούμε τι έχει να μας πει για την έως τώρα πορεία της. 

 Μίλησέ μας για το background σου. Τι σπούδασες και πώς βρέθηκε στον δρόμο σου το Data Science; 

Συνάντησα για πρώτη φορά το Data Science κατά τη διάρκεια του προπτυχιακού μου, όταν ήμουν στο τμήμα Διοικητικής Επιστήμης και Τεχνολογίας στο ΟΠΑ. 

Από το 2ο-3ο έτος που ασχολούμασταν αρκετά με κώδικα, έτυχε να βρεθεί μπροστά μου το Data Science και να το αγαπήσω. Αν και στην αρχή δεν το είχα διακρίνει σαν το αντικείμενο που θα ήθελα να ασχοληθώ στη καριέρα μου, ασχολήθηκα από μόνη μου με πολλά έξτρα projects και είδα ότι μου άρεσε πολύ. 

Συνοπτικά, είχα πάει Erasmus στη Δανία, αποφοίτησα 3η στο τμήμα μου, συνέχισα με μια πρακτική άσκηση και έπειτα συνεργάστηκα με την EY, όπου δούλεψα σαν business analyst για 2 χρόνια, όμως στο ενδιάμεσο έκανα ένα paper και το Data Science Bootcamp της BigBlue. 

Τη στιγμή αυτή εργάζομαι σε μια άλλη εταιρεία ως Data Scientist.

 Πολύ ενδιαφέρουσα πορεία! Το Bootcamp πώς έτυχε να το βρεις και τι σε τράβηξε σε αυτό; 

Το Bootcamp έτυχε να το πετύχω εντελώς συγκυριακά στο LinkedIn. Είδα την αγγελία για τις υποτροφίες, έκανα αίτηση και με δέχτηκαν.

Βέβαια σκεφτόμουν ούτως ή άλλως να ασχοληθώ πιο σοβαρά με την επιστήμη των δεδομένων, οπότε έψαχνα κάτι που θα συστηματικοποιήσει την εκπαίδευσή μου, οπότε αυτό το βρήκα στο Bootcamp.

 Πολύ ωραία! Σχετικά με το τελικό project του Bootcamp, πόσο θεωρείς σε βοήθησε σε πρακτικό επίπεδο; 

Στο Bootcamp η δική μου εταιρεία ήταν η ίδια η BigBlue, και έκανα ένα project που αφορούσε τα skills από διάφορες αγγελίες και τη σύγκριση μεταξύ τους, ώστε να δούμε σε κάθε ειδικότητα ποια skills ήταν αυτά που ζητούσαν οι περισσότεροι εργοδότες. 

Για παράδειγμα, πολλές φορές μια αγγελία για Data Scientist στο LinkedIn, μπορεί να ζητάει το Excel ως ένα από τα σημαντικότερα skills. 

Οι Data Scientists όμως δεν χρησιμοποιούν Excel, οπότε λογικά το HR κάτι κατάλαβε λάθος για την θέση. Οπότε, επειδή τα λάθη αυτά είναι συχνά, είπαμε να κάνουμε ένα aggregation και να δούμε μέσω των δεδομένων ποια skills ζητάνε περισσότερο για κάθε δουλειά, και γενικότερα ένα clustering για το ποιες δουλειές πέφτουν κοντά μεταξύ τους. 

Το τελικό κομμάτι μάλιστα ήταν να ανεβάσεις το βιογραφικό σου και να σου προτείνει διάφορα courses τα οποία δεν ξέρεις, αλλά είναι σημαντικά για την ειδικότητά σου. Για παράδειγμα, αν είσαι ML Engineer και δεν ξέρεις Python, τότε θα σου δείξει ορισμένα courses για να σε ωθήσει να μάθεις Python.

Έμαθα πολλά πράγματα, ιδιαίτερα στο αντικείμενο που λέγεται NLP. 

 

 Ας πάμε ένα βήμα πίσω στις σπουδές σου. Όταν πήρες το πτυχίο σου, έκανες κάποιο μεταπτυχιακό ή πήγες απευθείας στο Bootcamp; 

Μετά το προπτυχιακό μου δούλεψα για δύο χρόνια και στο ενδιάμεσο, δηλαδή στον ένα χρόνο, ξεκίνησα το Data Science Bootcamp. 

 Επομένως θα συμβούλευες ένα προπτυχιακό φοιτητή που ενδιαφέρεται για το Data Science, να κάνει πρώτα μεταπτυχιακό ή το Bootcamp; 

Αυτό που έζησα εγώ στο Bootcamp είναι ότι διάφορα παιδιά, ανεξαρτήτως ηλικίας, δεν είχαν τόση τριβή με τον κώδικα, και ιδιαίτερα Python. 

Επειδή το Bootcamp βασίζεται πολύ στη Python, καλό θα ήταν να έχεις ασχοληθεί λίγο με αυτή για να ξέρεις τι γίνεται. 

Το μεταπτυχιακό μπορεί να σου δώσει κάποια τριβή με τον κώδικα, μπορεί όμως και όχι. Ειδικά στην Ελλάδα, σε πολλά Data Science μεταπτυχιακά δεν ασχολείσαι καθόλου με κώδικα τον πρώτο χρόνο ή ακόμα και συνολικά. 

Θα έλεγα ότι το Bootcamp είναι αρκετά εύκολο για να το καταλάβεις όταν βγεις απ΄το προπτυχιακό σου, καλό θα ήταν όμως να έχεις ήδη μια πρώτη εμπειρία με κώδικα. 

 Τι θα συμβούλευες γενικά κάποιον νέο στην Ελλάδα που θέλει να ασχοληθεί με το Data Science, ακόμα και αν σπουδάζει κάτι διαφορετικό; 

Αν κάποιος θέλει να ασχοληθεί με το Data Science θα του έλεγα να το κάνει, γιατί είναι ένας τρομερός κλάδος με πολλές προοπτικές, όχι μόνο στην Ελλάδα αλλά και στο εξωτερικό που έχει μεγάλη ζήτηση. 

Ειδικά σε όσους αρέσει να γράφουν κώδικα και να δουλεύουν με Η/Υ, έχει συνήθως και καλύτερες απολαβές και καλό work-life balance.

Οπότε είναι μια πολύ καλή ευκαιρία και το μόνο που χρειάζεσαι είναι να το αγαπάς και να έχεις πειθαρχία για να το μάθεις. 

 Τέλος, από την έως τώρα εμπειρία σου ποιοί πιστεύεις ότι είναι οι κλάδοι του Data Science που θα δουν μεγαλύτερη ανάπτυξη; 

Αυτή η ερώτηση μπορεί να απαντηθεί είτε οριζόντια, είτε κάθετα. 

Κάθετα είναι οι κλάδοι (υγεία, retail κτλ), ενώ οριζόντια κάποια προβλήματα τα οποία είναι καθολικά για τις εταιρείες, όπως είναι η εξυπηρέτηση πελατών. 

Οριζόντια λοιπόν το Data Science θα μπορούσε να εφαρμοστεί παντού, αν το πάρουμε όμως βάσει των κλάδων, θα έλεγα ότι οπουδήποτε παράγονται πολλά δεδομένα το Data Science θα δει ανάπτυξη. 

Για παράδειγμα τα social media, η υγεία η οποία έχει και πολλά αναξιοποίητα δεδομένα, οτιδήποτε έχει να κάνει με retail, με eLearning, καθώς και οι εφοδιαστικές αλυσίδες, αν χρησιμοποιούν σωστά τα δεδομένα τότε θα δουν μεγάλη ανάπτυξη. 

Αγγελική, σε ευχαριστούμε για τον χρόνο σου και τη γνώση που μοιράστηκες μαζί μας!

Η ομάδα της BigBlue Data Academy.