Interview mit dem ehemaligen Data Science Studenten, David Furrer
von Livia Schmid
Hi David. Kannst du dich kurz vorstellen? Was hast du gemacht, bevor du mit dem Data Science Bootcamp bei Constructor Academy gestartet hast?
"Hallo, mein Name ist David Furrer. Ich habe ursprünglich Chemie studiert und dann eine Zeit lang bei Novartis gearbeitet. Nach meinem Wirtschaftsstudium habe ich mich mit Modellierung und Statistik beschäftigt. In dieser Zeit, im Jahr 2019 um genauer zu sein, habe ich Constructor Academy entdeckt und mich entschieden, das Data Science Bootcamp zu absolvieren, um einen tieferen Einblick in diese Themen zu bekommen."
Welche Kursinhalte fandest du am interessantesten und hat dich das Bootcamp bei Constructor Academy überzeugt?
"Definitiv der breite Überblick über alles, was es zu diesem Zeitpunkt in diesem Bereich gab. Am Anfang wusste ich nicht genau, was mich erwarten würde. Es ist eine tolle Chance, all diese Technologien wie Web Scraping, grundlegende Datenanalyse mit Python und dann fortgeschrittene Themen wie neuronale Netze und NLP kennenzulernen. Der soziale Aspekt hat mir ebenfalls sehr gut gefallen. Wir haben immer noch ein sehr gutes Netzwerk von allen Studenten und tauschen regelmässig Neuigkeiten aus. Wir können uns gegenseitig aushelfen, zum Beispiel wenn jemand einen Job sucht. Diese Gruppe von Leuten zu haben, die auch in diesem Bereich arbeiten, ist sehr hilfreich. Es war eine tolle Zeit."
Worum ging es bei deinem Abschlussprojekt und welche Technologien hast du und deine Gruppe verwendet?
"Es war in Zusammenarbeit mit Jobcloud, der Firma, zu der jobs.ch gehört. Wir haben ein Projekt mit ihnen gemacht, in dem wir versucht haben, Verbesserungen für die Titel zu empfehlen, die die Leute für die Stellenanzeigen aufgeben. Wir haben analysiert, welche Merkmale die Klickrate für einen Stellentitel verbessern und wir haben ein Modell erstellt, das basierend auf den Texten und den Merkmalen, die aus diesem Text extrahiert wurden, vorhersagt, wie gut ein Titel ist. Wir haben dann auch Alternativen empfohlen, wie man den Titel verbessern könnte. Das Endergebnis war ein Prototyp für eine App, in die man Schlüsselwörter eingeben konnte, um nach Jobs zu suchen. Die App selbst war eine Bokeh-App und das Modell dahinter basierte auf NLP."
Was hast du nach dem Bootcamp gemacht? War es einfach, einen Job zu finden?
"Nach dem Bootcamp hatte ich eine Pause von drei Wochen und habe dann ein Praktikum bei einem KI-Startup namens OTO.ai begonnen, dessen Kerngeschäft die Emotionsmodellierung auf Basis von Spracheingaben, also MP3s und WAV-Dateien, ist. Daraus können die Emotionen eines Anrufs oder einer Audiodatei extrahiert werden. Meine Aufgabe bestand darin, die Zufriedenheit von Call-Center-Anrufen zu modellieren, wobei wir viele Proof of Concepts für potenzielle Kunden durchführten. Das Ziel war es, den Zufriedenheitswert eines bestimmten Anrufs vorherzusagen, für den wir Labels von den Kunden selbst hatten."
Hast du einen Ratschlag für Leute, die daran interessiert sind, auch ein Data Science Bootcamp zu machen?
"Eine Sache ist, das Netzwerk zu nutzen, das man während des Kurses aufbaut, denn in meinem Fall war es sehr hilfreich. hat mich mit dem CTO von OTO.ai verbunden und so habe ich mein erstes Vorstellungsgespräch bekommen. Ein weiterer Ratschlag ist, nicht nur nach Data Scientist-Positionen zu suchen, sondern auch nach Data Analyst-Positionen. Es gibt eine Menge Überschneidungen zwischen diesen beiden Jobs. Ich würde auch sagen, dass die Projektphase am Ende des Bootcamps sehr wichtig ist. Man sollte das Beste daraus machen, sein Projekt aufpolieren und auf GitHub stellen, um ein schönes Portfolio zu haben, das man während des Bewerbungsprozesses vorzeigen kann."
