Però per entrare in una fintech europea devi prima dimostrare di avere certi requisiti tecnici, la capacità di ragionamento difficilmente la si mette in mostra nei colloqui, giusto? (non ho molta esperienza in merito, giusto qualche mese come business analyst e qualche colloquio fatto)

​@@fabioesploratore1847 sì e no. La dimostrazione dei requisiti tecnici su Python, librerie di Data Science, SQL e Cloud è certamente necessaria, ma non è sufficiente. Durante i colloqui, secondo me, due fattori fanno la differenza: 1. Mostrare con chiarezza cosa hai realizzato nel corso del tuo percorso. Non è sufficiente limitarsi a dire: "ho studiato Ing. Informatica presso..." o "ho lavorato presso...". È essenziale narrare in modo dettagliato quali progetti hai affrontato, quali problemi hai risolto e quale impatto hanno avuto. E' il famoso "sapersi vendere". Anche se non è un compito facile, è fondamentale sforzarsi per presentarsi nel modo migliore possibile. 2. Affrontare con successo un problema tecnico o un compito pratico. Nel caso di un data scientist, questo potrebbe consistere nell'analisi di un dataset e nella costruzione di un modello. Non è necessario realizzare il modello più ottimizzato del mondo. È cruciale, invece, mostrare come si conduce l'analisi. Non basta saper scrivere codice con pandas, numpy, pytorch, scikit-learn; è fondamentale evidenziare il ragionamento che ha portato a quel codice. Soprattutto, quando si costruisce un modello e' molto importante scegliere quali siano le metriche piu' corrette per valutarlo e, soprattutto, mostrare l'impatto che questo ha.

La formazione di un data science riguarda la matematica, statistica e informatica. Se si hanno queste conoscenze avanzate ci si può specializzare e adattarsi nei vari ruoli citati nel video.

da data scientist ti posso dire che in generale è vero che un data scientist può (e fa) fare anche il lavoro del data engineer e del data analyst, ma ovviamente la qualità del lavoro non sarà mai alla pari. Sicuramente il tutto dipende dalle skill che ha (un data engineer scarso farà un lavoro peggiore di un data scientist bravo e con esperienza), ma in un'azienda strutturata bene e con ruoli ben focalizzati, il data scientist si occupa di prendere le analisi ed i datataset fatti dal data analyst e produce modelli, insight e predizioni. Però sì, solitamente un data scientist vede un po' di tutto, mentre il data engineer vede poco se non nulla della parte di modellistica