Das MIT hat in Zusammenarbeit mit der Georgia State College und einem wachsenden Netzwerk von Bildungseinrichtungen erweiterte Arbeiten im Rahmen von PATH (Pathways for AI Coaching and Hiring) angekündigt – einer mehrjährigen Initiative, die darauf abzielt, effektive, erschwingliche und branchenorientierte KI-Schulungen für Berufseinsteiger und aktuelle Arbeitnehmer zu skalieren, mit besonderem Schwerpunkt auf der Umwandlung von Neighborhood Schools in Motoren, die eine KI-fähige Belegschaft für das Land antreiben.

„Im Zeitalter der KI werden wirtschaftliche Chancen und Mobilität zunehmend davon abhängen, ob Menschen praktische, branchenrelevante KI-Fähigkeiten und Denkweisen entwickeln können, und nicht nur von der Vertrautheit mit Werkzeugen“, sagt Cynthia Breazeal, Principal Investigator (PI) von PATH und Professorin für Medienkunst und -wissenschaften am MIT. „Das bedeutet, praktische Erfahrungen aus der Praxis mit starken technischen Grundlagen und den verantwortungsvollen Design-, Fach- und Humankompetenzen zu kombinieren, die Arbeitgeber suchen.“

Um dies zu ermöglichen, baut die Initiative landesweite Zentren auf, die von Forschungsuniversitäten und Neighborhood Schools verankert werden. Jeder Hub arbeitet mit regionalen Arbeitgebern zusammen, um Lehrpläne zu entwerfen, die die Bedürfnisse der lokalen Industrie widerspiegeln. Das Programm bietet außerdem berufliche Weiterentwicklung für Lehrkräfte und entwickelt modulare, offene Lehrmaterialien, die Institutionen anpassen und teilen können.

„Künstliche Intelligenz prägt jeden Sektor der Wirtschaft, und die Vereinigten Staaten werden weit mehr Menschen brauchen, die verstehen, wie man mit diesen Technologien baut und sie verantwortungsvoll anwendet“, sagt MIT-Präsidentin Sally Kornbluth. „Durch PATH nutzt MIT RAISE unsere Versammlungskraft, um Neighborhood Schools, Industrie, Forschungsuniversitäten und Regierung zusammenzubringen, um menschenzentrierte KI-Pfade zu entwickeln, die zu gemeinsamem Wohlstand führen. Wenn Forschungsuniversitäten ihr Fachwissen einbringen, um den Zugang und die wirtschaftliche Mobilität zu erweitern, stärken wir sowohl die Arbeitskräfte des Landes als auch unsere kollektive Innovationsfähigkeit.“

Im Gegensatz zu vielen groß angelegten On-line-Schulungsmaßnahmen legt PATH Wert auf persönliches, gemeinschaftliches Lernen. Die Studierenden arbeiten in Groups, um reale Probleme zu lösen, die von Branchenpartnern eingebracht werden. Diese Projekte spiegeln die Artwork von Herausforderungen wider, mit denen Absolventen am Arbeitsplatz konfrontiert werden, und helfen ihnen, neben dem Urteilsvermögen, der Kommunikation, der Zusammenarbeit und dem ethischen Bewusstsein, auf die Arbeitgeber zunehmend Wert legen, auch technische Fähigkeiten zu entwickeln.

Die ersten beiden Hubs der Initiative wurden Anfang des Jahres in Massachusetts und Georgia eröffnet.

„Als PIs des Georgia PATH-Hubs freuen wir uns sehr über die erhebliche Anfangsdynamik, da über 1.000 GSU-Studenten in PATH-Kursen eingeschrieben sind“, sagt Arun Rai, Regents-Professor, Howard S. Starks Distinguished Chair und Direktor des Middle for Digital Innovation an der Georgia State College (GSU), zusammen mit Balasubramaniam Ramesh, Regents-Professor und George E. Smith Eminent Scholar’s Chair an der GSU. „Unser Lehrplan, der gemeinsam mit MIT RAISE entwickelt wurde und KI-Grundlagen, Datenwissenschaft, Deep Studying und agentische KI-Systeme umfasst, wird jetzt mit Partnerinstitutionen geteilt, darunter dem Georgia Gwinnett Faculty, dem GSU Perimeter Faculty und der Clark Atlanta College. Indem wir die FinTech Academy des College System of Georgia nutzen, um arbeitsbasierte Lernmöglichkeiten zu erweitern, bauen wir ein kollaboratives Ökosystem auf, das die KI-Fähigkeiten der Arbeitskräfte des Staates schnell weiterentwickelt und greifbare, berufstaugliche Fähigkeiten für unsere vielfältigen Studenten schafft Bevölkerung.“

Brian Blake, Präsident der GSU, sagt: „Unsere Zusammenarbeit mit dem MIT spiegelt unser gemeinsames Engagement für die Stärkung der KI-Talentpipeline des Landes wider. Die Georgia State College bringt eine besondere Stärke in diese Bemühungen ein – die Fähigkeit, Studenten mit unterschiedlichem Hintergrund auf KI-gestützte Karrieren in großem Maßstab vorzubereiten. Durch die Kombination akademischer Genauigkeit mit starken Industriepartnerschaften und arbeitsbasiertem Lernen setzen wir Fortschritte in der KI in praktische Fähigkeiten um und erweitern den Zugang zu Möglichkeiten in dieser transformativen Ära.“

In Massachusetts nehmen Studenten des Quinsigamond Neighborhood Faculty an Knowledge Science in Motion teil, einem Kurs, der in die KI-gestützte Datenanalyse und -technik einführt. Der Kurs umfasst ein praktisches Motion Lab, das erfahrungsorientierten Lernprogrammen der MIT Sloan Faculty of Administration nachempfunden ist. David Birnbach, Dozent am MIT Sloan, leitet das Design-Framework für die PATH Motion Labs. In Zusammenarbeit mit Industriepartnern bewältigen Studierende reale Datenherausforderungen und bauen gleichzeitig Portfolioprojekte und berufliche Kontakte auf.

Über einzelne Kurse hinaus schafft PATH klarere Wege für Studenten, um KI-Lernen in echte Berufschancen umzuwandeln. Durch branchenspezifische Mikroqualifikationen und einen gemeinsamen Satz an Fähigkeiten der Belegschaft erwerben Studierende praktische Fähigkeiten, nach denen Arbeitgeber tatsächlich suchen, sowie die menschlichen Fähigkeiten, die für den Erfolg am Arbeitsplatz erforderlich sind, wie Kommunikation, Problemlösung und Zusammenarbeit.

Das MIT-Kompetenztaxonomieteam unter der Leitung von Katerina Bagiati in Zusammenarbeit mit Professor Tom Malone vom MIT Sloan Middle for Collective Intelligence kartiert die Fähigkeiten und Rollen, die sich in der KI in Bereichen wie Finanztechnologie (Fintech), Informationstechnologie und Geschäftsbetrieb entwickeln, und plant eine Enlargement in Bereiche wie Gesundheitswesen, Fertigung und kreative Medien. Ziel ist es, den Studierenden dabei zu helfen, relevante, anerkannte und direkt mit wachsenden Karrierewegen verbundene Fähigkeiten zu erwerben.

Die Initiative wird durch einen Zuschuss von Google.org an das MIT unterstützt, der das MIT und seine Mitarbeiter beim Aufbau eines bundesweiten Netzwerks für die Entwicklung von KI-Arbeitskräften unterstützt.

„Die PATH-Initiative des MIT bietet eine Blaupause für die Erweiterung der Möglichkeiten im Zeitalter der KI“, sagt Shanika Hope, Direktorin von Google.org. „Durch die Verbindung von Forschungsuniversitäten, Neighborhood Schools und Industriepartnern trägt es dazu bei, Innovationen in echte Arbeitsplätze und nachhaltige Karrierewege umzusetzen.“

PATH wird von Breazeal geleitet, der ein MIT-übergreifendes Crew mit Fachkenntnissen in den Bereichen KI-Kompetenz, Arbeitspädagogik, berufliche Entwicklung von Pädagogen, offene Bildung, Forschung und die Zukunft der Arbeit zusammengestellt hat. Breazeal ist Professor und Direktor der MIT RAISE-Initiative. Eric Klopfer, Direktor des STEP Lab und Co-Direktor der MIT RAISE Initiative, fungiert als Co-PI bei dieser Auszeichnung. Zum GSU-Führungsteam gehören die PIs Arun Rai und Balasubramaniam Ramesh.

Zu jedem Zeitpunkt hat die Technologie zwei Auswirkungen auf die Beschäftigung: Sie ersetzt traditionelle Arbeitsplätze und schafft neue Arbeitsfelder. Maschinen ersetzen Landwirte, ermöglichen aber beispielsweise die Existenz von Luftfahrtingenieuren. Wenn additionally die Technologie neue Arbeitsplätze schafft, wer bekommt sie dann? Wie intestine bezahlen sie? Wie lange bleiben neue Arbeitsplätze neu, bevor sie zu einer weiteren alltäglichen Aufgabe werden, die jeder Arbeitnehmer erledigen kann?

Eine neue Studie zur Beschäftigung in den USA unter der Leitung des MIT-Arbeitsökonomen David Autor beleuchtet all diese Fragen. In den USA der Nachkriegszeit kamen, wie Autor und seine Kollegen detailliert zeigen, tendenziell Hochschulabsolventen unter 30 mehr als allen anderen neue Arbeitsformen zugute.

„Wir hatten noch nie genau gesehen, wer neue Arbeiten macht“, sagt Autor. „Es wird eher von jungen und gebildeten Menschen in städtischen Umgebungen durchgeführt.“

Die Studie enthält auch eine aussagekräftige umfassende Erkenntnis: Viele innovationsbasierte neue Arbeiten werden von der Nachfrage bestimmt. Der von der Regierung unterstützte Ausbau von Forschung und Fertigung in den 1940er Jahren als Reaktion auf den Zweiten Weltkrieg führte zu einer enormen Menge neuer Arbeiten und neuen Formen von Fachwissen.

„Das bedeutet, dass wir überall dort, wo wir neue Investitionen tätigen, am Ende auch neue Spezialisierungen bekommen“, sagt Autor. „Wenn man eine groß angelegte Aktivität ins Leben ruft, gibt es immer die Möglichkeit, neues Fachwissen zu erwerben, das für diese related ist. Wir fanden das spannend zu sehen.“

Das Papier: „Was New Work von Extra Work unterscheidet?“ ist demnächst in der Jahresrückblick auf die Wirtschaftswissenschaften. Die Autoren sind Autor; Caroline Chin, Doktorandin am Division of Economics des MIT; Anna M. Salomons, Professorin am Division of Economics der Universität Tilburg und an der College of Economics der Universität Utrecht; und Bryan Seegmiller PhD ’22, Assistenzprofessor an der Kellogg College of Administration der Northwestern College.

Und ja, das Lernen über neue Arbeit und die Artwork von Arbeitnehmern, die sie erhalten, könnte für die Verbreitung künstlicher Intelligenz related sein – obwohl es nach Einschätzung von Autor noch zu früh ist, um zu sagen, wie sich KI auf den Arbeitsplatz auswirken wird.

„Die Leute sind wirklich besorgt, dass die KI-basierte Automatisierung bestimmte Aufgaben schneller untergraben wird“, stellt Autor fest. „Aufgaben zu streichen ist nicht dasselbe wie Arbeitsplätze zu streichen, da viele Jobs mit vielen Aufgaben verbunden sind. Aber wir alle sagen: Woher soll die neue Arbeit kommen? Sie ist so wichtig, und wir wissen wenig darüber. Wir wissen nicht, was sie sein wird, wie sie aussehen wird und wer in der Lage sein wird, sie zu erledigen.“

„Wenn jeder ein Experte ist, dann ist niemand ein Experte“

Die vier Co-Autoren arbeiteten auch an einer früheren großen Studie über neue Arbeiten mit, die 2024 veröffentlicht wurde und ergab, dass etwa sechs von zehn Arbeitsplätzen in den USA von 1940 bis 2018 in neuen Fachgebieten angesiedelt waren, die sich erst seit 1940 umfassend entwickelt hatten. Die neue Studie erweitert diese Forschungsrichtung, indem sie genauer untersucht, wer die neuen Arbeitsbereiche besetzt.

Zu diesem Zweck verwendeten die Forscher Daten des US Census Bureau von 1940 bis 1950 sowie die Daten des American Neighborhood Survey (ACS) des Census Bureau von 2011 bis 2023. Da die Aufzeichnungen des Census Bureau nach etwa 70 Jahren vollständig öffentlich werden, konnten die Wissenschaftler im ersten Fall Daten auf individueller Ebene über Berufe, Gehälter und mehr untersuchen und dieselben Arbeitnehmer verfolgen, die zwischen 1940 und 1940 ihren Arbeitsplatz wechselten Zählungen der Volkszählung 1950.

Durch eine Forschungskooperation mit dem US Census Bureau erhielten die Autoren außerdem sicheren Zugriff auf ACS-Datensätze auf Personenebene. Diese Daten ermöglichten es ihnen, das Einkommen, die Ausbildung und andere demografische Merkmale von Arbeitnehmern in neuen Berufsfeldern zu analysieren – und sie mit Arbeitnehmern in langjährigen Berufszweigen zu vergleichen.

Neue Arbeiten sind, so stellt Autor fest, immer mit neuen Formen von Fachwissen verbunden. Diese Experience ist zunächst rar; Mit der Zeit kann es häufiger vorkommen. Ohnehin ist Fachwissen häufig mit neuen Technologien verknüpft.

„Es erfordert die Beherrschung einiger Fähigkeiten“, sagt Autor. „Was Arbeit wertvoll macht, ist nicht nur die Fähigkeit, etwas zu tun, sondern auch Fachwissen. Und das unterscheidet oft hochbezahlte Arbeit von schlecht bezahlter Arbeit.“ Darüber hinaus fügt er hinzu: „Es muss knapp sein. Wenn jeder ein Experte ist, dann ist niemand ein Experte.“

Durch die Untersuchung der Volkszählungsdaten stellten die Wissenschaftler fest, dass im Jahr 1950 etwa 7 Prozent der Arbeitnehmer in Berufen beschäftigt waren, die seit 1930 entstanden sind. In jüngerer Zeit waren etwa 18 Prozent der Arbeitnehmer im Zeitraum 2011–2023 in Berufen tätig, die seit 1970 eingeführt wurden. (Das entspricht ungefähr dem gleichen Anteil an neuen Arbeitsplätzen professional Jahrzehnt, obwohl Autor dies nicht für einen eindeutigen Pattern hält.)

In diesen Zeiträumen sind neue Arbeitsplätze häufiger in städtischen Gebieten entstanden, wobei Menschen unter 30 Jahren mehr davon profitieren als jede andere Altersgruppe. Die Aufnahme eines Arbeitsplatzes in einer Branche mit neuen Arbeitsplätzen scheint eine nachhaltige Wirkung zu haben: Bei Personen, die 1940 in neuen Arbeitsplätzen beschäftigt waren, warfare die Wahrscheinlichkeit, dass sie 1950 in neuen Arbeitsplätzen beschäftigt waren, im Vergleich zur Gesamtbevölkerung 2,5-mal höher. Bei Hochschulabsolventen warfare die Wahrscheinlichkeit, dass sie sich einer neuen Tätigkeit widmeten, um 2,9 Prozentpunkte höher als bei Hochschulabsolventen.

Neue Arbeitsformen haben auch einen Lohnaufschlag, d. h. insgesamt bessere Gehälter als bei bereits bestehenden Arbeitsformen. Doch wie die Studie zeigt, nimmt auch dieser Lohnaufschlag mit der Zeit ab, da die besondere Fachkompetenz in vielen Formen der neuen Arbeit viel umfassender verstanden wird.

„Der Knappheitswert erodiert“, sagt Autor. „Es wird allgemein bekannt. Es selbst wird automatisiert. Neue Arbeit wird alt.“

Schließlich sei das Autofahren einst eine seltene Type der Fachkompetenz gewesen, betont Autor. Auch die Nutzung von Textverarbeitungsprogrammen wie WordPerfect oder Microsoft Phrase warfare bis weit in die 1990er Jahre möglich. Nach einiger Zeit wurde der Umgang mit Textverarbeitungswerkzeugen jedoch zum elementarsten Teil der Computernutzung.

Zurück zur KI für eine Minute

Die Untersuchung, wer neue Jobs bekommt, führte die Wissenschaftler zu bemerkenswerten Schlussfolgerungen darüber, wie neue Arbeit entsteht. Die Studie untersucht Daten auf Bezirksebene aus der Zeit des Zweiten Weltkriegs, als die Bundesregierung in den gesamten USA neue Produktionsanlagen in öffentlich-privaten Partnerschaften unterstützte. Sie zeigt, dass Bezirke mit neuen Fabriken mehr neue Arbeitsplätze hatten und dass 85 bis 90 Prozent der neuen Arbeitsplätze zwischen 1940 und 1950 technologiegetrieben waren.

In diesem Sinne gab es damals viele nachfrageorientierte Innovationen. Heutzutage konzentriert sich der öffentliche Diskurs über Innovation oft auf die Angebotsseite, nämlich die Innovatoren und Unternehmer, die versuchen, neue Produkte zu entwickeln. Doch die Studie zeigt, dass die Nachfrageseite die Innovationstätigkeit maßgeblich beeinflussen kann.

„Technologie ist nicht wie ‚Eureka!‘ wo es einfach passiert“, sagt Autor. „Innovation ist eine zielgerichtete Aktivität. Und Innovation ist kumulativ. Wenn man weit genug kommt, wird sie ihre eigene Dynamik entwickeln. Aber wenn nicht, wird sie nie dort ankommen.“

Womit wir wieder bei KI wären, dem Thema, das im Jahr 2026 so viele Menschen beschäftigt. Wird KI gute neue Arbeitsplätze schaffen oder wird sie Arbeit wegnehmen? Nun, es hängt wahrscheinlich davon ab, wie wir es umsetzen, denkt Autor. Denken Sie an den riesigen Gesundheitssektor, wo es viele Arten von technologiegetriebener neuer Arbeit geben könnte, wenn die Menschen daran interessiert sind, Arbeitsplätze zu schaffen.

„Es gibt verschiedene Möglichkeiten, KI im Gesundheitswesen einzusetzen“, sagt Autor. „Die eine besteht einfach darin, die Arbeit der Menschen zu automatisieren. Die andere besteht darin, es Menschen mit unterschiedlichem Fachwissen zu ermöglichen, unterschiedliche Aufgaben zu erledigen. Ich würde sagen, Letzteres ist gesellschaftlich vorteilhafter. Aber es ist nicht klar, wohin sich der Markt entwickeln wird.“

Andererseits könnte KI möglicherweise aufgrund einer staatlich gesteuerten Nachfrage in verschiedenen Formen auf eine Weise eingesetzt werden, die letztendlich die Produktivität im Gesundheitswesen steigert und dadurch neue Arbeitsplätze schafft.

„Mehr als die Hälfte der {Dollars} für die Gesundheitsversorgung in den USA sind öffentliche Gelder“, stellt Autor fest. „Wir haben dort einen großen Einfluss, wir können die Dinge in diese Richtung vorantreiben. Es gibt verschiedene Möglichkeiten, dies zu nutzen.“

Diese Forschung wurde teilweise von der Hewlett Basis, dem Google Know-how and Society Visiting Fellows Program, der NOMIS Basis, dem Schmidt Sciences AI2050 Fellowship, der Smith Richardson Basis, der James M. and Cathleen D. Stone Basis und dem Instituut Gak unterstützt.

Bild von Autor | Leinwand

Der Information Science -Arbeitsmarkt ist überfüllt. Arbeitgeber und Personalvermittler sind manchmal echte A-Löcher, die Sie nur dann eingehen, wenn Sie dachten, Sie würden anfangen, über Ihr Gehalt zu verhandeln.

Als ob die Bekämpfung Ihrer Konkurrenz, Personalvermittler und Arbeitgeber nicht genug sind, müssen Sie sich auch selbst bekämpfen. Manchmal liegt der Mangel an Erfolg bei Interviews wirklich bei Datenwissenschaftlern. Fehler zu machen ist akzeptabel. Nicht von ihnen zu lernen ist alles andere als!

Lassen Sie uns additionally einige häufige Fehler analysieren und sehen, wie sie sie bei der Bewerbung für einen Datenwissenschaftsjob nicht machen können.

1. Behandeln Sie alle Rollen gleich

Fehler: Senden Sie den gleichen Lebenslauf und das gleiche Anschreiben an jede Rolle, die Sie beantragen, von forschungslastigen und kundenorientierten Positionen bis hin zu Koch oder Timothée Chalamet-Lookalike.

Warum es weh tut: Weil Sie den Job wollen, nicht der beste Gesamtkandidat für alle Positionen, die wir nicht einstellen, die wir nicht einstellen „. Unternehmen möchten, dass Sie in den jeweiligen Job passen.

Eine Rolle bei einem Software program -Startup könnte Produktanalysen priorisieren, während eine Versicherungsgesellschaft für die Modellierung in R. eingestellt wird

Nicht Anpassung deines Lebenslauf und ein Anschreiben, um sich als sehr geeignet für eine Place zu präsentieren, besteht darin, dass er auch vor dem Interview übersehen wird.

Ein Repair:

• Lesen Sie die Stellenbeschreibung sorgfältig durch.
• Stellen Sie Ihren Lebenslauf und Ihr Anschreiben an die genannten Arbeitsanforderungen an – Fähigkeiten, Werkzeuge und Aufgaben.
• Pay attention Sie nicht nur Fähigkeiten auf, sondern zeigen Sie Ihre Erfahrungen mit relevanten Anwendungen dieser Fähigkeiten.

2. Zu generische Datenprojekte

Fehler: Senden eines Datenprojektportfolios mit gewaschenen Projekten wie Titanic, Iris-Datensätzen, MNIST oder Immobilienpreisvorhersage.

Warum es weh tut: Weil die Personalvermittler beim Lesen Ihrer Bewerbung einschlafen. Sie haben tausende Male die gleichen Portfolios gesehen. Sie werden Sie ignorieren, da dieses Portfolio nur Ihren Mangel an geschäftlichen Denken und Ihre Kreativität zeigt.

Ein Repair:

• Arbeiten Sie mit chaotischen, realen Daten. Quellen Sie die Projekte und Daten von Web sites wie z. StratascratchAnwesend KaggleAnwesend DatasfAnwesend Datahub von NYC Open InformationAnwesend Tolle öffentliche Datensätzeusw.
• Arbeit an weniger gemeinsamen Projekten arbeiten
• Wählen Sie Projekte aus, die Ihre Leidenschaften zeigen und praktische Geschäftsprobleme lösen, idealerweise diejenigen, die Ihr Arbeitgeber möglicherweise haben.
• Erklären Sie Kompromisse und warum Ihr Ansatz in einem geschäftlichen Kontext sinnvoll ist.

3.. Unterschätze SQL

Fehler: SQL nicht genug üben, weil es im Vergleich zu Python oder maschinellem Lernen einfach ist.

Warum es weh tut: Denn es macht Sie nicht zu einem SQL -Experten, Python zu kennen und zu vermeiden. Oh ja, SQL wird auch stark getestet, insbesondere für Analysten- und mittlere Datenwissenschaftsrollen. Interviews konzentrieren sich oft mehr auf SQL als auf Python.

Ein Repair:

• Üben Sie komplexe SQL -Konzepte: Unterabfragen, CTEs, Fensterfunktionen, Zeitreihen, Dreh- und Angelpunkte und rekursive Abfragen.
• Verwenden Sie Plattformen wie Stratascratch Und Leetcode Praxis reale SQL-Interviewfragen.

4. Produktdenken ignorieren

Fehler: Konzentration auf Modellmetriken anstelle des geschäftlichen Werts.

Warum es weh tut: Weil ein Modell, das den Kunden mit 94% prognostiziert, voraussagt Roc-aucaber meistens kennzeichnet Kunden, die das Produkt nicht mehr verwenden, keinen geschäftlichen Wert. Sie können keine Kunden behalten, die bereits weg sind. Ihre Fähigkeiten existieren nicht in einem Vakuum. Arbeitgeber möchten, dass Sie diese Fähigkeiten nutzen, um Wert zu erzielen.

Ein Repair:

5. Mlops ignorieren

Fehler: Konzentrieren Sie sich nur auf den Aufbau eines Modells und ignorieren gleichzeitig seine Bereitstellung, Überwachung, Feinabstimmung und wie es in der Produktion läuft.

Warum es weh tut: Weil Sie Ihr Modell, das Sie wissen, wo kleben können, wenn es in der Produktion nicht verwendbar ist. Die meisten Arbeitgeber werden Sie nicht für einen ernsthaften Kandidaten betrachten, wenn Sie nicht wissen, wie Ihr Modell bereitgestellt, umgeschult oder überwacht wird. Sie werden das alles selbst nicht unbedingt selbst tun. Sie müssen jedoch einige Kenntnisse zeigen, da Sie mit Ingenieuren für maschinelles Lernen zusammenarbeiten, um sicherzustellen, dass Ihr Modell tatsächlich funktioniert.

Ein Repair:

• Verstehen Sie die drei Hauptmethoden von Datenverarbeitung: Batch-, Echtzeit- und Hybridverarbeitung.
• Verstehen Pipelines für maschinelles LernenAnwesend CI/CDUnd Modellüberwachung des maschinellen Lernens.
• Üben Sie das Workflow -Design in Ihren Projekten, indem Sie einbeziehen DatenaufnahmeModell AusbildungAnwesend VersioningUnd Portion.
• Machen Sie sich mit maschinellen Lernen Orchestrierungstools vertraut, wie z. Präfekt Und Luftstrom (zur Orchestrierung), Kubeflow Und Zenml (für Pipeline -Abstraktion) und Mlflow Und Gewichte & Vorurteile (zur Verfolgung).

6. Unvorbereitete auf Fragen des Verhaltensinterviews

Fehler: Fragen wie „Erzählen Sie mir von einer Herausforderung, mit der Sie ausgesetzt sind“ als nicht wichtige und nicht auf sie vorbereiten.

Warum es weh tut: Diese Fragen sind nicht Teil des Interviews (nur), da sich der Interviewerin mit ihrem Familienleben zu Tode gelangweilt hat. Verhaltensfragen testen Sie, wie Sie denken und kommunizieren.

Ein Repair:

7. Verwenden von Schlagwörtern ohne Kontext

Fehler: Verpacken Sie Ihren Lebenslauf mit technischen und geschäftlichen Schlagworten, aber keine konkreten Beispiele.

Warum es weh tut: Denn „gehebelte hochmoderne Large-Information-Synergien zur Straffung skalierbarer datengesteuerter KI-Lösung für Finish-to-Finish-Generative Intelligence in der Cloud“ bedeutet nichts. Sie könnten versehentlich jemanden damit beeindrucken. (Aber zählen Sie nicht darauf.) Häufiger werden Sie gebeten zu erklären, was Sie damit meinen, und riskieren, zuzugeben, dass Sie keine Ahnung haben, wovon Sie sprechen.

Beheben:

• Vermeiden Sie die Verwendung von Schlagwörtern Und klar kommunizieren.
• Wissen Sie, wovon Sie sprechen. Wenn Sie die Verwendung von Schlagwörtern nicht vermeiden können, fügen Sie für jedes Schlagwort einen Satz hinzu, der zeigt, wie Sie ihn verwendet haben und warum.
• Sei nicht vage. Anstatt zu sagen: „Ich habe Erfahrung mit DL“, sagen Sie „Ich habe benutzt langes Kurzzeitgedächtnis Prognose der Produktnachfrage und reduzierter Lagerbestände um 24%“.

Abschluss

Es ist nicht schwierig, diese sieben Fehler zu vermeiden. Sie können kostspielig sein, additionally machen Sie sie nicht. Der Rekrutierungsprozess in der Datenwissenschaft ist kompliziert und grausam genug. Versuchen Sie, Ihr Leben nicht noch komplizierter zu machen, indem Sie den gleichen dummen Fehlern erliegen wie andere Datenwissenschaftler.

Nate Rosidi ist Datenwissenschaftler und in Produktstrategie. Er ist außerdem eine zusätzliche Professorin für Lehranalysen und Gründer von Stratascratch, einer Plattform, die Datenwissenschaftlern hilft, sich auf ihre Interviews mit echten Interviewfragen von High -Unternehmen vorzubereiten. Nate schreibt über die neuesten Tendencies auf dem Karrieremarkt, gibt Interviewberatung, teilt Datenwissenschaftsprojekte und deckt alles SQL ab.

Microsoft wird laut einem Bericht von 3% seiner globalen Belegschaft von einem Bericht von entlassen CNBCpotenziell betreffen im Juni über 6.500 Mitarbeiter der 228.000 weltweiten Mitarbeiter.

Ein Microsoft -Sprecher bestätigte die Entlassungen an Techcrunchmit der Angabe: „Wir umsetzen weiterhin organisatorische Änderungen, die erforderlich sind, um das Unternehmen für den Erfolg auf einem dynamischen Markt am besten zu positionieren.“

Dieser Umzug markiert einen der Unternehmen des Unternehmens größte Reduzierung der Mitarbeiter Seit dem Abbau von 10.000 Arbeitsplätzen im Jahr 2023 wird erwartet, dass die jüngsten Entlassungen alle Ebenen, Standorte und Groups innerhalb der Organisation beeinflussen.

Obwohl im April ein starkes Quartal mit einem Umsatz von 70,1 Milliarden US -Greenback, einem Anstieg von 13% und einem Gewinn von 25,8 Milliarden US -Greenback, einem Anstieg von 18% und einem Anstieg von 18% gemeldet wurde, verfolgt das Unternehmen mit den Entlassungen. Microsoft hatte zuvor im Januar Entlassungen durchgeführt, die als leistungsbasiert bezeichnet wurden. Im Gegensatz dazu hängt die derzeitige Entlassungsrunde nicht mit der Leistung der Mitarbeiter zusammen, so ein Sprecher, der mit dem gesprochen hat CNBC.

Die Tech -Industrie hat im vergangenen Jahr erhebliche Entlassungen verzeichnet, mit großen Unternehmen wie Amazonas Und Meta Auch implementieren Arbeitskürzungen.

---

Ausgewähltes Bildnachweis

Salesforce hat Pläne angekündigt, mehr als 1.000 Arbeitsplätze im Rahmen einer Umstrukturierungsanstrengung zu beseitigen, die darauf abzielt, die Ressourcen für seine wachsenden Initiativen für künstliche Intelligenz zu verwirklichen. Die Entscheidung markiert den jüngsten Schritt des Tech -Riese, um den Betrieb zu optimieren und seine Belegschaft in einem breiteren Branchentrend zur Automatisierung und Kostenreduzierung anzupassen.

Salesforce setzt 1.000 Arbeitsplätze und KI erhält stattdessen das Funds

Laut Unternehmensaussagen folgen die Entlassungen frühere Reduzierungen, die im Januar 2024 700 Positionen und im Juli 2024 zusätzlich 300 aufgenommen haben. Mit einer Belegschaft von quick 73.000 Mitarbeitern zum Ende des Geschäftsjahr in den betrieblichen Prioritäten des Unternehmens.

CEO Marc Benioff betonte, dass die Änderungen dazu gedacht sind, den Fokus von Salesforce auf seine neuen KI -Produkte zu unterstützen, einschließlich des Flaggschiffs des Unternehmens, Agentforce. Das Unternehmen leitet Kapital aus traditionellen technischen Rollen um, um seine KI -Fähigkeiten zu verbessern.

Die betroffenen Mitarbeiter haben die Möglichkeit, im Rahmen eines internen Mobilitätsprogramms andere Rollen innerhalb von Salesforce zu beantragen. Das Unternehmen gab an, dass diese Maßnahmen die Auswirkungen auf die einzelnen Karrieren minimieren sollen und gleichzeitig den Übergang zu einem kI-gesteuerten Geschäftsmodell erleichtern.

---

Grubhub -Datenverstoß: Hier ist, was Hacker bekommen haben und was Sie jetzt tun müssen

---

Branchenanalysten stellen fest, dass die Entscheidung von Salesforce mit ähnlichen Anpassungen der Belegschaft in anderen wichtigen Technologieunternehmen übereinstimmt, bei denen Automatisierung und KI -Integration zu erheblichen organisatorischen Änderungen geführt haben. Die Entlassungen spiegeln eine strategische Reaktion auf sich weiterentwickelnde Marktbedingungen wider. Unternehmen versuchen, die Betriebskosten zu senken und die Produktivität durch technologiebetriebene Lösungen zu verbessern.

Salesforce hat keine weiteren Einzelheiten zu den spezifischen Abteilungen oder Rollen angegeben, die von den Kürzungen betroffen sind. Das Unternehmen bestätigte, dass die Umstrukturierung Teil seiner breiteren Strategie ist, in Bereiche mit hohem Wachstum zu investieren und gleichzeitig die Wettbewerbsfähigkeit in einem zunehmend automatisierten Umfeld aufrechtzuerhalten.

Zu diesem Zeitpunkt wurden von Salesforce keine zusätzlichen Kommentare abgegeben. Weitere Particulars zum Zeitplan der Implementierung und zusätzliche Assist -Maßnahmen für betroffene Mitarbeiter werden in der kommenden Kommunikation mit Unternehmen erwartet.

---

Ausgewählte Bildnachweise: Salesforce