fbpx

בלעדי: יום בחיי מדען נתונים ראשי

מאמר מאת: ד"ר אמג'ד אבו-רמילה, מדען נתונים ראשי ב-Data Science Group.
עידן הבינה המלאכותית כבר כאן ומספר גדול יותר של חברות רוצות לאמץ אותה על מנת לצבור יתרון תחרותי. בין אם מדובר ביכולות אוטומציה בקו הייצור, חיזוי טרנדים בתחום האופנה או ביכולות בחיזוי ואבחון מחלות בתחום הרפואה, בינה מלאכותית נמצאת שם בגדול והתחומים שהיא חודרת אליהם רק הולכים ומתרחבים. לכן, לא מפתיע כי גם הדרישה למומחים בתחום הולכת ועולה ומדעני נתונים הפכו להיות אנשים מבוקשים.

כמי שעוסק בתחום קרוב לעשר שנים, בחרתי לשתף ביום בחיי כמדען נתונים ראשי בחברה בה אני עובד, על מנת לשפוך אור על סגנון ותרבות העבודה וכדי להסביר, למי שמתלבט אם להיכנס לתחום, מה זה אומר הלכה למעשה לעסוק בו.

מה אני עושה כמדען נתונים ראשי?


בחברה בה אני עובד אנחנו מפתחים מוצרים ומודלים מבוססי AI לארגונים מענפים שונים. בין היתר, אנחנו מקימים עבור ארגונים מרכזי מצוינות על מנת לסייע להם לצאת לדרך במסע לעולמות ה-AI. החברה מעסיקה חוקרים ומדעני נתונים, חלקם אנשי אקדמיה, שפרסמו זה מכבר את עבודת הדוקטורט שלהם וכיום פנו לקריירה במגזר הפרטי. 

אני אחראי על מספר עשרות מדעני נתונים, המגיעים מרקע שונה, בין היתר מתחומי מתמטיקה, פיזיקה, סטטיסטיקה, פיתוח תוכנה ומדעי המוח, המחולקים לצוותי פרויקטים. האתגר העיקרי שלי הוא לייצר תקשורת טובה ושפה משותפת עם כל אחת מהדיסציפלינות הללו, בשילוב, שמצד אחד מאפשר פתרון בעיות ויצירתיות במהלך הפרויקט, אך מצד שני מביא למורכבות ניהולית.

במסגרת העבודה שלי אני מתעדכן מול כל אחד מהצוותים לגבי פרויקטים ומוצרים קיימים ועתידיים בפיתוח, מתכנן ומקצה את המשאבים המתאימים לכל פרויקט, כולל משאבי כוח אדם. זוהי עבודה מאד מדויקת, שכן המטרה היא לבצע אופטימיזציה של משאבים ולהתאים את התמהיל הנכון ביותר של אנשי המקצוע לשלבים השונים בפרויקט. מעבר לכך, אני אמון על תכניות הכשרה ולימוד הצוותים ולוקח חלק בתהליך הגיוס של עובדים חדשים. חשוב לי להיות מעורב בתהליך ולבחור את האנשים שישתלבו בצוות בצורה הטובה ביותר ויוסיפו נדבך למארג האנושי, הן בידע והן ברמה האישית.

במהלך פגישות עם אנשי הצוות, אנחנו מקיימים דיונים פעמים רבות בנוגע לבעיות שעולות במהלך הפרויקט. לעיתים אלו שיחות מסדרון שהופכות לדיונים מעמיקים. אנחנו מקיימים שיח כמעט אקדמי בנושאים שונים, ומגיעים לפתרון בעיות – באופן מתמטי, באמצעות שינוי הקוד או בוחנים שוב את הגישה הכוללת.

אני עדיין כותב קוד, עדיין עושה עבודה בפועל "hands on", וזה מה שעוזר לי להיות קרוב לאנשי הצוות ולחיות את העבודה שלהם. פעמים רבות אני לוקח על עצמי אתגרים מיוחדים שיכולים לעזור לצוות שלי. אני מאמין שהמנהל לא צריך להתנתק מהעבודה היום-יומית, אלא להמשיך לעבוד עם האנשים ולקחת משימות מסוימות כדי להרגיש את השטח ואת האתגרים של העובדים.

ד"ר אמג'ד אבו-רמילה | קרדיט: יח"צ

חברה בתחום ה-AI חייבת בתרבות של מחקר


אם יש תובנה אחת שהגעתי אליה במהלך עבודתי, היא שחברה שעוסקת בתחום ה-AI חייבת להנחיל תרבות של מחקר, למידה ותקשורת טובה. גם כאשר היום-יום שלנו מוכוון פרויקטים ולקוחות, חשוב להחזיק בגישה אקדמית ולימודית שמאפשרת לארגון להישאר עם היד על הדופק.
גם אם לחוצים בלוחות זמנים, חשוב לקיים ישיבות והרצאות במסגרת שעות העבודה, בהן מנתחים מחקרים ומאמרים חדשים ומשתפים בתובנות. תרבות של למידה בארגון AI מאפשרת את החופש לשאול שאלות, לטעות ולהתקדם בתחום שמשתנה באופן דינמי מידי יום ביומו.
פידבק ותקשורת בין אנשי הצוות ובינם לבין ההנהלה חשובים מאד גם הם ופעמים רבות יש למצוא את האיזון ולגשר בין כל הצדדים ושלל התחומים. תרבות שמקדשת סקרנות, מחקר ומגוון דעות, מאפשרת גם לביקורת לעלות בצורה בונה ולשמר מוחות יצירתיים בארגון.  

איך נראה יום טיפוסי שלי?


כמדען נתונים ראשי, אני בדרך כלל יודע איך היום שלי מתחיל, אך לא תמיד יודע כיצד או מתי יסתיים. העבודה דינמית, רוויית עניין. כל יום הוא תהליך למידה אחר, בכל יום אינטראקציות ייחודיות, אתגרים חדשים וצוותים שהזדקקו לעזרה או הפתיעו בפתרון בעיות יצירתי. קיים מגוון פרויקטים, תרחישים שונים יוצאים לדרך בכל יום ומאות כיווני פעולה שמיושמים על ידי האנשים שלי.

כך נראה יום טיפוסי שלי, אם כי השעות והאורך של כל פעילות עשויים להשתנות כמעט כל יום:

06:15 יוצא לדרך מירושלים לתל אביב, נהנה מכביש פנוי בלי פקקים ומאויר הרים צלול.
07:15 מגיע למשרד לכוס קפה ראשונה.
7:30 פגישה איכותית עם עצמי, שעה לבדי. זמן לקרוא חומרים, לעבור על אימיילים, לסיים הצעה, לסדר את הלו"ז, לכתוב עוד קטע קוד או לעבור על בעיה מחקרית שהצוות שלי נתקל בה.
8:30 שיחות 1:1 עם עובדים (בכל יום השיחות מתקיימות עם עובדים אחרים). עם כל עובד אני מדבר 20-25 דקות בנושאים מקצועיים, על המשימות בפרויקט, על האתגרים אבל גם לעיתים על נושאים אישיים, משפחתיים, בהם אני גם יכול לעזור, להתחשב או לגבות.
10:30 שיחות עם לקוחות קיימים וחדשים. מלווה מקצועית או אקדמית את מנהלי הצוותים שעובדים מול הלקוחות. לחלופין, ישנם ימים בהם אני מקיים פגישות עם ההנהלה, חולק את ההתקדמות, הצרכים, האתגרים ואת ה- KPI של פרויקטים שונים בצוות שלי.
12:30 ארוחת צהריים – אם יש לי זמן אני שמח להצטרף  לארוחה עם העובדים שלי. זמן טוב לשיחות לא רשמיות ולהיכרות אישית. אני מאמין שצריך גם להתנתק מהמסך ולאוורר את הראש אם רוצים שהוא יהיה יצירתי.
13:00 דיונים פנים-צוותיים. אני משתדל לנצל את ההזדמנות לתת הסברים מעמיקים ולחסוך בהתלבטויות קשות שיכולות לעלות בהמשך היום. בשיחות הללו מתבצעים סיעורי מוחות ופעמים רבות עולים רעיונות וכיוונים מחקריים חדשים לחלוטין.
15:00 עבודה עם מחלקת משאבי האנוש, ראיונות של מועמדים, מעבר על קורות חיים. בניית סיליבוסים של קורסים למתגייסים חדשים ו/או מתן הרצאות במסגרת קורסים.
16:00 עבודה "hands on" על פרויקט.
17:30 מתחיל להגיד שאני הולך הביתה. מוודא שכל מי שפנה אלי היום קיבל מענה, מתנצל למי שלא הספקתי לענות.
18:15 שוט אחרון של קפה, מצטייד בתפוח או פרי אחר.
18:30 יוצא הביתה, בדרך כלל יש פקקים, מנצל את הזמן להקשיב לפודקאסטים ולהרצאות.

מדען נתונים ראשי בחברה המתמחה בשירותי AI הוא תפקיד מאתגר ומגוון, שיש בו גם עבודת צוות וניהול וגם עבודה מקצועית בפועל. אני גאה בהרבה מאד פרויקטים שהובילו הצוותים שלי, שכללו עבודה מחקרית, יצירתיות, דמיון ויכולת קבלת החלטות ופתרון בעיות חכם. כשפרויקטי AI מנוהלים עם צוותים מולטי-דיסציפלינריים בתמהיל אופטימלי, תוך שילוב לימוד ברמה אקדמית, מתאפשרת אווירה של מגוון דעות ופתרונות. חשוב לעודד חשיבה אחרת, לא לעשות את מה שכולם עושים – רק כך ניתן להגיע לפתרון חדש בעל בידול משמעותי מפתרונות אחרים בתחום. גם רעיונות שמתחילים בשיחת מסדרון יכולים להפוך למוצר מדהים. 

לידור צרויה
עם מספר שנים של עבודה וניסיון בתחום ה-New Media והטכנולוגיה, לידור החליט להקים את Tech-IL בשנת 2018 עם מטרה ברורה – להיות שם דבר בתחום הטכנולוגיה. עם ניסיון וידע רב בניהול דיגיטל, עריכה, וטכנולוגיה, לידור מביא מוטיבציה ורצון לשים תוכן איכותי וטוב בחזית המדיה ע"י סיקורים, חדשות, וסרטונים בערוץ היוטיוב.
דילוג לתוכן