В области Data Science, Machine Learning и даже Data Engineering нет таких устойчивых традиций разработки, как в других областях. При этом, конечно же, есть свои сложности и проблемы. Новички приходят в эту область, быстро понимают, что всё совсем не так, как они себе представляли, а те, кто пока к ней приглядывается, часто имеют довольно искажённое представление о том, как выстраивается типичный цикл разработки и какие там есть неожиданные неприятности. В ситуации, когда ты приходишь в аналитическую команду инженером или работаешь с соседней командой дата-сайентистов, это взаимодействие часто приводит к склокам и недопониманию.

В докладе мы обсудим возможные причины, почему такое может происходить и что можно сделать, чтобы этого не было. Я поделюсь соображениями о том, как можно сделать так, чтобы дата-сайентисты и дата-инженеры выполняли свои задачи без ощущения, что это их убивает.