#оффтоп

"What one programmer can do in one month, two programmers can do in two months. – Frederick P. Brooks"

Радует, что в сообществе начинают появляться блогпосты о том, что DS должны быть более end-to-end, чтобы приносить value

Unpopular opinion: Data scientist should be more end-to-end
https://eugeneyan.com/writing/end-to-end-data-science/

TL;DR
Фокус на решении изначальной бизнес-проблемы, а не узких задачах про данные/модель/микросервис/.. позволяет:

1. Более глобально понимать бизнес - - > делать более эффективные решения

2. Делать те задачи, которые полезны бизнесу, а не те, которые кажутся полезными с точки зрения ML

3. Снизить число ненужных коммуникаций (DE - DS - ML engineer - ML Ops - РМ) и ускорить решение задачи

4. Повышает шанс довести задачу до конца, т.к. есть конкретный ответственный за неё человек, а не плеяда data-* специалистов

Имхо, абсолютно согласен. Я бы разделял только data-related обязанности и инфраструктурные.

Условно, делать базу данных и инфраструктуру микросервисов для инференса должны архитекторы / software инженеры. А вот все, что связанно непосредственно с обработкой данных и ML - работа data scientist-а