Медицинские данные. Работаю в стартапе, который делает ML-модели для ранней диагностики рака по КТ-снимкам.

Кайфую ли? Когда модель ловит опухоль на ранней стадии, которую радиолог пропустил - да, кайфую. Когда сижу неделю и дебажу пайплайн аугментации, потому что одна больница присылает DICOM в одном формате, а другая в другом - нет, не кайфую.

Но смысл есть. И это важнее чем "интересность" данных. Йогурты vs раковые клетки, сам понимаешь.

Минус: данные чувствительные, деперсонализация занимает кучу времени, этические комитеты тормозят каждый проект на месяцы.

Геоданные. Спутниковые снимки, GPS-треки, данные с IoT-датчиков на сельхозтехнике.

Мы делаем precision farming: карты урожайности, прогнозы заболеваний растений по мультиспектральным снимкам, оптимизация маршрутов комбайнов. PostGIS, QGIS, Python с rasterio и geopandas.

Скучно бывает когда целый спринт уходит на парсинг кривых шейпфайлов от Росреестра. Но когда видишь как фермер экономит 30% удобрений потому что твоя модель правильно сегментировала поле - прям чувствуешь пользу.

Финтех, антифрод. Анализирую транзакции на предмет мошенничества.

Звучит круто, на деле 90% работы - это борьба с дисбалансом классов (фрод = 0.01% от всех транзакций) и объяснение бизнесу почему нельзя блокировать всех подозрительных, потому что false positive = злой клиент = потеря денег.

Нравится ли? Когда ловишь схему на миллионы - адреналин. Когда тюнишь пороги алерта четвертый месяц подряд - хочется в лес уехать.

Но вот что скажу: скука в данных - это не про данные. Это про задачу. Я знаю ребят, которые кайфуют от ретейл-аналитики потому что им дали свободу экспериментировать. Может тебе не домен менять, а команду?

NLP в юриспруденции. Обучаю модели классифицировать судебные решения, извлекать из них нормы и прецеденты.

Самый треш - это качество исходных данных. Судебные акты в России - это PDF-помойка. OCR-распознавание путает букву "о" с нулем, абзацы слипаются, нумерация статей сбоит. 60% времени трачу на чистку.

Зато когда работает, юристы смотрят как на волшебника. Они привыкли руками искать прецеденты по базам и тратить на это дни. А тут бац, 15 секунд и выборка готова.

Логистика. Оптимизация маршрутов доставки для крупного маркетплейса.

Ненавижу каждую минуту)) Данные грязные, API курьерских служб врут, GPS-координаты прыгают, заказчик хочет "чтобы всё было доставлено за час в радиусе 50 км от МКАДа".

Но платят хорошо, поэтому терплю. А кайф от данных - это мне кажется вообще миф. Кайф от результата бывает, от данных - нет. Данные по определению грязные, кривые и неполные. Везде.

Брат, три года в ретейле это нормально. Не гони. У меня знакомый 8 лет в телекоме аналитиком, считает отток абонентов. Доволен. Потому что нашел себе сайд-проект: по вечерам анализирует данные Strava и делает тепловые карты беговых маршрутов для своего города. Выложил на гитхаб, набрал 2к звезд.

Смысл в том что скучная работа может финансировать интересные хобби. Не обязательно искать идеальную работу где и данные крутые, и зп хорошая, и коллектив. Такого не бывает.

а я работаю с данными гос закупок, парсю zakupki.gov и строю дашборды по тендерам, чтобы находить аффилированных поставщиков

нравится? ну как сказать, каждый день чувствую себя детективом, но иногда находишь такое что лучше бы не находил))

Биоинформатика. Геномные данные.

Обрабатываю результаты секвенирования, ищу мутации, ассоциированные с наследственными заболеваниями. BAM/FASTQ файлы по 200-500 Гб на один образец. Кластер на 128 ядер задыхается.

Нравится - не то слово. Чувствую что делаю что то настоящее. Когда находишь патогенную мутацию и пациент впервые в жизни получает диагноз после 10 лет хождения по врачам - это несравнимо ни с какими йогуртами. Извини.

Плачу? Да. Зп на 30-40% ниже чем в коммерции.