не то что бы перекос.. но чаще стали смотреть на общую адекватность. Уже многие обожглись на том, что брали супер-крутых гуру в техническом плане, но лютых неадекватов, с которыми абсолютно невозможно работать. Поэтому все чаще предпочитают брать чуть менее скилловых, но с нормальной коммуникацией
ML не датасайенс, датасайенс это задача попроще (работа с эксель по факту, а не с фреймворками ML), вот для них, без проблем. Но это специфичная работа,не всем зайдет. Вплоть до того, что из ML в бэкэнд уходят со словами хочу кодить побольше.
Не поверишь, даже не с курсов. Из науки, причем вполне прикладными проектами занимался, ML как дополнение скорее шло. А если есть отличные альтернативы для numpy, с интересом бы ознакомился.
Просто в датасаенсе такое же разделение на специализации, как и в тестировании. Дата инженеры данные чистят, саентисты и аналитики задачи ставят, МЛщики алгоритмы подбирают и тренируют. Но по логике один датасаентист должен уметь делать всё вышеперечисленное и на хорошем уровне
До реальной конечно нет, но тыщ 10 подкинуть могут по своей инициативе. Каждому надо идти и просить повышения зп самому конечно же, а не уверовать в то что позаботится кто-то о тебе
В принципе, да, а еще и сам свой код тестируешь, так как все слишком быстро меняется. Но в плане тестирования получается попроще, так как основная сложность-исследование (и то, чтобы система решала задачу), и обычно это не конечный продукт.