איך מצאתי את משרת החלומות בחברה מבוזרת ולמה הגיע הזמן לעזוב

יום אחד היה לילה. הגעתי הביתה מהעבודה אחרי שביליתי שעתיים בנסיעה בכל כיוון. הייתי עצבני ומתוסכל והתחלתי לגגל על ״עבודה מרחוק״. מפה לשם הגעתי לכתבות על חברת Automatic – חברה מבוזרת בלי משרדים שכל עובדיה עובדים ״מהבית״. ולא היה מדובר באיזה סטאר-אפ חמוד של שלושה אנשים: כבר אז היו בחברה כמאתים עודבים ומוצר הדגל שלה, מע׳ ניהול אתרים WordPress, עמד מאחורי ככרבע מכל אתרי האינטרנט!

צילום מסך של המייל בו אני מבקש מאנשי אוטומטאטק לצור אתי קשר
תחילת המייל המדובר. אפילו לא הורדתי את הלינק ששמרתי לעצמי לקרוא אחר כך

הלכתי לעמוד הדרושים של החברה ולא מצאתי זכר לחוקרי נתונים. הלכתי ל־LinkedIn ולא מצאתי זכר לחוקרי נתונים. חיפשתי וחיפשתי ולא מצאתי זכר לחוקרי נתונים. ״לא ייתכן,״ אמרתי לעצמי, ״חברה שכזאת חייבת חוקר נתונים אחד לפחות״. אז כתבתי מייל די יומרני וחצוף שכותרתו הייתה ״למה אתם צריכים לדבר אתי״. מה שמוזר הוא שהם באמת יצרו איתי קשר. כל זה היה בשנת 2014. מאז אני באוטומאטיק. מאז לא היה יום אחד שלא הודיתי לגורל (לא לאלוהים כי אני אטאיסט) על שהגעתי עד הלום.

ואז, החלטתי לעזוב.

למה? 

לעזיבה היו הרבה סיבות אבל העקרית שבהן היא הרצון לצאת שוב מאזור הנוחות שלי ולנסות דברים חדשים. אז החל מיום ראשון הבא אני עובד כפרילנסר בתחום של חקר נתונים (data science), הדמיית נתונים (data visualization) ולמידה חישובית (machine learning). אני גם מרצה בתחומים אלו.

לא יודע מה אתכם, אבל אני מתרגש!

נ.ב. בבקשה תעקבו אחרי הבלוג שלי בעברית ובאנגלית, שימו לייקים ודאגו לספר לחברים על מרצה וחוקר הנתונים המעולה  שאתם מכירים

ועוד משהו. אוטומאטיק תמיד מחפשים עובדים חדשים. זאת אחלה חברה לעבוד בה ואפילו לא צריך לבלות בבקרים שעות בכבישים. שלחו להם קו״ח, גם אם אין שום משרה רלוונטית בעמוד הדרושים שלהם. לפעמים החוצפה משתלמת

צילום קבוצתי של כשש מאות איש.
מפגש החברה בשנת 2018
מפגש החברה משנת 2019. אין לי מושג איפה אני

שנה חדשה, מחברת חדשה

ב־7 בנובמבר 2016 התחלתי ניסוי. החלטתי לנהל את כל המשימות שלי, גדולות וקטנות, באמצעות מחברת. הניסוי אמור היה להמשך שלושים יום. שלושים הימים נגמרו לפני יותר משלוש שנים ואני עדיין משתמש במחברות שלי ומאוד מרוצה. היום פתחתי מחברת חדשה, ה־13 במספר.

ניתן לקרוא על שיטת ניהול המשימות שלי (באנגלית) כאן. אם יש התענינות, אטרח לתרגם את השיטה לעברית

חרא של פרות, החולה הוירטואלי, ביג דאטה ועתיד האנושות

אתמול עלה לאוויר פרק בפודקאסט ״פופקורן״ בו ליאור פרנקל מראיין מראיין אותי. מי שמכיר אותי יודע כמה אני אוהב לדבר על עצמי ובראיון הזה בהחלט ניצלתי את ההזדמנות. כמה אנשים ששמעו את הפרק אמרו שנהנו מאוד. מומלץ

הדמיית נתונים כמשימה הנדסית – גישה שיטתית ליצירת הדמיה יעילה

ביוני השנה השתתפתי בכנס NDR בעיר יאשי שברומניה. לפני מספר ימים המארגנים העלו את הקלטות הוידאו של הכנס ליוטיוב. בין ההקלטות גם ההרצאה שלי.

ביוני הבא יתקיים כנס NDR נוסף. הפעם אני נוסע לבוקרסט וגם שם אדבר על הדמיית נתוים.

לפעמים, לא באמת צריך מקרא

פוסט זה נכתב בהשראת השיעור השבועי של בלה גוטיה בה היא נותנת כמה עצות של ״עשה״ ו־״אל תעשה״ בהקשר של מקרא בגרפים. התפלאתי לראות שבלה לא אמרה שלפעמים לא באמת צריך מקרא, לפחות לא במובן הקלאסי של המילה.

בואו נראה דוגמא פשוטה. נעקוב אחרי תל״ג לנפש בישראל, צרפת ואיטליה בשנים 2000 עד 2012. לא דרושה חוכמה רבה כדי לצייר שלושה קווים. בפייתון אנחנו עושים את זה ככה

plt.plot(gdp.Year, gdp.Israel, '-', label='Israel')
plt.plot(gdp.Year, gdp.France, '-', label='France')
plt.plot(gdp.Year, gdp.Italy, '-', label='Italy')
plt.legend()

השורה האחרונה בקוד עושה קסם קטן ומוסיפה מקרא. זאת התוצאה

גם באקסל קורה קסם קטן

אז איפה פה העיה?

מה קורה כאשר אדם רוצה לדעת איזה קו שייך לאיזו מדינה? אותו האדם נאלץ להשוות בין צבע הקו במקרא לצבע הקו בגרף. מאחר ויש גבול לְמה שאנחנו מסוגלים לשמור בזכרון העבודה שלנו, אנחנו נאלצים לעשות אחד מהשניים: או להעביר את המבט בין קו לקו עשרות פעמים או ״להמציא״ קיצור דרך. קיצורי דרך אינן נחלת העצלנים בלבד. המוח האנושי לא מסוגל לעבוד קשה לאורך זמן הוא חוטר בקביעות להמציא קיצורי דרך (אני מאוד ממליץ על הספר לחשוב מהר לחשוב לאט של דניאל כהנמן). מהו קיצור הדרך במקרה הזה? ובכן, לאורך רוב הגרף, הקו של ישראל נמצא מתחת לקו של איטליה שמנצא מתחת לקו של צרפת. האם אותו הסדר נשמר במקרא? לא ולא. חוסר ההתאמה הזה גורם לדיסוננס, הצופה נאלץ לעבוד קשה, מתעצבן ומפספס שת הפואנטה שלכם. וזה עוד עם שלושה קווים. מה יקרה אם מספר הקווים יגדל?

עכשיו המוח צריך לעבוד עוד יותר קשה כי לא באמת אפשר לזכור את כל הצבעים.

איך משפרים את המצב?

קודם כל נחפש פתרון פשוט וזול, כזה שלא יצריך מאתנו עבודה קשה מדי. אם יש לקווים סדר כלשהו, צריך לדאוג שהסדר הזה יישמר גם במקרא. בפייתון עושים את זה על ידי שינוי סדר הפקודות.

plt.plot(gdp.Year, gdp.Australia, '-', label='Australia')
plt.plot(gdp.Year, gdp.Belgium, '-', label='Belgium')
plt.plot(gdp.Year, gdp.France, '-', label='France')
plt.plot(gdp.Year, gdp.Italy, '-', label='Italy')
plt.plot(gdp.Year, gdp.Israel, '-', label='Israel')
plt.legend()

אנחנו עדיין עודבים קשה אבל לפחות יכולים להסתמך על סדר הקווים. סדר זה עוזר לנו גם אם אנחנו לא רואים את הצבעים בצורה טובה (בגלל מצב גנטי, הגיל או בגלל שמשתמשים במקרן ישן במצגת). זאת הקלה גדולה מאוד.

אם יש זמן

אם יש לנו קצת יותר זמן, אפשר להשקיע ולשפר את המצב עוד יותר ולהפטר מהמקרא בצורתה הקלאסית.

countries = [c for c in gdp.columns if c != 'Year']
fig, ax = plt.subplots()
for i, c in enumerate(countries):
    ax.plot(gdp.Year, gdp[c], '-', color=f'C{i}')
    x = gdp.Year.max()
    y = gdp[c].iloc[-1]
    ax.text(x, y, c, color=f'C{i}', va='center')
seaborn.despine(ax=ax)

.אם אתם לא מבינים את הפייתון שלי, ליבי אתכם אבל לא אסביר את הקוד כאן

נכון שיותר טוב? עכשיו הצופה לא צריך לזכור כלום, העין שלו לא צריכה לקפוץ מהגרף למקרא. וגם אם לא רואים את הצבעים, ברור איזה קו שייך לאיזו מדינה.

ואם כבר טרחנו לעבוד קשה, למה לא להוסיף עוד טיפת עבודה ולהפוך את המקרא לעוד יותר מועילה?

הנה, אותו הגרף, בלי המקרא (הקלאסית) ועם יותר מידע מועיל.

אני יודע מה תגידו: מה יקרה אם הקווים לא מופרדים בקלות? אם נצייר את אותו הגרף עבור שנים 2000 עד 2016 נקבל בלגאן גדול

אתם צודקים. זה אכן בלגן, אבל לא אמרתי שהחיים קלים. גם את הבלגן הזה אפשר לפתור אבל אין לי זמן לטפל בזה. לרנדי אולסון היה זמן תראו מה הוא עשה בעזרת כמה עשרות שורות של קוד.

תראו גם את הפוסט הישן שלי (באנגלית) שמדבר על מקרא.

לסיכום

בלי מקרא עדיף על עם מקרא. העובדה שאתם יכולים להוסיף מקרא לא אומרת שאתם צריכים.

אותו הפוסט באנגלית: [לינק]