Volgens navorsing deur HeadHunter en Mail.ru oorskry die vraag na datawetenskaplikes die aanbod, maar nogtans kry jong spesialiste dit nie altyd reg om werk te kry nie. Ons vertel jou wat die gegradueerdes van die kursusse kortkom en waar om te studeer vir diegene wat 'n groot loopbaan in Datawetenskap beplan.
"Hulle kom en dink dat hulle nou 500 XNUMX per sekonde sal verdien, want hulle ken die name van die raamwerke en hoe om 'n tweelynmodel daaruit te laat loop."
Emil Maharramov lei 'n groep rekenaarchemiedienste by biocad en by onderhoude word gekonfronteer met die feit dat kandidate nie 'n sistematiese begrip van die professie het nie. Hulle voltooi kursusse, kom met goed gepompte Python en SQL, kan Hadoop of Spark in 2 sekondes verhoog, voltooi die taak volgens 'n duidelike TOR. Maar terselfdertyd is ’n treetjie na die kant nie meer daar nie. Alhoewel dit die buigsaamheid van oplossings is wat werkgewers van hul spesialiste op die gebied van Datawetenskap verwag.
Wat gebeur in die Data Science-mark
Die bevoegdhede van jong professionele persone weerspieël die situasie in die arbeidsmark. Hier oorskry die vraag die aanbod aansienlik, so desperate werkgewers is dikwels regtig gereed om heeltemal groen spesialiste aan te stel en dit vir hulself te laat groei. Die opsie werk, maar dit is slegs geskik as die span reeds 'n ervare spanleier het wat die opleiding van die junior sal oorneem.
Volgens 'n studie deur HeadHunter en Mail.ru is datawetenskaplikes van die mees in aanvraag op die mark:
- In 2019 was daar 9,6 keer meer vakatures op die gebied van data-analise, en 7,2 keer meer in die veld van masjienleer as in 2015.
- In vergelyking met 2018 het die aantal vakatures vir data-ontledingspesialiste met 1,4 keer toegeneem en vir masjienleer - met 1,3 keer.
- 38% van oop vakatures is in IT-maatskappye, 29% in maatskappye uit die finansiële sektor, en 9% in besigheidsdienste.
Die situasie word aangevuur deur talle aanlynskole wat dieselfde juniors oplei. Basies duur opleiding van drie tot ses maande, waartydens studente tyd het om die belangrikste gereedskap op 'n basiese vlak te bemeester: Python, SQL, data-analise, Git en Linux. Die uitset is 'n klassieke junior: hy kan 'n spesifieke probleem oplos, maar hy kan steeds nie die probleem verstaan en onafhanklik die probleem formuleer nie. Hoë aanvraag na spesialiste en hype rondom die beroep gee egter dikwels aanleiding tot hoë ambisies en salarisvereistes.
Ongelukkig lyk 'n onderhoud in Data Science nou gewoonlik so: die kandidaat sê dat hy 'n paar biblioteke probeer gebruik het, hy kan nie vrae beantwoord oor hoe die algoritmes werk nie, dan vra hy 200, 300, 400 duisend roebels per maand in sy hande.
As gevolg van die groot aantal advertensie slagspreuke soos "almal kan 'n data-ontleder word", "bemeester masjienleer in drie maande en begin baie geld maak" en die dors na vinnige wins, het 'n groot stroom oppervlakkige kandidate in ons veld gestroom met absoluut geen stelsel opleiding nie.
Victor Kantor
Hoofdatawetenskaplike by MTS
Na wie soek werkgewers?
Enige werkgewer wil graag hê dat sy juniors sonder konstante toesig moet werk en onder leiding van 'n spanleier kan ontwikkel. Om dit te doen, moet 'n beginner onmiddellik die nodige gereedskap bemeester om huidige probleme op te los, en 'n voldoende teoretiese basis hê om geleidelik hul eie oplossings te bied en meer komplekse probleme te benader.
Met gereedskap vir beginners op die mark, is alles redelik goed. Korttermynkursusse laat jou toe om dit vinnig te bemeester en aan die werk te kom.
Volgens 'n studie deur HeadHunter en Mail.ru is die mees gevraagde vaardigheid kennis van Python. Dit word genoem in 45% van datawetenskaplike-poste en 51% van masjienleer-bane.
Werkgewers wil ook hê dat datawetenskaplikes SQL (23%) moet ken, vaardig moet wees in data-ontginning (Data-ontginning) (19%), wiskundige statistiek (11%) en met groot data kan werk (10%).
Werkgewers wat op soek is na masjienleerspesialiste, tesame met kennis van Python, verwag dat die kandidaat vaardig sal wees in C ++ (18%), SQL (15%), masjienleeralgoritmes (13%) en Linux (11%).
Maar as die juniors goed vaar met die gereedskap, dan staar hul leiers 'n ander probleem in die gesig. Die meeste kursusse gegradueerdes het nie 'n diepgaande begrip van die beroep nie, so dit is moeilik vir 'n beginner om te vorder.
Ek is tans op soek na masjienleerspesialiste om by my span aan te sluit. Terselfdertyd sien ek dat kandidate dikwels individuele Data Science-instrumente bemeester het, maar hulle het nie 'n diep genoeg begrip van die teoretiese grondslae om nuwe oplossings te skep nie.
Emil Maharramov
Hoof van Computational Chemistry Services Group, Biocad
Die struktuur en duur van die kursusse laat jou nie toe om diep na die vereiste vlak te gaan nie. Gegradueerdes kort dikwels dieselfde sagte vaardighede wat gewoonlik oor die hoof gesien word wanneer hulle 'n posplasing lees. Wel, regtig, wie van ons sal sê dat hy nie sistemiese denke het of 'n begeerte om te ontwikkel nie. Met betrekking tot 'n Data Scientist praat ons egter van 'n dieper storie. Hier, om te ontwikkel, benodig u 'n redelike sterk vooroordeel in teorie en wetenskap, wat slegs moontlik is tydens langtermynstudies, byvoorbeeld by 'n universiteit.
Baie hang van die persoon af: as 'n student met 'n goeie basis in wiskunde en programmering 'n drie maande lange intensiewe kursus slaag van sterk onderwysers met ondervinding van spanleiers in top maatskappye, delf in al die kursusmateriaal en "absorbeer soos 'n spons", soos hulle vroeër by die skool gesê het, dan sal daar later probleme met so 'n werknemer wees No. Maar 90-95% van mense, om iets vir ewig te leer, moet jy tien keer meer leer en dit stelselmatig vir 'n paar jaar in 'n ry doen. En dit maak meestersprogramme in data-analise 'n goeie opsie om 'n goeie grondslag van kennis te kry, waarmee jy nie by die onderhoud hoef te bloos nie, en dit sal baie makliker wees om jou werk te doen.
Victor Kantor
Hoofdatawetenskaplike by MTS
Waar om te studeer om 'n werk in Data Science te kry
Daar is baie goeie datawetenskapkursusse op die mark en om 'n aanvanklike opleiding te kry is nie 'n probleem nie. Maar dit is belangrik om die rigting van hierdie opvoeding te verstaan. As die kandidaat reeds 'n sterk tegniese agtergrond het, dan is intensiewe kursusse wat jy nodig het. 'n Persoon sal die gereedskap bemeester, na die plek kom en vinnig daaraan gewoond raak, want hy weet reeds hoe om soos 'n wiskundige te dink, die probleem raak te sien en probleme te formuleer. As daar nie so 'n agtergrond is nie, sal daar na die kursus 'n goeie presteerder wees, maar met beperkte geleenthede vir groei.
As jy 'n korttermyndoelwit het om van beroep te verander of 'n werk in hierdie spesialiteit te kry, dan is sommige sistematiese kursusse geskik vir jou, wat kort is en vinnig 'n minimum stel tegniese vaardighede verskaf sodat jy vir 'n intreevlak kan kwalifiseer posisie in hierdie veld.
Ivan Yamschikov
Akademiese Direkteur van die Online MSc in Data Science
Die probleem met kursusse is dat hulle 'n vinnige, maar minimale oorklokkering gee. 'n Persoon vlieg letterlik in die beroep en bereik vinnig die plafon. Om vir 'n lang tyd in die beroep te kom, moet jy dadelik 'n goeie grondslag lê in die vorm van 'n langertermynprogram, byvoorbeeld in 'n meestersgraadprogram.
Hoër onderwys is geskik as jy verstaan dat hierdie area vir jou vir die lang termyn van belang is. Jy wil nie so gou moontlik werk toe gaan nie. En jy wil nie 'n loopbaanplafon hê nie, en jy wil ook nie die probleem van 'n gebrek aan kennis, vaardighede, 'n gebrek aan begrip van die algemene ekosisteem waardeur innoverende produkte ontwikkel word, in die gesig staar nie. Dit vereis 'n hoër opleiding, wat nie net die nodige stel tegniese vaardighede vorm nie, maar ook jou denke op 'n ander manier struktureer en help om 'n visie van jou loopbaan op die langer termyn te vorm.
Ivan Yamschikov
Akademiese Direkteur van die Online MSc in Data Science
Die afwesigheid van 'n loopbaanplafon is die grootste voordeel van die meestersprogram. Vir twee jaar ontvang die spesialis 'n kragtige teoretiese basis. Só lyk die eerste semester van die NUST MISIS Data Science-program:
- Inleiding tot Datawetenskap. 2 weke.
- Grondbeginsels van data-analise. Data verwerking. 2 weke
- Masjienleer. Datavoorverwerking. 2 weke
- EDA. Intelligensie data-analise. 3 weke
- Basiese masjienleeralgoritmes. P1 + P2 (6 weke)
Terselfdertyd kan jy ook praktiese ondervinding by die werk opdoen. Niks verhoed jou om 'n junior pos te kry, sodra die student die nodige gereedskap bemeester het nie. Dit is net, anders as 'n gegradueerde van kursusse, stop die meester nie sy opleiding hieroor nie, maar gaan voort om in die beroep te delf. In die toekoms laat dit jou toe om sonder beperkings in Data Science te ontwikkel.
Op die webwerf van die Universiteit van Wetenskap en Tegnologie "MISiS" vir diegene wat in Data Science wil werk. Verteenwoordigers van NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group en Yandex, praat oor die belangrikste:
- Hoe om jou plek in Data Science te vind?,
- "Is dit moontlik om 'n data-wetenskaplike van nuuts af te word?",
- "Sal daar 'n behoefte aan datawetenskaplikes oor 2-5 jaar wees?",
- "Aan watter take werk datawetenskaplikes?",
- "Hoe om 'n loopbaan in datawetenskap te bou?"
Aanlyn leer, openbare onderwys diploma. aanvaar tot 10 Augustus.
Bron: will.com