بداية سريعة وسقف منخفض. ما ينتظر علماء البيانات الشباب في سوق العمل

وفقًا لبحث أجراه HeadHunter و Mail.ru ، فإن الطلب على علماء البيانات يتجاوز العرض ، ولكن مع ذلك ، لا يتمكن المتخصصون الشباب دائمًا من العثور على وظيفة. نخبرك بما يفتقر إليه خريجو الدورات وأين يدرسون لأولئك الذين يخططون لمهنة كبيرة في علوم البيانات.

"يأتون ويعتقدون أنهم الآن سيربحون 500 ألف في الثانية ، لأنهم يعرفون أسماء الأطر وكيفية تشغيل نموذج من سطرين منها"

اميل محرموف يقود مجموعة من خدمات الكيمياء الحاسوبية في biocad وفي المقابلات يواجه حقيقة أن المرشحين ليس لديهم فهم منهجي للمهنة. يكملون الدورات التدريبية ، التي تأتي مع Python و SQL جيدة الضخ ، ويمكنهم رفع Hadoop أو Spark في ثانيتين ، وإكمال المهمة وفقًا لـ TOR واضح. لكن في الوقت نفسه ، لم تعد هناك خطوة إلى الجانب. على الرغم من مرونة الحلول التي يتوقعها أصحاب العمل من المتخصصين في مجال علوم البيانات.

ما يحدث في سوق علوم البيانات

تعكس كفاءات المهنيين الشباب الوضع في سوق العمل. هنا ، يتجاوز الطلب العرض بشكل كبير ، لذلك غالبًا ما يكون أصحاب العمل اليائسون مستعدين حقًا لتوظيف متخصصين صديقين تمامًا وتنميتهم لأنفسهم. الخيار يعمل ، لكنه مناسب فقط إذا كان لدى الفريق بالفعل قائد فريق متمرس سيتولى تدريب الناشئين.

وفقًا لدراسة أجرتها HeadHunter و Mail.ru ، فإن علماء البيانات هم من بين أكثر العلماء طلبًا في السوق:

• في عام 2019 ، كان هناك 9,6 أضعاف الوظائف الشاغرة في مجال تحليل البيانات ، و 7,2 مرات في مجال التعلم الآلي مقارنة بعام 2015.
• مقارنة بعام 2018 ، زاد عدد الوظائف الشاغرة لمتخصصي تحليل البيانات 1,4 مرة ، وللتعلم الآلي 1,3 مرة.
• 38٪ من الوظائف الشاغرة في شركات تكنولوجيا المعلومات ، و 29٪ في شركات من القطاع المالي ، و 9٪ في خدمات الأعمال.

يغذي الموقف العديد من المدارس عبر الإنترنت التي تدرب هؤلاء الصغار أنفسهم. في الأساس ، يستغرق التدريب من ثلاثة إلى ستة أشهر ، يتاح للطلاب خلالها الوقت لإتقان الأدوات الرئيسية على مستوى أساسي: Python و SQL وتحليل البيانات و Git و Linux. المخرجات عبارة عن مبتدئ كلاسيكي: يمكنه حل مشكلة معينة ، لكنه لا يزال غير قادر على فهم المشكلة وصياغة المشكلة بشكل مستقل. ومع ذلك ، فإن ارتفاع الطلب على المتخصصين والضجيج حول المهنة غالبًا ما يؤدي إلى طموحات عالية ومتطلبات رواتب.

لسوء الحظ ، عادةً ما تبدو المقابلة في Data Science الآن على النحو التالي: يقول المرشح أنه حاول استخدام مكتبتين ، ولا يمكنه الإجابة على أسئلة حول كيفية عمل الخوارزميات ، ثم يطلب 200 ، 300 ، 400 ألف روبل شهريًا في يديه.

نظرًا للعدد الكبير من الشعارات الإعلانية مثل "يمكن للجميع أن يصبح محلل بيانات" ، و "إتقان التعلم الآلي في ثلاثة أشهر والبدء في جني الكثير من المال" والتعطش لتحقيق ربح سريع ، تدفق عدد كبير من المرشحين السطحيين على مجالنا بدون أي تدريب على النظام.

فيكتور كانتور
كبير علماء البيانات في MTS

عن من يبحث أرباب العمل؟

يرغب أي صاحب عمل في أن يعمل صغارهم دون إشراف مستمر وأن يكونوا قادرين على التطور تحت إشراف قائد الفريق. للقيام بذلك ، يجب أن يتقن المبتدئ على الفور الأدوات اللازمة لحل المشكلات الحالية ، وأن يكون لديه قاعدة نظرية كافية لتقديم الحلول الخاصة به تدريجياً والتعامل مع المشكلات الأكثر تعقيدًا.

مع وجود أدوات للمبتدئين في السوق ، كل شيء جيد جدًا. تسمح لك الدورات قصيرة المدى بإتقانها بسرعة والبدء في العمل.

وفقًا لدراسة أجراها HeadHunter و Mail.ru ، فإن أكثر المهارات المطلوبة هي معرفة لغة Python. تم ذكره في 45٪ من وظائف علماء البيانات و 51٪ من وظائف التعلم الآلي.

يريد أرباب العمل أيضًا أن يعرف علماء البيانات SQL (23٪) ، وأن يكونوا بارعين في استخراج البيانات (تنقيب البيانات) (19٪) ، والإحصاءات الرياضية (11٪) وأن يكونوا قادرين على العمل مع البيانات الضخمة (10٪).

يتوقع أصحاب العمل الذين يبحثون عن متخصصين في التعلم الآلي ، بالإضافة إلى معرفة لغة Python ، أن يكون المرشح ماهرًا في C ++ (18٪) ، SQL (15٪) ، خوارزميات التعلم الآلي (13٪) ولينوكس (11٪).

ولكن إذا كان الصغار يعملون بشكل جيد مع الأدوات ، فإن قادتهم سيواجهون مشكلة أخرى. لا يتمتع معظم خريجي الدورات بفهم عميق للمهنة ، لذلك يصعب على المبتدئين التقدم.

أنا أبحث حاليًا عن متخصصين في التعلم الآلي للانضمام إلى فريقي. في الوقت نفسه ، أرى أن المرشحين غالبًا ما يتقنون أدوات علوم البيانات الفردية ، لكن ليس لديهم فهم عميق بما يكفي للأسس النظرية لإنشاء حلول جديدة.

اميل محرموف
رئيس مجموعة خدمات الكيمياء الحاسوبية ، Biocad

لا يسمح لك هيكل ومدة الدورات بالتعمق في المستوى المطلوب. غالبًا ما يفتقر الخريجون إلى نفس المهارات اللينة التي عادة ما يتم تجاهلها عند قراءة إعلان عن وظيفة. حسنًا ، حقًا ، من سيقول أنه ليس لديه تفكير منهجي أو رغبة في التطور. ومع ذلك ، فيما يتعلق بعالم البيانات ، فإننا نتحدث عن قصة أعمق. هنا ، من أجل التطوير ، تحتاج إلى تحيز قوي إلى حد ما في النظرية والعلوم ، وهو أمر ممكن فقط أثناء الدراسات طويلة الأجل ، على سبيل المثال ، في الجامعة.

يعتمد الكثير على الشخص: إذا اجتاز طالب يتمتع بقاعدة جيدة في الرياضيات والبرمجة دورة مكثفة مدتها ثلاثة أشهر من معلمين أقوياء يتمتعون بخبرة قادة الفرق في الشركات الكبرى ، ويتعمق في جميع المواد الدراسية و "يمتص مثل الإسفنج" ، كما اعتادوا القول في المدرسة ، ستكون هناك مشاكل مع هذا الموظف لاحقًا لا. لكن 90-95٪ من الناس ، لكي تتعلم شيئًا إلى الأبد ، عليك أن تتعلم أكثر بعشر مرات وأن تفعل ذلك بشكل منهجي لعدة سنوات متتالية. وهذا يجعل برامج الماجستير في تحليل البيانات خيارًا رائعًا للحصول على أساس جيد من المعرفة ، والذي لن تضطر إلى الاستغناء عنه في المقابلة ، وسيكون القيام بعملك أسهل بكثير.

فيكتور كانتور
كبير علماء البيانات في MTS

أين تدرس لتجد وظيفة في علوم البيانات

هناك العديد من دورات علوم البيانات الجيدة في السوق والحصول على تعليم أولي ليس مشكلة. لكن من المهم فهم اتجاه هذا التعليم. إذا كان المرشح لديه بالفعل خلفية تقنية قوية ، فإن الدورات المكثفة هي ما تحتاجه. سوف يتقن الشخص الأدوات ، ويأتي إلى المكان ويعتاد عليها بسرعة ، لأنه يعرف بالفعل كيف يفكر مثل عالم الرياضيات ، ويرى المشكلة ويصوغ المشاكل. إذا لم تكن هناك مثل هذه الخلفية ، فسيكون هناك أداء جيد بعد الدورة ، ولكن مع فرص محدودة للنمو.

إذا كان لديك هدف قصير المدى يتمثل في تغيير المهن أو العثور على وظيفة في هذا التخصص ، فإن بعض الدورات المنهجية تكون مناسبة لك ، وهي قصيرة وتوفر بسرعة الحد الأدنى من المهارات التقنية بحيث يمكنك التأهل لمستوى مبتدئ موقف في هذا المجال.

إيفان يامشيكوف
المدير الأكاديمي لماجستير العلوم عبر الإنترنت في علوم البيانات

تكمن المشكلة في الدورات التدريبية في أنها توفر رفع تردد التشغيل بسرعة ، ولكن بأقل قدر ممكن. يطير الشخص حرفيًا إلى المهنة ويصل بسرعة إلى السقف. للدخول في المهنة لفترة طويلة ، تحتاج إلى وضع أساس جيد على الفور في شكل برنامج طويل الأجل ، على سبيل المثال ، في برنامج الماجستير.

يعد التعليم العالي مناسبًا عندما تدرك أن هذا المجال يهمك على المدى الطويل. لا تريد الذهاب إلى العمل في أسرع وقت ممكن. وأنت لا تريد أن يكون لديك سقف وظيفي ، ولا تريد أيضًا مواجهة مشكلة نقص المعرفة والمهارات ونقص فهم النظام البيئي العام الذي يتم من خلاله تطوير المنتجات المبتكرة. يتطلب ذلك تعليمًا عاليًا ، والذي لا يشكل فقط المجموعة الضرورية من المهارات التقنية ، ولكنه أيضًا يبني تفكيرك بطريقة مختلفة ويساعد على تكوين رؤية لحياتك المهنية على المدى الطويل.

إيفان يامشيكوف
المدير الأكاديمي لماجستير العلوم عبر الإنترنت في علوم البيانات

يعد عدم وجود سقف وظيفي الميزة الرئيسية لبرنامج الماجستير. لمدة عامين ، يتلقى المتخصص قاعدة نظرية قوية. هكذا يبدو الفصل الدراسي الأول من برنامج NUST MISIS Data Science:

• مقدمة في علوم البيانات. 2 أسابيع.
• أساسيات تحليل البيانات. معالجة البيانات. 2 أسابيع
• التعلم الالي. معالجة البيانات. 2 أسابيع
• EDA. تحليل بيانات الذكاء. 3 أسابيع
• خوارزميات تعلم الآلة الأساسية. P1 + P2 (6 أسابيع)

في الوقت نفسه ، يمكنك أيضًا اكتساب خبرة عملية في العمل. لا شيء يمنعك من الحصول على منصب مبتدئ ، بمجرد أن يتقن الطالب الأدوات اللازمة. هذا فقط ، على عكس خريج الدورات ، لا يوقف السيد تعليمه في هذا الشأن ، ولكنه يواصل الخوض في المهنة. في المستقبل ، سيسمح لك هذا بالتطوير في Data Science دون قيود.

على موقع جامعة العلوم والتكنولوجيا "MISiS" أيام مفتوحة وندوات عبر الإنترنت لأولئك الذين يرغبون في العمل في علوم البيانات. يتحدث ممثلو NUST MISIS و SkillFactory و HeadHunter و Facebook و Mail.ru Group و Yandex عن أهمها:

• كيف تجد مكانك في علوم البيانات ؟،
• "هل من الممكن أن تصبح عالم بيانات من البداية؟" ،
• "هل ستكون هناك حاجة لعلماء البيانات في غضون 2-5 سنوات؟" ،
• "ما المهام التي يعمل عليها علماء البيانات؟" ،
• "كيف تبني مهنة في علوم البيانات؟"

التعلم عبر الإنترنت ، دبلوم التربية العامة. تطبيقات البرنامج قبلت حتى 10 أغسطس.

المصدر: www.habr.com