Еlena Gerasimova ilə, "Data Science və analitika" fakültəsinin rəhbəri, Netologiyada Data Scientist və Data Engineer arasındakı əlaqələri və fərqləri öyrənməyə davam edirik.Netologiyada Data Scientist və Data Engineer arasındakı əlaqələr və fərqləri öyrənməyə davam edirik.
Birinci hissədə .
Bu materialda mütəxəssislərin hansı bilik və bacarıqlara sahib olmalı olduğunu, işəgötürənlərin hansı təhsili dəyərləndirdiyini, müsahibələrin necə keçdiyini və data engineer-lərin və data scientist-lərin nə qədər qazandığını müzakirə edəcəyik.
Data scientist-lərin və mühəndislərin bilməsi vacib olan şeylər
Hər iki mütəxəssis üçün müvafiq təhsil — Kompüter Elmləri.
Hər bir data mütəxəssisi — data scientist və ya analitik — nəticələrinin düzgünlüyünü sübut etməyi bacarmalıdır. Bunun üçün statistikayı və statistikaya aid olan əsas riyaziyyatı bilmədən keçinmək mümkün deyil. Statistika və statistikaya aid olan əsas riyaziyyat.
Müasir dünyada maşın öyrənməsi və məlumat analizi alətləri əvəzolunmazdır. Əgər tanış alətlərlə işləmək mümkün deyilsə, yeni alətləri sürətlə öyrənmək, tapşırıqları avtomatlaşdırmaq üçün sadə skriptlər yaratmaq bacarığı olmalıdır. Yeni alətləri sürətlə öyrənmək, tapşırıqları avtomatlaşdırmaq üçün sadə skriptlər yaratmaq.
Mühüm bir məqam, data ilə işləyən mütəxəssisin analiz nəticələrini effektiv şəkildə çatdırmaqdır. Bunu məlumatların vizuallaşdırılması və ya aparılan araşdırmaların və hipotezlərin doğrulama nəticələrinin vizuallaşdırılması ona kömək edəcək. Mütəxəssislər diaqramlar və qrafiklər yaratmağı, vizuallaşdırma alətlərindən istifadə etməyi, dashboards-dan məlumatları başa düşməyi və izah etməyi bacarmalıdırlar.
Data mühəndisi üçün üç əsas istiqamət öndədir.
Alqoritmlər və məlumat strukturları. Kod yazmağı və əsas strukturların və alqoritmlərin istifadəsini bacarmaq vacibdir:
- alqoritmlərin mürəkkəbliyinin analizi,
- müqayisəedici, dəstəklənən kod yazmağı bacarmaq,
- paket emalı,
- real vaxtda emal.
Veri bazaları və məlumat anbarları, İş Ağıllılığı:
- məlumatların saxlanması və emalı,
- bütün sistemlərin dizaynı,
- Məlumatların əldə edilməsi,
- paylanmış fayl sistemləri.
Hadoop və Böyük Məlumat. Məlumatların miqdarı artır və gələcək 3-5 ildə bu texnologiyalar hər bir mühəndis üçün zəruri olacaq. Üstəlik:
- Data Lakes,
- bulud provayderləri ilə işləmə.
Maşın öyrənməsi kütləvi şəkildə istifadə olunacaq və hansı biznes problemlərini həll edəcəyini başa düşmək vacibdir. Model yaratmaq bacarığına sahib olmaq mütləq deyil (bunu data scientist-lər həyata keçirəcək), amma onların tətbiqi və müvafiq tələblərini anlamalıdır.
Mühəndislər və data scientist-lər nə qədər qazanır
Data emalı mühəndislərinin gəliri
Beynəlxalq praktika başlanğıc maaşı adətən illik 100,000 $ təşkil edir və təcrübə ilə birlikdə əhəmiyyətli dərəcədə artır, Glassdoor-un məlumatlarına görə. Bundan əlavə, şirkətlər tez-tez səhmlər üzrə seçimlər və illik 5-15% bonuslar təqdim edirlər.
Rusiyada Karyeranın əvvəlində bölgələrdə maaş adətən 50 min rubldan, Moskvada isə 80 min rubldan aşağı olmur. Bu mərhələdə yalnız keçmiş təhsil tələb olunur.
1-2 il işləmiş bir mütəxəssis üçün maaş aralığı 90-100 min rubl arasında olur.
2-5 il ərzində bu aralıq 120-160 min rubla yüksəlir. Keçmiş şirkətlərin spesifikasiyası, layihələrin ölçüsü, big data ilə iş kimi amillər əlavə olunur.
5 ildən sonra yaxın sahələrdə iş tapmaq və ya ixtisaslaşmış yerlərə müraciət etmək daha asandır, məsələn:
- Bankda və ya telekomunikasiyalarda arxitektor və ya aparıcı inkişaf etdirici – təxminən 250 min rubla yaxın.
- Texnologiyalarla sıx işləmədiyiniz bir vendorda Pre-Sales – 200 min rubl və əlavə bonus (1-1.5 milyon rubl) ola bilər.
- Enterprise business application tətbiqçi mütəxəssisləri, məsələn, SAP – 350 min rubla qədər.
Data scientistlərin gəliri
«Normallı Araşdırmalar» şirkəti və New.HR kadr agentliyi bazarının araşdırması göstərir ki, Data Science mütəxəssisləri digər ixtisasların analitiklərindən ortalama daha yüksək maaş alırlar.
Rusiyada, bir ildən az iş təcrübəsi olan data scientistlərin ilkin maaşı – 113 min rubldan başlayır.
İş təcrübəsi kimi hazırda təlim proqramlarının keçilməsi də nəzərə alınır.
1-2 ildən sonra bu xüsusi ixtisas sahibi 160 min rubla qədər maaş ala bilər.
4-5 il iş təcrübəsi olan bir əməkdaşın maaş aralığı 310 min rubla qədər artır.
Müsahibələr necə keçir
Qərbdə peşə təhsil proqramlarından məzunlar ortalama 5 həftədən sonra ilk müsahibələrini keçirirlər. Təxminən 85% 3 ay ərzində iş tapır.
Verilən müsahibə prosesi data mühəndisi və data scientist vakansiyaları üçün demək olar ki, fərqlənmir. Adətən beş mərhələdən ibarətdir.
Xülasə. İsteksan bütün şirkətlər üçün əvvəlki ixtisası uyğun olmayan namizədlərin hər bir şirkət üçün ətraflı bir müşayiət məktubu hazırlaması və ya həmin şirkət nümayəndəsindən tövsiyə alması tələb olunur.
Texniki screening. Adətən telefonla keçirilir. İşəgötürənin hazırkı texnoloji stack-i ilə bağlı bir-iki mürəkkəb və o qədər də sadə sualdan ibarətdir.
HR müsahibəsi. Telefonla da keçirilə bilər. Bu mərhələdə namizədin ümumi adekvatlığı və ünsiyyət qabiliyyəti yoxlanılır.
Texniki müsahibə. Ən çox hallarda şəxsən keçirilir. Müxtəlif şirkətlərdə mövqelərin səviyyələri fərqlənir, və pozisiyalar müxtəlif adlandırıla bilər. Bu mərhələdə məhz texniki biliklər yoxlanılır.
Texniki direktorla / baş arxitektorla müsahibə. Mühəndis və scientist - strateji mövqelərdir, və bir çox şirkətlər üçün eyni zamanda yenidir. Potensial həmkarın rəhbərə xoş gəlməsi və onunla baxışlarının üst-üstə düşməsi vacibdir.
Scientist və mühəndislərin karyera inkişafında nə kömək edəcək
Köhnə məlumatlarla işləmək üçün kifayət qədər yeni vasitələr ortaya çıxdı. Həmin vasitələrdən heç kimin eyni dərəcədə başa düşməsi çətindir.
Bir çox şirkət təcrübəsiz işçiləri işə götürməyə hazır deyil. Lakin, populyar alətlər haqqında əsas biliklərə malik minimal baza olan namizədlər özlərini inkişaf etdirərək lazımi təcrübəni əldə edə bilərlər.
Data mühəndisi və data alimləri üçün faydalı keyfiyyətlər
Öyrənmək istəyi və qabiliyəti. Təcrübə qazanmaq və ya yeni alətə görə iş dəyişdirmək üçün dərhal tələsmək lazım deyil, lakin yeni sahəyə keçməyə hazır olmaq vacibdir.
Müntəzəm proseslərin avtomatlaşdırılmasına meyl. Bu, yalnız məhsuldarlıq üçün deyil, həm də yüksək məlumat keyfiyyətini və onların istehlakçılara çatdırılma sürətini təmin etmək üçün vacibdir.
Proseslərdə nələrin baş verdiyini anlamaq və diqqət. İşini daha sürətlə həll edəcək mütəxəssis, prosesi dərindən bilən və təcrübəsi olan şəxsdir.
Mükəmməl algoritmları, məlumat strukturlarını və boru xətlərini bilmək ilə yanaşı, məhsullarla düşünməyi — arxitektura və biznes həllini bir bütünlükdə görməyi öyrənməlisiniz.
Məsələn, tanınmış bir xidməti götürüb onun üçün bir məlumat bazası düşünmək faydalıdır. Daha sonra ETL və DW-nin necə hazırlanacağını, hansı istehlakçıların olacağını və onlara məlumatlar haqqında nələrin əhəmiyyətli olduğunu, eləcə də müştərilərin tətbiqlərlə necə qarşılıqlı əlaqədə olduğunu düşünməlisiniz: iş tapmaq və tanışlıqlar üçün, avtomobil kirayəsi, podkastlar üçün tətbiq, təhsil platforması.
Analitik, data mütəxəssisi və mühəndis mövqeləri çox yaxındır, bu səbəbdən bir istiqamətdən digərinə keçid, digər sahələrdən daha sürətli mümkündür.
Hər halda, hər hansı bir İT təcrübəsi olanların buna yiyələnməsi, olmayanlara nisbətən daha asan olacaq. Orta hesabla, motivasiyalı yetkin insanlar 1,5‒2 ildən bir yenidən təhsil alır və iş dəyişdirir. Qrupda və mentorla öyrənənlər üçün, yalnız açıq mənbələrə əsaslananlarla müqayisədə, bu, daha asan olur.
Netology-nun redaksiyasından
Data Engineer və ya Data Scientist peşələrinə baxırsınızsa, kurs proqramlarımızı öyrənməyə dəvət edirik:
- Peşə "».
- Peşə "».
- Kurs "».
Mənbə: habr.com
