Според проучване на HeadHunter и Mail.ru търсенето на специалисти по данни надвишава предлагането, но въпреки това младите специалисти не винаги успяват да си намерят работа. Казваме ви какво липсва на завършилите курсовете и къде да учат тези, които планират голяма кариера в Data Science.
„Те идват и си мислят, че сега ще печелят 500k на секунда, защото знаят имената на рамките и как да стартират двуредов модел от тях“
Емил Махаррамов ръководи група от услуги по изчислителна химия в biocad и на интервюта се сблъсква с факта, че кандидатите нямат систематично разбиране на професията. Те завършват курсове, идват с добре напомпани Python и SQL, могат да повдигнат Hadoop или Spark за 2 секунди, изпълняват задачата според ясно ТЗ. Но в същото време стъпка встрани вече не е там. Въпреки че работодателите очакват от своите специалисти в областта на Data Science гъвкавостта на решенията.
Какво се случва на пазара на Data Science
Компетенциите на младите специалисти отразяват ситуацията на пазара на труда. Тук търсенето значително надвишава предлагането, така че отчаяните работодатели често наистина са готови да наемат напълно екологични специалисти и да ги отглеждат за себе си. Вариантът е работещ, но е подходящ само ако отборът вече има опитен лидер на тима, който ще поеме подготовката на юношата.
Според проучване на HeadHunter и Mail.ru учените по данни са сред най-търсените на пазара:
- През 2019 г. е имало 9,6 пъти повече свободни работни места в областта на анализа на данни и 7,2 пъти повече в сферата на машинното обучение, отколкото през 2015 г.
- Спрямо 2018 г. свободните позиции за специалисти по анализ на данни са се увеличили с 1,4 пъти, а за машинно обучение - с 1,3 пъти.
- 38% от отворените работни места са в ИТ компании, 29% в компании от финансовия сектор и 9% в бизнес услуги.
Ситуацията се подхранва от множество онлайн училища, които обучават същите тези младежи. Основно обучението отнема от три до шест месеца, през които студентите имат време да овладеят основните инструменти на основно ниво: Python, SQL, анализ на данни, Git и Linux. Резултатът е класически младши: той може да реши конкретен проблем, но все още не може да разбере проблема и самостоятелно да го формулира. Голямото търсене на специалисти и шумът около професията обаче често пораждат високи амбиции и изисквания за заплащане.
За съжаление, интервюто в Data Science сега обикновено изглежда така: кандидатът казва, че се е опитал да използва няколко библиотеки, не може да отговори на въпроси за това как работят алгоритмите, след което иска 200, 300, 400 хиляди рубли на месец в ръцете му.
Поради големия брой рекламни лозунги като „всеки може да стане анализатор на данни“, „овладейте машинното обучение за три месеца и започнете да правите много пари“ и жаждата за бърза печалба, огромен поток от повърхностни кандидати се изля в нашата област без абсолютно никакво системно обучение.
Виктор Кантор
Главен специалист по данни в MTS
Кого търсят работодателите?
Всеки работодател би искал младшите му да работят без постоянен надзор и да могат да се развиват под ръководството на ръководител на екип. За да направи това, начинаещият трябва незабавно да овладее необходимите инструменти за решаване на текущи проблеми и да има достатъчна теоретична база, за да предложи постепенно свои собствени решения и да подходи към по-сложни проблеми.
С инструменти за начинаещи на пазара всичко е доста добро. Краткосрочните курсове ви позволяват бързо да ги овладеете и да започнете работа.
Според проучване на HeadHunter и Mail.ru най-търсеното умение е познаването на Python. Споменава се в 45% от работните места за научни работници и 51% от работните места за машинно обучение.
Работодателите също искат специалистите по данни да познават SQL (23%), да владеят извличане на данни (Data Mining) (19%), математическа статистика (11%) и да могат да работят с големи данни (10%).
Работодателите, които търсят специалисти по машинно обучение, заедно с познания по Python, очакват кандидатът да владее C++ (18%), SQL (15%), алгоритми за машинно обучение (13%) и Linux (11%).
Но ако юношите се справят добре с инструментите, то лидерите им са изправени пред друг проблем. Повечето завършили курсове нямат задълбочено разбиране на професията, така че е трудно за начинаещ да напредне.
В момента търся специалисти по машинно обучение, които да се присъединят към моя екип. В същото време виждам, че често кандидатите са усвоили отделни инструменти за Data Science, но нямат достатъчно дълбоко разбиране на теоретичните основи, за да създават нови решения.
Емил Махаррамов
Ръководител на групата за услуги по компютърна химия, Biocad
Самата структура и продължителност на курсовете не ви позволява да стигнете до необходимото ниво. Завършилите често нямат същите меки умения, които обикновено се пренебрегват, когато четат обява за работа. Е, наистина, кой от нас ще каже, че няма системно мислене или желание за развитие. Въпреки това, във връзка с Data Scientist, ние говорим за по-дълбока история. Тук, за да се развивате, се нуждаете от доста силно пристрастие в теорията и науката, което е възможно само по време на дългосрочно обучение, например в университет.
Много зависи от човека: ако ученик с добра база по математика и програмиране премине тримесечен интензивен курс от силни учители с опит на ръководители на екипи в топ компании, задълбочава се във всички материали на курса и „попива като гъба“, както се казваше в училище, тогава ще има проблеми с такъв служител по-късно Не. Но 90-95% от хората, за да учат нещо завинаги, трябва да учат десет пъти повече и да го правят систематично няколко години подред. И това прави магистърските програми по анализ на данни чудесна възможност да получите добра основа от знания, с която няма да се налага да се изчервявате на интервюто и ще бъде много по-лесно да вършите работата си.
Виктор Кантор
Главен специалист по данни в MTS
Къде да уча, за да си намеря работа в Data Science
На пазара има много добри курсове по Data Science и получаването на първоначално образование не е проблем. Но е важно да се разбере посоката на това образование. Ако кандидатът вече има сериозна техническа подготовка, тогава имате нужда от интензивни курсове. Човек ще овладее инструментите, ще дойде на място и бързо ще свикне, защото вече знае как да мисли като математик, да вижда проблема и да формулира проблеми. Ако няма такъв фон, тогава след курса ще има добър изпълнител, но с ограничени възможности за растеж.
Ако имате краткосрочна цел да промените професията или да си намерите работа по тази специалност, тогава някои систематични курсове са подходящи за вас, които са кратки и бързо осигуряват минимален набор от технически умения, така че да можете да се класирате за начално ниво позиция в тази област.
Иван Ямщиков
Академичен директор на онлайн магистърската програма по наука за данни
Проблемът с курсовете е, че дават бърз, но минимален овърклок. Човек буквално лети в професията и бързо стига тавана. За да влезете в професията за дълго време, трябва незабавно да поставите добра основа под формата на по-дългосрочна програма, например в магистърска програма.
Висшето образование е подходящо, когато разбирате, че тази област ви интересува в дългосрочен план. Не искате да отидете на работа възможно най-скоро. И вие не искате да имате таван на кариерата и също така не искате да се изправите пред проблема с липсата на знания, умения, липсата на разбиране на общата екосистема, чрез която се разработват иновативни продукти. Това изисква висше образование, което не само формира необходимия набор от технически умения, но и структурира мисленето ви по различен начин и помага за формирането на някаква визия за вашата кариера в по-дългосрочен план.
Иван Ямщиков
Академичен директор на онлайн магистърската програма по наука за данни
Липсата на таван на кариерата е основното предимство на магистърската програма. В продължение на две години специалистът получава мощна теоретична база. Ето как изглежда първият семестър на програмата на NUST MISIS Data Science:
- Въведение в науката за данните. Две седмици.
- Основи на анализа на данни. Обработка на данни. Две седмици
- Машинно обучение. Предварителна обработка на данни. Две седмици
- EDA. Анализ на разузнавателни данни. 3 седмици
- Основни алгоритми за машинно обучение. P1 + P2 (6 седмици)
В същото време можете да придобиете и практически опит в работата. Нищо не пречи да получите младша позиция, след като студентът е усвоил необходимите инструменти. Просто, за разлика от завършил курсове, майсторът не спира обучението си по този въпрос, а продължава да се рови в професията. В бъдеще това ви позволява да се развивате в Data Science без ограничения.
На сайта на Университета за наука и технологии "МИСиС" за тези, които искат да работят в Data Science. Представители на NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group и Yandex, говорят за най-важното:
- Как да намерите своето място в Data Science?,
- „Възможно ли е да станете учен по данни от нулата?“,
- „Ще има ли нужда от учени за данни след 2-5 години?“,
- „Върху какви задачи работят учените по данни?“,
- „Как да изградя кариера в Data Science?“
Онлайн обучение, диплома за обществено образование. приет до 10 август.
Източник: www.habr.com