Според проучвания на HeadHunter и Mail.ru, търсенето на специалисти в областта на Data Science надвишава предлагането, но дори така на младите специалисти не винаги им е лесно да намерят работа. Разказваме какво липсва на завършилите курсове и къде да учат тези, които планират голяма кариера в Data Science.
«Те идват и мислят, че сега ще печелят 500к в секунда, защото знаят имената на фреймворковете и как да стартират модел с две линии код»
Емиль Магеррамов управлява група услуги по изчислителна химия в компанията biocad и по време на интервюта се сблъсква с факта, че кандидатите нямат системно разбиране за професията. Те завършват курсове, идват с много добри умения по Python и SQL, могат за 2 секунди да настроят Hadoop или Spark, да изпълнят задача по ясна спецификация. Но при това, ако се наложи да направят стъпка встрани — вече не могат. Въпреки че работодателите именно това — гъвкавост на решенията — очакват от своите специалисти в областта на Data Science.
Какво се случва на пазара на Data Science
Компетенциите на младите специалисти отразяват състоянието на пазара на труда. Тук търсенето значително надвишава предлагането, затова отчаяните работодатели често наистина са готови да наемат съвсем зелени специалисти и да ги обучават. Това е работещ вариант, но подхожда само в случай, че в екипа вече има опитен тимлид, който да поеме обучението на начинаещия.
Според проучване на HeadHunter и Mail.ru, специалистите по анализ на данни са едни от най-търсените на пазара:
- През 2019 година броят на обявите за работа в областта на анализа на данни се е увеличил 9,6 пъти, а в областта на машинното обучение – 7,2 пъти, в сравнение с 2015 година.
- В сравнение с 2018 година, броят на обявите за специалисти по анализ на данни се е увеличил 1,4 пъти, а за машинно обучение – 1,3 пъти.
- 38% от откритите обяви са в ИТ компании, 29% — компании от финансовия сектор, 9% — сектор услуги за бизнеса.
Ситуацията се нагорещява от многобройни онлайн училища, които подготвят именно тези джуниори. Обучението обикновено трае от три до шест месеца, през които учениците успяват на базово ниво да овладеят основните инструменти: Python, SQL, анализ на данни, Git и Linux. В резултат се получава класическият джуниор: способен е да решава конкретни задачи, но не може да разбере проблема и самостоятелно да формулира задачата. Въпреки това високото търсене на специалисти и хипът около професията често раждат високи амбиции и изисквания относно заплатата.
За съжаление, интервюто за Data Science в момента обикновено изглежда така: кандидатът разказва, че е опитал да приложи две-три библиотеки, но не може да отговори на въпроси относно това как точно работят алгоритмите, след което иска 200, 300, 400 хиляди рубли на ръка.
За разлика от многото рекламни лозунги, като „всеки може да стане анализатор на данни“, „овладей машинното обучение за три месеца и започни да печелиш много пари“ и жаждата за бърза печалба, нашата сфера привлече огромен поток от повърхностни кандидати, които нямат системна подготовка.
Виктор Кантор
Chief Data Scientist в МТС
Кого очакват работодателите
Всеки работодател би искал неговите джуниори да работят без постоянен контрол и да могат да се развиват под ръководството на тимлид. За това новакът трябва веднага да владее необходимите инструменти, за да решава текущите задачи, и да има достатъчно теоретична база, за да предлага свои решения и да се захваща с по-сложни задачи.
С инструментите на новаците на пазара всичко е сравнително добро. Краткосрочните курсове позволяват бързо овладяване и начало на работа.
Според проучване на HeadHunter и Mail.ru, най-търсена е умението за работа с Python. То се споменава в 45% от обявите за работа за специалисти по анализ на данни и в 51% от обявите в сферата на машинното обучение.
Също така работодателите искат специалистите по анализ на данни да познават SQL (23%), да владеят интелектуален анализ на данни (Data Mining) (19%), математическа статистика (11%) и да умеят да работят с големи данни (10%).
Работодатели, които търсят специалисти по машинно обучение, наред с познанията по Python, очакват кандидатът да владее C++ (18%), SQL (15%), алгоритми за машинно обучение (13%) и Linux (11%).
Но ако инструментите при начинаещите са в ред, ръководителите им се сблъскват с друга проблематика. Повечето завършили курсове нямат дълбоко разбиране за професията, затова на начинаещите им е трудно да напредват.
В момента търся специалисти по машинно обучение за екипа си. Виждам, че много от кандидатите са усвоили отделни инструменти от Data Science, но нямат достатъчно дълбоко разбиране на теоретичните основи, за да създават нови решения.
Емиль Магеррамов
Ръководител на група услуги за изчислителна химия, Biocad
Самата структура и продължителност на курсовете не позволяват задълбочаване до необходимото ниво. На завършилите често им липсват именно тези soft skills, които обикновено се пропускат при прочит на обяви за работа. Наистина, кой от нас ще каже, че няма системно мислене или желание за развитие? Въпреки това, що се отнася до специалистите по Data Science, става въпрос за по-дълбока истина. За да напредваш, е необходимо да имаш доста силен акцент върху теория и наука, което е възможно само чрез дългосрочно обучение, например в университет.
Много зависи от човека: ако слушател в тримесечен интензивен курс от силни преподаватели с опит като тимлидери в топ компании, който притежава добра основа в математиката и програмирането, усвоява всички материали от курса и "събира знания като гъба", както казвахме в училище, после няма да има проблеми с такъв служител. Но 90-95% от хората, за да усвоят нещо завинаги, трябва да учат десет пъти повече и да го правят систематично в продължение на няколко години. И това прави магистърските програми по анализ на данни отличен вариант да получат добра основа на знания, с която и на интервюто да не им е срам, и работата да е много по-лесна.
Виктор Кантор
Chief Data Scientist в МТС
Къде да се учи, за да се намери работа в Data Science
На пазара има много добри курсове по Data Science и получаването на начално образование не е проблем. Но е важно да се разбере насочеността на това образование. Ако кандидатът вече има силен технически бекграунд, интензивните курсове са точно това, от което се нуждае. Човекът ще усвои инструментите, ще дойде на работното място и бързо ще се адаптира, защото вече умее да мисли като математик, вижда проблема и формулира задачите. Ако такъв бекграунд няма, след курса ще стане добър изпълнител, но с ограничени възможности за растеж.
Ако пред вас стои краткосрочна задача за смяна на професия или търсене на работа в тази специалност, то тогава ви подхождат систематични курсове, които са кратки и бързо дават минимален набор от технически умения, за да можете да кандидатствате за начална позиция в тази област.
Иван Ямщиков
Академичен директор на онлайн магистратурата „Наука за данните“
Проблемът с курсовете е, че те дават бърза, но минимална скорост на обучение. Човек буквално влиза в професията и бързо достига до тавана. За да се влезе в професията за дълго, е необходимо веднага да се положи добра основа под формата на по-дългосрочна програма, например магистратура.
Висшето образование е подходящо, когато разбирате, че тази област ви е интересна в дългосрочен план. Не се стремите да излезете на работа колкото се може по-скоро. И не искате да имате карьерен таван, също така не искате да се сблъскате с проблема с недостатъка на знания, умения, недостатъка на разбиране на общата екосистема, с която се развиват иновационните продукти. За това е необходимо именно висше образование, което формира не само необходимия набор от технически умения, но и структурира по различен начин вашето мислене и помага да се формира определено виждане за вашата кариера за по-дългосрочен период.
Иван Ямщиков
Академичен директор на онлайн магистратурата „Наука за данните“
Липсата на карьерен таван е основното предимство на магистърската програма. За две години специалистът получава мощна теоретична база. Ето как изглежда първият семестър в програмата по Data Science на НИТУ „МИСиС“:
- Въведение в Data Science. 2 седмици.
- Основи на анализа на данните. Обработка на данни. 2 седмици.
- Машинно обучение. Предобработка на данни. 2 седмици.
- EDA. Разузнавателен анализ на данни. 3 седмици.
- Основни алгоритми за машинно обучение. Част 1 + Част 2 (6 седмици)
По време на това можете да получавате и практически опит на работа. Нищо не пречи да започнете работа на позиция джуниор, веднага след като студентът усвои необходимите инструменти. Само че, за разлика от завършилите курсове, магистърът не спира обучението си, а продължава да се задълбочава в професията. В бъдеще това позволява развитие в Data Science без ограничения.
На сайта на университета по науки и технологии "МИСиС" се провеждат за тези, които искат да работят в Data Science. Представители на НИТУ "МИСиС", SkillFactory, HeadHunter, Facebook, Mail.ru Group и Яндекс, разказват за най-важното:
- "Как да намеря своето място в Data Science?"
- "Може ли човек да стане data scientist от нулата?"
- "Ще остане ли необходимостта от data scientist-и през следващите 2-5 години?"
- "По какви задачи работят специалистите по data science?"
- "Как да изградя кариера в Data Science?"
Онлайн обучение, диплома от държавното образование. се приемат до 10 август.
Източник: habr.com
