Prema istraživanju HeadHunter i Mail.ru, potražnja za naučnicima podataka premašuje ponudu, ali i pored toga, mladi stručnjaci ne uspijevaju uvijek pronaći posao. Govorimo vam šta nedostaje diplomcima kurseva i gde da studiraju za one koji planiraju veliku karijeru u nauci o podacima.
“Oni dođu i misle da će sada zaraditi 500k u sekundi, jer znaju nazive okvira i kako da pokreću dvolinijski model od njih”
Emil Maharramov vodi grupu usluga računarske hemije u biocadu i na intervjuima se suočava sa činjenicom da kandidati nemaju sistematsko razumijevanje struke. Završavaju kurseve, dolaze sa dobro napumpanim Python-om i SQL-om, mogu podići Hadoop ili Spark za 2 sekunde, završiti zadatak prema jasnom TOR-u. Ali u isto vrijeme, korak u stranu više ne postoji. Iako je to fleksibilnost rješenja koju poslodavci očekuju od svojih stručnjaka iz oblasti Data Science.
Šta se dešava na tržištu nauke o podacima
Kompetencije mladih stručnjaka odražavaju stanje na tržištu rada. Ovdje potražnja znatno premašuje ponudu, pa su očajni poslodavci često zaista spremni zaposliti potpuno zelene stručnjake i uzgajati ih za sebe. Opcija radi, ali je pogodna samo ako tim već ima iskusnog vođu tima koji će preuzeti obuku juniora.
Prema studiji HeadHunter i Mail.ru, naučnici podataka su među najtraženijim na tržištu:
- U 2019. godini bilo je 9,6 puta više slobodnih radnih mjesta u oblasti analize podataka, a 7,2 puta više u oblasti mašinskog učenja nego 2015. godine.
- U odnosu na 2018., broj slobodnih radnih mjesta za stručnjake za analizu podataka povećan je za 1,4 puta, a za mašinsko učenje - za 1,3 puta.
- 38% otvorenih radnih mjesta je u IT kompanijama, 29% u kompanijama iz finansijskog sektora, a 9% u poslovnim uslugama.
Situaciju podstiču brojne online škole koje treniraju te iste juniore. U osnovi, obuka traje od tri do šest mjeseci, tokom kojih studenti imaju vremena da savladaju glavne alate na osnovnom nivou: Python, SQL, analizu podataka, Git i Linux. Rezultat je klasičan junior: može riješiti konkretan problem, ali još uvijek ne može razumjeti problem i samostalno formulirati problem. Međutim, velika potražnja za stručnjacima i hype oko profesije često dovodi do visokih ambicija i zahtjeva za platama.
Nažalost, intervju u Data Science sada obično izgleda ovako: kandidat kaže da je pokušao da koristi nekoliko biblioteka, ne može da odgovori na pitanja o tome kako algoritmi funkcionišu, zatim traži 200, 300, 400 hiljada rubalja mesečno njegove ruke.
Zbog velikog broja reklamnih slogana poput "svako može postati analitičar podataka", "savladati mašinsko učenje za tri mjeseca i početi zarađivati puno novca" i žeđi za brzim profitom, ogroman tok površnih kandidata slio se u naše polje bez apsolutno nikakve sistemske obuke.
Viktor Kantor
Glavni Data Scientist u MTS-u
Koga traže poslodavci?
Svaki poslodavac želi da njegovi juniori rade bez stalnog nadzora i da se mogu razvijati pod vodstvom vođe tima. Da bi to učinio, početnik mora odmah savladati potrebne alate za rješavanje tekućih problema, te imati dovoljnu teorijsku osnovu da postepeno nudi vlastita rješenja i pristupa složenijim problemima.
Sa alatima za početnike na tržištu, sve je sasvim dobro. Kratkoročni kursevi vam omogućavaju da ih brzo savladate i počnete da radite.
Prema studiji HeadHunter i Mail.ru, najtraženija vještina je poznavanje Pythona. Spominje se u 45% poslova naučnika podataka i 51% poslova mašinskog učenja.
Poslodavci takođe žele da naučnici podataka znaju SQL (23%), da budu vešti u rudarenju podataka (Data Mining) (19%), matematičkoj statistici (11%) i da budu sposobni da rade sa velikim podacima (10%).
Poslodavci koji traže stručnjake za mašinsko učenje, uz poznavanje Pythona, očekuju da kandidat bude iskusan u C++ (18%), SQL-u (15%), algoritmima za mašinsko učenje (13%) i Linuxu (11%).
Ali ako juniori dobro rade sa alatima, onda se njihovi lideri suočavaju sa drugim problemom. Većina diplomiranih studenata nema duboko razumijevanje struke, pa je početniku teško napredovati.
Trenutno tražim stručnjake za mašinsko učenje da se pridruže mom timu. Istovremeno, vidim da su kandidati često savladali pojedinačne alate Data Science, ali nemaju dovoljno duboko razumijevanje teoretskih osnova za kreiranje novih rješenja.
Emil Maharramov
Rukovodilac grupe za usluge računarske hemije, Biocad
Sama struktura i trajanje kurseva ne dozvoljavaju vam da se duboko zavučete do potrebnog nivoa. Diplomcima često nedostaju iste meke vještine koje se obično zanemaruju kada čitaju oglas za posao. Pa stvarno, ko će od nas reći da nema sistemsko razmišljanje niti želju za razvojem. Međutim, u odnosu na Data Scientist, govorimo o dubljoj priči. Ovdje, da biste se razvijali, potrebna vam je prilično jaka pristrasnost u teoriji i nauci, što je moguće samo tokom dugotrajnih studija, na primjer, na univerzitetu.
Mnogo zavisi od osobe: ako student sa dobrom bazom iz matematike i programiranja prođe tromesečni intenzivni kurs od jakih nastavnika sa iskustvom vođa timova u vrhunskim kompanijama, udubi se u sav materijal kursa i „upija kao sunđer“, kako su govorili u školi, onda će biti problema sa takvim zaposlenim kasnije br. Ali 90-95% ljudi, da bi naučili nešto zauvijek, morate naučiti deset puta više i to sistematski raditi nekoliko godina zaredom. I to čini magistarske programe analize podataka odličnom opcijom za sticanje dobre osnove znanja, uz koje nećete morati da crvenite na intervjuu, a bit će vam mnogo lakše raditi svoj posao.
Viktor Kantor
Glavni Data Scientist u MTS-u
Gdje studirati da biste pronašli posao u nauci o podacima
Na tržištu postoji mnogo dobrih kurseva nauke o podacima i sticanje početnog obrazovanja nije problem. Ali važno je razumjeti smjer ovog obrazovanja. Ako kandidat već ima jaku tehničku pozadinu, onda su intenzivni kursevi ono što vam treba. Čovek će savladati alate, doći na mesto i brzo se naviknuti, jer već zna da razmišlja kao matematičar, vidi problem i formuliše probleme. Ako nema takve pozadine, onda će nakon tečaja biti dobar izvođač, ali s ograničenim mogućnostima za rast.
Ako imate kratkoročni cilj da promijenite profesiju ili pronađete posao u ovoj specijalnosti, onda su za vas prikladni neki sistematski kursevi, koji su kratki i brzo pružaju minimalan skup tehničkih vještina kako biste se kvalifikovali za početni nivo poziciju u ovoj oblasti.
Ivan Yamschikov
Akademski direktor Online MSc iz nauke o podacima
Problem sa kursevima je što daju brz, ali minimalan overclocking. Osoba bukvalno uleti u profesiju i brzo stigne do plafona. Da biste dugo ušli u profesiju, morate odmah postaviti dobre temelje u obliku dugotrajnijeg programa, na primjer, na master programu.
Visoko obrazovanje je prikladno kada shvatite da vas ova oblast dugoročno interesuje. Ne želite da idete na posao što je pre moguće. I ne želite da imate plafon karijere, a takođe ne želite da se suočite sa problemom nedostatka znanja, veština, nerazumevanja opšteg ekosistema kroz koji se razvijaju inovativni proizvodi. Za to je potrebno visoko obrazovanje, koje ne samo da formira neophodan skup tehničkih vještina, već i strukturira vaše razmišljanje na drugačiji način i pomaže u formiranju neke vizije vaše karijere na duži rok.
Ivan Yamschikov
Akademski direktor Online MSc iz nauke o podacima
Odsustvo gornje granice karijere glavna je prednost master programa. Za dvije godine specijalist dobiva snažnu teorijsku bazu. Ovako izgleda prvi semestar programa NUST MISIS Data Science:
- Uvod u nauku o podacima. 2 sedmice.
- Osnove analize podataka. Obrada podataka. 2 sedmice
- Mašinsko učenje. Predobrada podataka. 2 sedmice
- EDA. Analiza obavještajnih podataka. 3 sedmice
- Osnovni algoritmi mašinskog učenja. P1 + P2 (6 sedmica)
Istovremeno, možete steći i praktično iskustvo na poslu. Ništa vas ne sprečava da dobijete juniorsku poziciju, nakon što učenik savlada potrebne alate. Samo, za razliku od diplomiranih kurseva, majstor ne zaustavlja svoje obrazovanje na ovome, već nastavlja da se bavi strukom. U budućnosti, ovo vam omogućava da se razvijate u Data Science bez ograničenja.
Na web stranici Univerziteta nauke i tehnologije "MISiS" za one koji žele da rade u oblasti nauke o podacima. Predstavnici NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group i Yandex, govore o najvažnijim:
- Kako pronaći svoje mjesto u Data Science?,
- „Da li je moguće postati naučnik podataka od nule?“,
- "Hoće li biti potrebe za naučnicima podataka za 2-5 godina?",
- "Na kojim zadacima rade naučnici podataka?",
- "Kako izgraditi karijeru u nauci o podacima?"
Online učenje, diploma javnog obrazovanja. prihvaćen do 10 Aug.
izvor: www.habr.com