Segons la investigació de HeadHunter i Mail.ru, la demanda d'especialistes en el camp de la ciència de dades supera l'oferta, però tot i així, els especialistes joves no sempre aconsegueixen trobar feina. Us expliquem quins cursos falten i on estudiar per a aquells que estan planejant una gran carrera en Ciència de Dades.
"Venen i pensen que ara guanyaran 500 per segon, perquè coneixen els noms dels frameworks i com s'executa un model a partir d'ells en dues línies"
Emil Maharramov lidera un grup de serveis de química computacional a biocad i durant les entrevistes s'enfronta al fet que els candidats no tenen una comprensió sistemàtica de la professió. Completen els cursos, vénen amb Python i SQL ben entrenats, poden instal·lar Hadoop o Spark en 2 segons i completar una tasca segons una especificació clara. Però, al mateix temps, ja no hi ha un pas al costat. Tot i que és flexibilitat en les solucions que els empresaris esperen dels seus especialistes en ciències de dades.
Què està passant al mercat de la ciència de dades
Les competències dels joves especialistes reflecteixen la situació del mercat laboral. Aquí, la demanda supera significativament l'oferta, de manera que els ocupadors desesperats sovint estan realment preparats per contractar especialistes completament ecològics i formar-los per ells mateixos. L'opció funciona, però només és adequada si l'equip ja compta amb un líder d'equip amb experiència que es farà càrrec de la formació del júnior.
Segons la investigació de HeadHunter i Mail.ru, els especialistes en anàlisi de dades es troben entre els més demandats al mercat:
- El 2019 hi havia 9,6 vegades més vacants en l'àmbit de l'anàlisi de dades i 7,2 vegades més en l'àmbit de l'aprenentatge automàtic que el 2015.
- En comparació amb el 2018, el nombre de vacants per a especialistes en anàlisi de dades va augmentar 1,4 vegades i per a especialistes en aprenentatge automàtic 1,3 vegades.
- El 38% de les vacants obertes es troben en empreses d'informàtica, el 29% en empreses del sector financer i el 9% en serveis empresarials.
La situació es veu alimentada per nombroses escoles en línia que formen aquests mateixos joves. Bàsicament, la formació té una durada de tres a sis mesos, durant els quals els alumnes aconsegueixen dominar a nivell bàsic les principals eines: Python, SQL, anàlisi de dades, Git i Linux. El resultat és un clàssic júnior: pot resoldre un problema concret, però encara no pot entendre el problema i formular el problema per si mateix. No obstant això, la gran demanda d'especialistes i l'exageració de la professió sovint donen lloc a grans ambicions i requisits salarials.
Malauradament, les entrevistes a Data Science ara solen tenir aquest aspecte: el candidat diu que va intentar utilitzar un parell de biblioteques, no pot respondre preguntes sobre com funcionen exactament els algorismes, i després demana 200, 300, 400 mil rubles al mes.
A causa de la gran quantitat d'eslògans publicitaris com "qualsevol pot convertir-se en analista de dades", "dominen l'aprenentatge automàtic en tres mesos i començar a guanyar molts diners" i la set de diners ràpids, un gran flux de candidats superficials s'ha abocat al nostre camp sense absolutament cap formació sistemàtica.
Víctor Kantor
Científic en cap de dades a MTS
A qui esperen els empresaris?
Qualsevol empresari voldria que els seus joves treballessin sense una supervisió constant i es poguessin desenvolupar sota la guia d'un líder d'equip. Per fer-ho, un principiant ha de posseir immediatament les eines necessàries per resoldre els problemes actuals, i disposar d'una base teòrica suficient per proposar a poc a poc les seves pròpies solucions i abordar problemes més complexos.
Als novells al mercat els va força bé amb les seves eines. Els cursos de curta durada et permeten dominar-los ràpidament i posar-te a treballar.
Segons la investigació de HeadHunter i Mail.ru, l'habilitat més demandada és Python. S'esmenta al 45% de les vacants de científic de dades i al 51% de les vacants d'aprenentatge automàtic.
Els empresaris també volen que els analistes de dades coneguin SQL (23%), mineria de dades (19%), estadístiques matemàtiques (11%) i puguin treballar amb big data (10%).
Els empresaris que busquen especialistes en aprenentatge automàtic esperen que un candidat tingui coneixements de C++ (18%), SQL (15%), algorismes d'aprenentatge automàtic (13%) i Linux (11%), a més de coneixements de Python.
Però si els joves ho fan bé amb les eines, els seus directius s'enfronten a un altre problema. La majoria dels graduats no tenen una comprensió profunda de la professió, cosa que dificulta el progrés per a un principiant.
Actualment estic buscant especialistes en aprenentatge automàtic per unir-se al meu equip. Al mateix temps, veig que els candidats sovint han dominat determinades eines de Data Science, però no tenen una comprensió prou profunda dels fonaments teòrics per crear noves solucions.
Emil Maharramov
Cap del Grup de Serveis de Química Computacional, Biocad
La mateixa estructura i durada dels cursos no permet aprofundir en el nivell requerit. Sovint, els graduats no tenen aquelles habilitats molt suaus que se solen perdre quan llegeixen una oferta de treball. Bé, realment, qui de nosaltres dirà que no té pensament sistèmic ni ganes de desenvolupar-se. Tanmateix, en relació a un especialista en ciència de dades, estem parlant d'una història més profunda. Aquí, per desenvolupar-se, cal un biaix força fort en teoria i ciència, que només és possible mitjançant un estudi a llarg termini, per exemple, a una universitat.
Molt depèn de la persona: si un curs intensiu de tres mesos de professors sòlids amb experiència com a lideratge d'equips en empreses de primer nivell el realitza un estudiant amb una bona formació en matemàtiques i programació, aprofundeix en tots els materials del curs i "s'absorbeix com una esponja". ”, com deien a l'escola, llavors hi haurà problemes amb un empleat així més tard núm. Però el 90-95% de les persones, per aprendre alguna cosa per sempre, han d'aprendre deu vegades més i fer-ho sistemàticament durant diversos anys seguits. I això fa que els màsters en anàlisi de dades siguin una excel·lent opció per aconseguir una bona base de coneixement, amb la qual no hauràs de ruboritzar-te en una entrevista, i serà molt més fàcil fer la feina.
Víctor Kantor
Científic en cap de dades a MTS
On estudiar per trobar feina a Data Science
Hi ha molts bons cursos de Data Science al mercat i obtenir una formació inicial no és un problema. Però és important entendre el focus d'aquesta educació. Si el candidat ja té una formació tècnica sòlida, els cursos intensius són el que necessita. Una persona dominarà les eines, vindrà al lloc i s'hi acostumarà ràpidament, perquè ja sap pensar com un matemàtic, veure un problema i formular problemes. Si no hi ha aquests antecedents, després del curs tindreu un bon rendiment, però amb oportunitats limitades de creixement.
Si us enfronteu a la tasca a curt termini de canviar de professió o trobar feina en aquesta especialitat, alguns cursos sistemàtics són adequats per a vosaltres, que són breus i proporcionen ràpidament un conjunt mínim d'habilitats tècniques perquè pugueu qualificar per a un posició de nivell inicial en aquest camp.
Ivan Yamschikov
Director acadèmic del programa de màster en línia "Data Science"
El problema dels cursos és precisament que proporcionen una acceleració ràpida però mínima. Una persona literalment vola a la professió i arriba ràpidament al sostre. Per entrar a la professió durant molt de temps, cal establir immediatament una bona base en forma d'un programa a llarg termini, per exemple, un màster.
L'educació superior és adequada quan entens que aquest camp t'interessa a llarg termini. No tens ganes de posar-te a treballar el més aviat possible. I no vols tenir un sostre de carrera; tampoc no vols enfrontar-te al problema de la manca de coneixements, habilitats, falta de comprensió de l'ecosistema general amb l'ajuda del qual es desenvolupen productes innovadors. Per a això, necessites una educació superior, que no només crei el conjunt d'habilitats tècniques necessàries, sinó que també estructuri el teu pensament de manera diferent i t'ajudi a formar una visió de la teva carrera a llarg termini.
Ivan Yamschikov
Director acadèmic del programa de màster en línia "Data Science"
L'absència d'un sostre de carrera és el principal avantatge del programa de màster. En dos anys, un especialista rep una base teòrica potent. Així és el primer semestre del programa Data Science de NUST MISIS:
- Introducció a la ciència de dades. 2 setmanes.
- Fonaments de l'anàlisi de dades. Tractament de dades. 2 setmanes
- Aprenentatge automàtic. Preprocessament de dades. 2 setmanes
- EDA. Anàlisi de dades d'intel·ligència. 3 setmanes
- Algoritmes bàsics d'aprenentatge automàtic. Ch1 + Ch2 (6 setmanes)
Al mateix temps, podeu obtenir experiència pràctica en el treball simultàniament. No hi ha res que t'impedeixi obtenir una plaça de júnior tan bon punt l'estudiant hagi dominat les eines necessàries. Però, a diferència d'un graduat, un màster no atura els seus estudis aquí, sinó que continua aprofundint en la professió. En el futur, això us permetrà desenvolupar-vos en Data Science sense restriccions.
Al lloc web de la Universitat de Ciència i Tecnologia "MISiS" per a aquells que volen treballar en Data Science. Representants de NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group i Yandex, us explicaré les coses més importants:
- "Com trobar el teu lloc a Data Science?",
- "És possible convertir-se en un científic de dades des de zero?",
- "La necessitat de científics de dades encara existirà d'aquí a 2-5 anys?"
- "En quins problemes treballen els científics de dades?"
- "Com construir una carrera en ciència de dades?"
Formació en línia, diploma d'educació pública. acceptat fins a 10 agost.
Font: www.habr.com