Podle výzkumů HeadHunter a Mail.ru poptávka po odbornících v oboru Data Science převyšuje nabídku, ale i tak se mladým specialistům ne vždy podaří najít práci. Říkáme si, co absolventům kurzů chybí a kde se mohou učit ti, kteří plánují velkou kariéru v Data Science.
„Přicházejí a myslí si, že teď budou vydělávat 500k za sekundu, protože znají názvy frameworků a jak z nich spustit model ve dvou řádcích“
Emil Mageramov vede skupinu služeb výpočetní chemie ve společnosti biocad a na pohovorech se setkává s tím, že kandidáti nemají systematické pochopení profese. Dokončí kurzy, přicházejí s dobře rozvinutými dovednostmi v Pythonu a SQL, mohou za 2 vteřiny spustit Hadoop nebo Spark, splnit úkol podle přesného zadání. Ale udělat krok stranou — to už ne. Přitom právě flexibilitu řešení zaměstnavatelé očekávají od svých specialistů v oblasti Data Science.
Co se děje na trhu Data Science
Kompetence mladých specialistů odráží stav na trhu práce. Zde poptávka výrazně převyšuje nabídku, proto bezradní zaměstnavatelé jsou často skutečně ochotni přijímat zcela nezkušené specialisty a vychovat je podle sebe. Tato varianta funguje, ale je vhodná pouze v případě, že v týmu již je zkušený teamlead, který převezme školení juniora.
Podle výzkumu HeadHunter a Mail.ru jsou odborníci na analýzu dat jedni z nejžádanějších na trhu:
- V roce 2019 vzrostl počet pracovních míst v oblasti analýzy dat 9,6krát, zatímco v oblasti strojového učení – 7,2krát, ve srovnání s rokem 2015.
- Ve srovnání s rokem 2018 se počet pracovních míst pro specialisty na analýzu dat zvýšil 1,4krát, pro strojové učení – 1,3krát.
- 38% otevřených pracovních míst připadá na IT společnosti, 29% — společnosti z finančního sektoru, 9% — oblast služeb pro podnikání.
Situaci podněcují četné online školy, které školí právě ty juniory. Většinou se výuka koná od tří do šesti měsíců, během nichž se studenti na základní úrovni naučí hlavní nástroje: Python, SQL, analýzu dat, Git a Linux. Výsledkem je klasický junior: dokáže vyřešit konkrétní úkol, ale chápat problém a samostatně formulovat úkol ještě neumí. Vysoká poptávka po odbornících a humbuk kolem profese však často vyvolává vysoké ambice a požadavky na mzdu.
Bohužel, pohovor na pozici Data Scientist obvykle vypadá takto: kandidát říká, že se pokusil použít pár knihoven, na otázky o tom, jak přesně fungují algoritmy, nedokáže odpovědět, a poté si žádá 200, 300, 400 tisíc rublů měsíčně na ruku.
Kvůli velkému množství reklamních sloganů jako "staňte se datovým analytikem může každý", "naučte se strojové učení za tři měsíce a začněte vydělávat spoustu peněz" a touze po rychlém zisku do naší oblasti přišel obrovský proud povrchních kandidátů, kteří nemají žádnou systematickou přípravu.
Viktor Kantor
Chief Data Scientist ve MTS
Koho chtějí zaměstnavatelé
Každý zaměstnavatel by chtěl, aby jeho junioři pracovali bez neustálého dohledu a mohli se rozvíjet pod vedením týmového leadra. K tomu musí nováček hned ovládat potřebné nástroje, aby řešil aktuální úkoly, a mít dostatečné teoretické znalosti, aby postupně navrhoval vlastní řešení a přistupoval k složitějším zadáním.
S nástroji jsou nováčci na trhu docela v pořádku. Krátkodobé kurzy umožňují rychle je ovládnout a začít pracovat.
Podle výzkumu HeadHunter a Mail.ru je nejžádanější dovedností znalost Pythonu. Ta je zmíněna v 45 % nabídek pracovních pozic specialistů na analýzu dat a ve 51 % nabídek v oblasti strojového učení.
Zaměstnavatelé také chtějí, aby specialisté na analýzu dat uměli SQL (23 %), měli znalosti z oblasti inteligentní analýzy dat (DataMining) (19 %), statistické matematiky (11 %) a uměli pracovat s velkými daty (10 %).
Zaměstnavatelé, kteří hledají specialisty na strojové učení, vedle znalosti Pythonu očekávají, že kandidát bude ovládat C++ (18 %), SQL (15 %), algoritmy strojového učení (13 %) a Linux (11 %).
Ale pokud jsou nástroje pro juniory v pořádku, jejich nadřízení se potýkají s jiným problémem. Většina absolventů kurzů nemá hluboké porozumění profesi, takže nováčkovi se obtížně postupuje.
Nyní hledám specialisty na strojové učení do svého týmu. Přitom vidím, že často kandidáti ovládli jednotlivé nástroje Data Science, ale chybí jim dostatečné hluboké porozumění teoretickým základům pro vytváření nových řešení.
Emil Mageramov
Vedoucí skupiny služeb výpočetní chemie, Biocad
Samotná struktura a délka kurzů neumožňují hlouběji proniknout na potřebnou úroveň. Absolventům často chybí právě ty soft skills, které se obvykle opomíjejí při čtení pracovních nabídek. Kdo z nás by ale řekl, že nemá systémové myšlení nebo chuť se rozvíjet. Nicméně co se týče specialisty Data Science, jde o mnohem hlubší záležitost. Aby se rozvíjeli, potřebují dostatečně silný sklon k teorii a vědě, což je možné pouze při delším studiu, například na univerzitě.
Mnoho záleží na člověku: pokud tří měsíční intenzivní kurz od silných lektorů s zkušenostmi z vedení týmů v předních firmách absolvuje účastník s dobrou základnou v matematice a programování, ponoří se do všech materiálů kurzu a „vsakuje jako houba“, jak se říkalo ve škole, pak s takovým zaměstnancem není později problém. Ale 90-95% lidí potřebuje, aby si něco osvojili navždy, naučit se desetkrát více a dělat to systematicky několik let po sobě. A to dělá magisterské programy v analýze dat vynikající možností, jak získat dobrý základ znalostí, se kterým se člověk na pohovoru nemusí červenat a práce bude mnohem snazší.
Viktor Kantor
Chief Data Scientist ve MTS
Kde se učit, abych našel práci v Data Science
Na trhu je mnoho kvalitních kurzů na Data Science a získání základního vzdělání není problém. Ale je důležité chápat zaměření tohoto vzdělávání. Pokud má uchazeč již silné technické zázemí, pak intenzivní kurzy jsou přesně to, co potřebuje. Osoba si osvojí nástroje, přijde na místo a rychle se zapracuje, protože už umí uvažovat jako matematik, vidí problém a formuluje úkoly. Pokud takové zázemí není, pak po kurzu bude dobrým vykonavatelem, ale s omezenými možnostmi pro růst.
Pokud před vámi stojí krátkodobý úkol změny profese nebo hledání práce v této specializaci, pak vám vyhovují nějaké systematické kurzy, které jsou krátké a rychle poskytují minimální soubor technických dovedností, abyste mohli usilovat o začáteční pozici v této oblasti.
Ivan Jamschikov
Akademický ředitel online magisterského programu „Data Science“
Problém kurzů spočívá právě v tom, že poskytují rychlé, ale minimální nastartování. Člověk vstoupí do profese a rychle dosáhne stropu. Aby se člověk do profese dostal na dlouho, je potřeba hned položit dobrou základnu ve formě dlouhodobějšího programu, například v magisterském studiu.
Vysokoškolské vzdělání je vhodné, když chápete, že vás tato oblast zajímá dlouhodobě. Netoužíte co nejdříve nastoupit do zaměstnání. A nechcete mít kariérní strop, také nechcete čelit problému nedostatku znalostí, dovedností, nedostatku porozumění celkové ekosystému, s jehož pomocí se vyvíjejí inovativní produkty. K tomu je potřeba právě vysokoškolské vzdělání, které formuje nejen potřebnou sadu technických dovedností, ale také strukturuje vaše myšlení a pomáhá formulovat určité vidění vaší kariéry na delší časové období.
Ivan Jamschikov
Akademický ředitel online magisterského programu „Data Science“
Nedostatek kariérního stropu je hlavní výhodou magisterského programu. Během dvou let získá specialista silnou teoretickou základnu. Takto vypadá už první semestr v programu Data Science NTNU „MISIŠ“:
- Úvod do Data Science. 2 týdny.
- Základy analýzy dat. Zpracování dat. 2 týdny
- Strojové učení. Předzpracování dat. 2 týdny
- EDA. Průzkumná analýza dat. 3 týdny
- Hlavní algoritmy strojového učení. Č1 + Č2 (6 týdnů)
Přitom je možné paralelně získávat praktické zkušenosti v práci. Nic nebrání tomu, aby se student po ovládnutí potřebných nástrojů ucházel o pozici juniora. Jenže na rozdíl od absolventa kurzů magistr ve studiu nepřestává a dále se prohlubuje v profesi. V budoucnu to umožňuje bez omezení rozvíjet se v oblasti Data Science.
Na webových stránkách univerzity vědy a technologií „MISIS“ probíhají pro ty, kteří chtějí pracovat v oblasti Data Science. Zástupci NITU „MISIS“, SkillFactory, HeadHunter, Facebook, Mail.ru Group a Yandex vyprávějí o nejdůležitějších tématech:
- „Jak najít své místo v oblasti Data Science?“,
- „Lze se stát data scientistem od nuly?“,
- „Zůstane potřeba data scientistů i za 2-5 let?“,
- „Na jakých úkolech pracují specialisté v datové vědě?“,
- „Jak vybudovat kariéru v oblasti Data Science?“
Studium online, diplom státního vzdělání. se přijímají do 10. srpna.
Zdroj: habr.com
