Spolu s Elenou Gerasimovou, vedoucí fakulty "» v Netology i nadále chápeme, jak se vzájemně ovlivňují a jak se liší datoví vědci a datoví inženýři.
V první části řekli .
V tomto materiálu budeme hovořit o tom, jaké znalosti a dovednosti by měli mít specialisté, jaké vzdělání oceňují zaměstnavatelé, jak probíhají pohovory a kolik vydělávají datoví inženýři a datoví vědci.
Co by měli vědci a inženýři vědět
Specializačním vzděláním obou specialistů je informatika.
Každý datový vědec – datový vědec nebo analytik – musí být schopen prokázat správnost svých závěrů. K tomu se bez znalostí neobejdete statistika a se statistikou související základní matematika.
Nástroje strojového učení a analýzy dat jsou v moderním světě nepostradatelné. Pokud obvyklé nástroje nejsou k dispozici, musíte mít dovednosti rychle se učit nové nástroje, vytvářet jednoduché skripty pro automatizaci úkolů.
Je důležité si uvědomit, že datový vědec musí efektivně sdělovat výsledky analýzy. Pomůže mu s tím vizualizace dat nebo výsledky výzkumu a testování hypotéz. Specialisté musí být schopni vytvářet tabulky a grafy, používat vizualizační nástroje a rozumět a vysvětlovat data z řídicích panelů.
Pro datového inženýra vystupují do popředí tři oblasti.
Algoritmy a datové struktury. Je důležité naučit se psát kód a používat základní struktury a algoritmy:
- analýza složitosti algoritmu,
- schopnost psát jasný, udržovatelný kód,
- dávkové zpracování,
- zpracování v reálném čase.
Databáze a datové sklady, Business Intelligence:
- ukládání a zpracování dat,
- návrh kompletních systémů,
- Zpracování dat,
- distribuované systémy souborů.
Hadoop a velká data. Dat je stále více a v horizontu 3–5 let se tyto technologie stanou nezbytnými pro každého inženýra. Plus:
- Data Lakes
- spolupráce s poskytovateli cloudu.
Strojové učení se bude používat všude a je důležité pochopit, jaké obchodní problémy pomůže vyřešit. Není nutné umět vytvářet modely (toto datoví vědci zvládnou), ale musíte rozumět jejich aplikaci a odpovídajícím požadavkům.
Kolik vydělávají inženýři a vědci?
Příjem datového inženýra
V mezinárodní praxi nástupní platy jsou obvykle 100 000 USD ročně a podle Glassdoor se výrazně zvyšují se zkušenostmi. Společnosti navíc často poskytují opce na akcie a 5-15% roční bonusy.
V Rusku na začátku kariéry je plat obvykle nejméně 50 tisíc rublů v regionech a 80 tisíc v Moskvě. V této fázi nejsou vyžadovány žádné jiné zkušenosti než absolvované školení.
Po 1-2 letech práce - vidlice 90-100 tisíc rublů.
Vidlice se zvyšuje na 120–160 tisíc za 2–5 let. Přidávají se faktory jako specializace předchozích firem, velikost projektů, práce s velkými daty atd.
Po 5 letech práce je snazší hledat volná místa v příbuzných odděleních nebo se ucházet o vysoce specializované pozice jako např.
- Architekt nebo vedoucí developer v bance nebo telekomunikaci - cca 250 tis.
- Předprodej od dodavatele, s jehož technologiemi jste nejblíže spolupracovali - 200 tisíc plus možný bonus (1-1,5 milionu rublů).
- Odborníci na implementaci Enterprise podnikových aplikací, např. SAP – až 350 tis.
Příjmy datových vědců
trhu analytiků společnosti „Normal Research“ a personální agentury New.HR ukazuje, že specialisté na Data Science dostávají v průměru vyšší plat než analytici jiných specializací.
V Rusku je nástupní plat datového vědce s až roční praxí od 113 tisíc rublů.
Absolvování vzdělávacích programů se nyní bere v úvahu také jako pracovní zkušenost.
Po 1–2 letech už může takový specialista dostat až 160 tis.
U zaměstnance s praxí 4-5 let se vidlice zvyšuje na 310 tis.
Jak probíhají pohovory?
Na Západě mají absolventi programů odborného vzdělávání první pohovor v průměru 5 týdnů po ukončení studia. Asi 85 % najde práci po 3 měsících.
Proces pohovoru pro pozice datového inženýra a datového vědce je prakticky stejný. Obvykle se skládá z pěti fází.
Shrnutí. Uchazeči s vedlejšími předchozími zkušenostmi (např. marketing) musí připravit podrobný průvodní dopis pro každou společnost nebo mít referenci od zástupce dané společnosti.
Technický screening. Obvykle se to odehrává po telefonu. Skládá se z jedné nebo dvou složitých a tolika jednoduchých otázek souvisejících s aktuálním stackem zaměstnavatele.
HR rozhovor. Lze provést po telefonu. V této fázi je kandidát testován na obecnou přiměřenost a schopnost komunikace.
Technický pohovor. Nejčastěji probíhá osobně. V různých společnostech je úroveň pozic v personální tabulce různá a pozice mohou být pojmenovány různě. Proto se v této fázi testují technické znalosti.
Rozhovor s CTO/hlavním architektem. Inženýr a vědec jsou strategické pozice a pro mnoho společností jsou také nové. Je důležité, aby se manažerovi potenciálního kolegu líbilo a souhlasil s ním v jeho názorech.
Co pomůže vědcům a inženýrům v jejich kariérním růstu?
Objevilo se poměrně hodně nových nástrojů pro práci s daty. A jen málo lidí je na všechny stejně dobré.
Mnoho společností není připraveno najímat zaměstnance bez pracovních zkušeností. Kandidáti s minimálním zázemím a znalostí základů populárních nástrojů však mohou získat potřebné zkušenosti, pokud se budou učit a rozvíjet sami.
Užitečné vlastnosti pro datového inženýra a datového vědce
Touha a schopnost učit se. Nemusíte se hned honit za zkušenostmi nebo měnit práci kvůli novému nástroji, ale musíte být ochotní přejít do nové oblasti.
Touha automatizovat rutinní procesy. To je důležité nejen pro produktivitu, ale také pro udržení vysoké kvality dat a rychlosti doručení spotřebiteli.
Pozornost a porozumění tomu, „co je pod pokličkou“ procesů. Specialista, který má pozorování a důkladné znalosti procesů, vyřeší problém rychleji.
Kromě vynikajících znalostí algoritmů, datových struktur a potrubí potřebujete naučit se myslet v produktech — viz architektura a obchodní řešení jako jeden obrázek.
Například je užitečné vzít jakoukoli známou službu a vymyslet pro ni databázi. Pak přemýšlejte o tom, jak vyvinout ETL a DW, které je naplní daty, jací budou spotřebitelé a co je pro ně důležité o datech vědět, a také o tom, jak kupující komunikují s aplikacemi: při hledání práce a seznamování, půjčování aut , podcastová aplikace, vzdělávací platforma.
Pozice analytika, datového vědce a inženýra jsou velmi blízko, takže se můžete pohybovat z jednoho směru do druhého rychleji než z jiných oblastí.
V každém případě to bude jednodušší pro ty s jakýmkoli IT zázemím než pro ty, kteří ho nemají. Motivovaní dospělí se rekvalifikují a mění zaměstnání v průměru každé 1,5–2 roky. To je jednodušší pro ty, kteří studují ve skupině a s mentorem, ve srovnání s těmi, kteří se spoléhají pouze na otevřené zdroje.
Od redakce Netology
Pokud hledáte profesi Data Engineer nebo Data Scientist, zveme vás ke studiu našich kurzů:
- profese"".
- profese"".
- Studna "".
Zdroj: www.habr.com