Ifølge forskning fra HeadHunter og Mail.ru overstiger efterspørgslen efter dataforskere udbuddet, men alligevel lykkes det ikke altid unge specialister at finde et job. Vi fortæller dig, hvad kandidaterne fra kurserne mangler, og hvor du skal studere for dem, der planlægger en stor karriere inden for Data Science.
"De kommer og tænker, at nu vil de tjene 500 i sekundet, fordi de kender navnene på rammerne, og hvordan man kører en to-line model fra dem"
Emil Maharramov leder en gruppe af beregningskemiske tjenester på biocad og ved samtaler bliver konfronteret med, at kandidater ikke har en systematisk forståelse af faget. De gennemfører kurser, kommer med velpumpet Python og SQL, kan hæve Hadoop eller Spark på 2 sekunder, fuldføre opgaven i henhold til en klar TOR. Men samtidig er der ikke længere et skridt til siden. Selvom det er fleksibiliteten i løsninger, som arbejdsgiverne forventer af deres specialister inden for datavidenskab.
Hvad sker der på Data Science-markedet
Unge professionelles kompetencer afspejler situationen på arbejdsmarkedet. Her overstiger efterspørgslen markant udbuddet, så desperate arbejdsgivere er ofte rigtig klar til at ansætte helt grønne specialister og dyrke dem selv. Muligheden virker, men den er kun egnet, hvis holdet i forvejen har en erfaren holdleder, som overtager træningen af junior.
Ifølge en undersøgelse fra HeadHunter og Mail.ru er dataforskere blandt de mest efterspurgte på markedet:
- I 2019 var der 9,6 gange flere ledige stillinger inden for dataanalyse og 7,2 gange flere inden for maskinlæring end i 2015.
- I forhold til 2018 er antallet af ledige stillinger for dataanalysespecialister steget med 1,4 gange, og for machine learning - med 1,3 gange.
- 38 % af de ledige stillinger er i IT-virksomheder, 29 % i virksomheder fra den finansielle sektor og 9 % i erhvervsservice.
Situationen er drevet af adskillige onlineskoler, der træner de samme juniorer. Grundlæggende tager uddannelsen fra tre til seks måneder, hvor eleverne har tid til at mestre de vigtigste værktøjer på et grundlæggende niveau: Python, SQL, dataanalyse, Git og Linux. Outputtet er en klassisk junior: han kan løse et specifikt problem, men han kan stadig ikke forstå problemet og selvstændigt formulere problemet. Stor efterspørgsel på specialister og hype omkring faget giver dog ofte anledning til høje ambitioner og lønkrav.
Desværre ser et interview i Data Science nu normalt sådan ud: kandidaten siger, at han forsøgte at bruge et par biblioteker, han kan ikke svare på spørgsmål om, hvordan algoritmerne fungerer, så beder han om 200, 300, 400 tusind rubler om måneden i hans hænder.
På grund af det store antal reklameslogans som "alle kan blive dataanalytiker", "beherske maskinlæring på tre måneder og begynde at tjene en masse penge" og tørsten efter hurtig profit, strømmede en enorm strøm af overfladiske kandidater ind i vores felt med absolut ingen systemtræning.
Victor Kantor
Chief Data Scientist hos MTS
Hvem leder arbejdsgiverne efter?
Enhver arbejdsgiver vil gerne have, at hans juniorer arbejder uden konstant supervision og kan udvikle sig under vejledning af en teamleder. For at gøre dette skal en nybegynder straks mestre de nødvendige værktøjer til at løse aktuelle problemer og have et tilstrækkeligt teoretisk grundlag til gradvist at tilbyde deres egne løsninger og nærme sig mere komplekse problemer.
Med værktøjer til begyndere på markedet er alt ganske godt. Kortvarige kurser giver dig mulighed for hurtigt at mestre dem og komme på arbejde.
Ifølge en undersøgelse fra HeadHunter og Mail.ru er den mest efterspurgte færdighed viden om Python. Det er nævnt i 45% af data scientist jobs og 51% af machine learning jobs.
Arbejdsgiverne ønsker også, at dataforskere kender SQL (23 %), er dygtige til data mining (Data Mining) (19 %), matematisk statistik (11 %) og kan arbejde med big data (10 %).
Arbejdsgivere, der søger maskinlæringsspecialister, forventer sammen med viden om Python, at kandidaten er dygtig til C++ (18%), SQL (15%), maskinlæringsalgoritmer (13%) og Linux (11%).
Men hvis juniorerne klarer sig godt med værktøjerne, så står deres ledere over for et andet problem. De fleste kursister har ikke en dyb forståelse af faget, så det er svært for en nybegynder at komme videre.
Jeg leder i øjeblikket efter maskinlæringsspecialister til at slutte sig til mit team. Samtidig ser jeg, at kandidater ofte har mestret individuelle Data Science-værktøjer, men de har ikke en dyb nok forståelse af det teoretiske grundlag til at skabe nye løsninger.
Emil Maharramov
Leder af Computational Chemistry Services Group, Biocad
Selve strukturen og varigheden af kurserne giver dig ikke mulighed for at gå dybt til det krævede niveau. Kandidater mangler ofte de samme bløde færdigheder, som normalt overses, når de læser et jobopslag. Nå, egentlig, hvem af os vil sige, at han ikke har systemisk tænkning eller et ønske om at udvikle sig. Men i forhold til en Data Scientist taler vi om en dybere historie. Her har du for at udvikle dig brug for en ret stærk bias i teori og videnskab, hvilket kun er muligt under længerevarende studier, for eksempel på et universitet.
Meget afhænger af personen: hvis en studerende med et godt grundlag i matematik og programmering består et tre måneders intensivt kursus fra stærke lærere med erfaring fra teamledere i topvirksomheder, dykker ned i alt kursusmateriale og "absorberer som en svamp", som man plejede at sige i skolen, så bliver der problemer med sådan en medarbejder senere Nr. Men 90-95% af mennesker, for at lære noget for evigt, skal du lære ti gange mere og gøre det systematisk i flere år i træk. Og det gør kandidatuddannelser i dataanalyse til en god mulighed for at få et godt videngrundlag, som du ikke behøver at rødme med ved samtalen, og det bliver meget nemmere at udføre dit arbejde.
Victor Kantor
Chief Data Scientist hos MTS
Hvor skal man studere for at finde et job i Data Science
Der er mange gode Data Science kurser på markedet, og det er ikke noget problem at få en grunduddannelse. Men det er vigtigt at forstå retningen for denne uddannelse. Hvis kandidaten allerede har en stærk teknisk baggrund, så er intensive kurser, hvad du har brug for. En person vil mestre værktøjerne, komme til stedet og hurtigt vænne sig til det, fordi han allerede ved, hvordan man tænker som en matematiker, ser problemet og formulerer problemer. Hvis der ikke er en sådan baggrund, så vil der efter kurset være en god performer, men med begrænsede muligheder for vækst.
Hvis du har et kortsigtet mål om at skifte erhverv eller finde et job inden for dette speciale, så passer nogle systematiske kurser til dig, som er korte og hurtigt giver et minimum af tekniske færdigheder, så du kan kvalificere dig til en entry-level position på dette felt.
Ivan Yamschikov
Akademisk direktør for Online MSc i Data Science
Problemet med kurser er, at de giver en hurtig, men minimal overclocking. En person flyver bogstaveligt talt ind i faget og når hurtigt loftet. For at komme længe ind i faget skal du straks lægge et godt fundament i form af en længerevarende uddannelse, for eksempel på en kandidatuddannelse.
Videregående uddannelse er velegnet, når du forstår, at dette område er interessant for dig på længere sigt. Du ønsker ikke at gå på arbejde så hurtigt som muligt. Og du ønsker ikke at have et karriereloft, og du vil heller ikke stå over for problemet med mangel på viden, færdigheder, mangel på forståelse af det generelle økosystem, hvorigennem innovative produkter udvikles. Dette kræver en videregående uddannelse, som ikke kun danner det nødvendige sæt af tekniske færdigheder, men også strukturerer din tankegang på en anden måde og er med til at danne en vis vision om din karriere på længere sigt.
Ivan Yamschikov
Akademisk direktør for Online MSc i Data Science
Fraværet af et karriereloft er den største fordel ved kandidatuddannelsen. I to år modtager specialisten en kraftfuld teoretisk base. Sådan ser første semester af NUST MISIS Data Science-programmet ud:
- Introduktion til datavidenskab. 2 uger.
- Grundlæggende om dataanalyse. Databehandling. 2 uger
- Maskinelæring. Dataforbehandling. 2 uger
- EDA. Intelligensdataanalyse. 3 uger
- Grundlæggende maskinlæringsalgoritmer. P1 + P2 (6 uger)
Samtidig kan du også få praktisk erfaring på arbejdet. Intet forhindrer dig i at få en juniorstilling, når først eleven har styr på de nødvendige værktøjer. Det er bare, i modsætning til en kandidat af kurser, stopper mesteren ikke sin uddannelse på dette, men fortsætter med at dykke ned i faget. I fremtiden giver dette dig mulighed for at udvikle dig i Data Science uden begrænsninger.
På webstedet for University of Science and Technology "MISiS" for dem, der ønsker at arbejde i Data Science. Repræsentanter for NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group og Yandex taler om det vigtigste:
- Hvordan finder du din plads i Data Science?,
- "Er det muligt at blive dataforsker fra bunden?",
- "Vil der være behov for dataforskere om 2-5 år?",
- "Hvilke opgaver arbejder dataforskere med?",
- "Hvordan bygger man en karriere inden for datavidenskab?"
Online læring, folkeuddannelsesbevis. accepteret indtil 10 August.
Kilde: www.habr.com