Sammen med Elena Gerasimova, leder af fakultetet "»i Netology fortsætter vi med at forstå, hvordan de interagerer med hinanden, og hvordan dataforskere og dataingeniører adskiller sig.
I første del fortalte de .
I dette materiale vil vi tale om, hvilken viden og færdigheder specialister bør have, hvilken uddannelse der værdsættes af arbejdsgivere, hvordan interviews gennemføres, og hvor meget dataingeniører og dataforskere tjener.
Hvad videnskabsmænd og ingeniører bør vide
Den specialiserede uddannelse for begge specialister er Datalogi.
Enhver dataforsker – dataforsker eller analytiker – skal være i stand til at bevise rigtigheden af deres konklusioner. For dette kan du ikke undvære viden statistik og statistikrelateret grundlæggende matematik.
Maskinlæring og dataanalyseværktøjer er uundværlige i den moderne verden. Hvis de sædvanlige værktøjer ikke er tilgængelige, skal du have færdighederne hurtigt at lære nye værktøjer, skabe simple scripts til at automatisere opgaver.
Det er vigtigt at bemærke, at dataforskeren effektivt skal kommunikere resultaterne af analysen. Det vil hjælpe ham med dette datavisualisering eller resultaterne af forskning og test af hypoteser. Specialister skal være i stand til at oprette diagrammer og grafer, bruge visualiseringsværktøjer og forstå og forklare data fra dashboards.
For en dataingeniør kommer tre områder i højsædet.
Algoritmer og datastrukturer. Det er vigtigt at blive god til at skrive kode og bruge grundlæggende strukturer og algoritmer:
- algoritme kompleksitetsanalyse,
- evne til at skrive klar, vedligeholdelig kode,
- batchbehandling,
- realtidsbehandling.
Databaser og datavarehuse, Business Intelligence:
- datalagring og behandling,
- design af komplette systemer,
- Dataindtagelse,
- distribuerede filsystemer.
Hadoop og Big Data. Der er flere og flere data, og i løbet af de næste 3-5 år vil disse teknologier blive nødvendige for enhver ingeniør. Plus:
- Data Lakes
- samarbejde med cloud-udbydere.
Maskinelæring vil blive brugt overalt, og det er vigtigt at forstå, hvilke forretningsproblemer det vil hjælpe med at løse. Det er ikke nødvendigt at kunne lave modeller (data scientists kan klare dette), men du skal forstå deres anvendelse og de tilsvarende krav.
Hvor meget tjener ingeniører og videnskabsmænd?
Dataingeniør Indkomst
I international praksis startlønninger er typisk $100 om året og stiger markant med erfaring, ifølge Glassdoor. Derudover giver virksomheder ofte aktieoptioner og 000-5% årlige bonusser.
I Rusland i begyndelsen af en karriere er lønnen normalt ikke mindre end 50 tusind rubler i regionerne og 80 tusind i Moskva. Der kræves ingen anden erfaring end gennemført uddannelse på dette trin.
Efter 1-2 års arbejde - en gaffel på 90-100 tusind rubler.
Gaffelen stiger til 120-160 tusind på 2-5 år. Faktorer som tidligere virksomheders specialisering, størrelsen af projekter, arbejde med big data mv.
Efter 5 års arbejde er det lettere at søge ledige stillinger i relaterede afdelinger eller søge højt specialiserede stillinger som:
- Arkitekt eller hovedudvikler i en bank eller telekommunikation - omkring 250 tusind.
- Forsalg fra den leverandør, hvis teknologier du arbejdede tættest med - 200 tusind plus en mulig bonus (1-1,5 millioner rubler).
- Eksperter i implementering af Enterprise-forretningsapplikationer, såsom SAP - op til 350 tusind.
Data scientists indkomst
marked af analytikere fra virksomheden “Normal Research” og rekrutteringsbureauet New.HR viser, at Data Science-specialister i gennemsnit modtager en højere løn end analytikere fra andre specialer.
I Rusland er startlønnen for en dataforsker med op til et års erfaring fra 113 tusind rubler.
Gennemførelse af uddannelser medregnes nu også som erhvervserfaring.
Efter 1-2 år kan en sådan specialist allerede modtage op til 160 tusind.
For en medarbejder med 4-5 års erfaring stiger gaflen til 310 tusind.
Hvordan gennemføres interviews?
I Vesten får dimittender fra erhvervsuddannelserne deres første samtale i gennemsnit 5 uger efter endt uddannelse. Omkring 85 % finder et job efter 3 måneder.
Interviewprocessen for stillinger som dataingeniør og dataforsker er stort set den samme. Består normalt af fem faser.
Resumé. Kandidater med ikke-kerne tidligere erfaring (f.eks. markedsføring) skal udarbejde et detaljeret følgebrev for hver virksomhed eller have en reference fra en repræsentant for denne virksomhed.
Teknisk screening. Det foregår normalt over telefonen. Består af et eller to komplekse og lige så mange simple spørgsmål relateret til arbejdsgiverens nuværende stak.
HR-samtale. Kan gøres over telefonen. På dette trin testes kandidaten for generel tilstrækkelighed og evne til at kommunikere.
Teknisk interview. Oftest foregår det personligt. I forskellige virksomheder er stillingsniveauet i bemandingstabellen forskelligt, og stillinger kan benævnes forskelligt. Derfor er det på dette stadie teknisk viden, der testes.
Interview med CTO/chefarkitekt. Ingeniør og videnskabsmand er strategiske stillinger, og for mange virksomheder er de også nye. Det er vigtigt, at lederen kan lide den potentielle kollega og er enig med ham i hans synspunkter.
Hvad vil hjælpe videnskabsmænd og ingeniører i deres karrierevækst?
Der er kommet en hel del nye værktøjer til at arbejde med data. Og få mennesker er lige gode til alle.
Mange virksomheder er ikke klar til at ansætte medarbejdere uden erhvervserfaring. Dog kan kandidater med et minimumsgrundlag og viden om det grundlæggende i populære værktøjer få den nødvendige erfaring, hvis de lærer og udvikler sig på egen hånd.
Nyttige egenskaber for en dataingeniør og datascientist
Lyst og evne til at lære. Du behøver ikke straks at jagte erfaring eller skifte job til et nyt værktøj, men du skal være villig til at skifte til et nyt område.
Ønsket om at automatisere rutineprocesser. Dette er vigtigt ikke kun for produktiviteten, men også for at opretholde høj datakvalitet og leveringshastighed til forbrugeren.
Opmærksomhed og forståelse for "hvad der er under motorhjelmen" af processer. En specialist, der har observation og indgående kendskab til processerne, vil løse problemet hurtigere.
Ud over fremragende viden om algoritmer, datastrukturer og pipelines, har du brug for lære at tænke i produkter — se arkitektur og forretningsløsning som et enkelt billede.
For eksempel er det nyttigt at tage en hvilken som helst kendt tjeneste og komme med en database til den. Tænk derefter over, hvordan man udvikler ETL og DW, der vil fylde det med data, hvilken slags forbrugere vil være, og hvad der er vigtigt for dem at vide om dataene, og også hvordan købere interagerer med applikationer: til jobsøgning og dating, billeje , podcast-applikation, uddannelsesplatform.
Positionerne for en analytiker, dataforsker og ingeniør er meget tæt på hinanden, så du kan bevæge dig fra en retning til en anden hurtigere end fra andre områder.
Det vil i hvert fald være nemmere for dem med nogen IT-baggrund end for dem, der ikke har det. I gennemsnit omskoler motiverede voksne og skifter job hvert 1,5-2 år. Dette er lettere for dem, der studerer i en gruppe og med en mentor, sammenlignet med dem, der kun er afhængige af åbne kilder.
Fra redaktørerne af Netology
Hvis du ser på erhvervet som dataingeniør eller dataforsker, inviterer vi dig til at studere vores kursusprogrammer:
- Profession"'.
- Profession"'.
- Godt "'.
Kilde: www.habr.com