Μαζί με την Έλενα Γερασίμοβα, επικεφαλής της σχολής "» στο Netology συνεχίζουμε να κατανοούμε πώς αλληλεπιδρούν μεταξύ τους και πώς διαφέρουν οι Επιστήμονες Δεδομένων και οι Μηχανικοί Δεδομένων.
Στο πρώτο μέρος είπαν .
Σε αυτό το υλικό θα μιλήσουμε για το ποιες γνώσεις και δεξιότητες πρέπει να έχουν οι ειδικοί, ποια εκπαίδευση εκτιμάται από τους εργοδότες, πώς διεξάγονται οι συνεντεύξεις και πόσα κερδίζουν οι μηχανικοί δεδομένων και οι επιστήμονες δεδομένων.
Τι πρέπει να γνωρίζουν οι επιστήμονες και οι μηχανικοί
Η εξειδικευμένη εκπαίδευση και για τους δύο ειδικούς είναι η Πληροφορική.
Οποιοσδήποτε επιστήμονας δεδομένων - επιστήμονας δεδομένων ή αναλυτής - πρέπει να είναι σε θέση να αποδείξει την ορθότητα των συμπερασμάτων του. Για αυτό δεν μπορείτε να το κάνετε χωρίς γνώση στατιστικά και βασικά μαθηματικά που σχετίζονται με τη στατιστική.
Τα εργαλεία μηχανικής μάθησης και ανάλυσης δεδομένων είναι απαραίτητα στον σύγχρονο κόσμο. Εάν τα συνήθη εργαλεία δεν είναι διαθέσιμα, πρέπει να έχετε τις δεξιότητες γρήγορη εκμάθηση νέων εργαλείων, δημιουργία απλών σεναρίων για την αυτοματοποίηση εργασιών.
Είναι σημαντικό να σημειωθεί ότι ο επιστήμονας δεδομένων πρέπει να κοινοποιεί αποτελεσματικά τα αποτελέσματα της ανάλυσης. Θα τον βοηθήσει σε αυτό οπτικοποίηση δεδομένων ή τα αποτελέσματα της έρευνας και του ελέγχου των υποθέσεων. Οι ειδικοί πρέπει να είναι σε θέση να δημιουργούν γραφήματα και γραφήματα, να χρησιμοποιούν εργαλεία οπτικοποίησης και να κατανοούν και να εξηγούν δεδομένα από πίνακες εργαλείων.
Για έναν μηχανικό δεδομένων, τρεις τομείς έρχονται στο προσκήνιο.
Αλγόριθμοι και δομές δεδομένων. Είναι σημαντικό να είστε καλοί στη σύνταξη κώδικα και στη χρήση βασικών δομών και αλγορίθμων:
- ανάλυση πολυπλοκότητας αλγορίθμου,
- ικανότητα εγγραφής σαφούς, διατηρήσιμου κώδικα,
- επεξεργασία παρτίδων,
- επεξεργασία σε πραγματικό χρόνο.
Βάσεις δεδομένων και αποθήκες δεδομένων, Business Intelligence:
- αποθήκευση και επεξεργασία δεδομένων,
- σχεδιασμός ολοκληρωμένων συστημάτων,
- Απορρόφηση δεδομένων,
- κατανεμημένα συστήματα αρχείων.
Hadoop και Big Data. Υπάρχουν όλο και περισσότερα δεδομένα και στον ορίζοντα των 3-5 ετών, αυτές οι τεχνολογίες θα γίνουν απαραίτητες για κάθε μηχανικό. Συν:
- Λίμνες Δεδομένων
- συνεργασία με παρόχους cloud.
Μηχανική εκμάθηση θα χρησιμοποιηθεί παντού και είναι σημαντικό να κατανοήσουμε ποια επιχειρηματικά προβλήματα θα βοηθήσει στην επίλυση. Δεν είναι απαραίτητο να μπορείτε να κάνετε μοντέλα (οι επιστήμονες δεδομένων μπορούν να το χειριστούν αυτό), αλλά πρέπει να κατανοήσετε την εφαρμογή τους και τις αντίστοιχες απαιτήσεις.
Πόσο κερδίζουν οι μηχανικοί και οι επιστήμονες;
Εισόδημα Μηχανικού Δεδομένων
Στη διεθνή πρακτική Οι αρχικοί μισθοί είναι συνήθως 100 $ ετησίως και αυξάνονται σημαντικά με την εμπειρία, σύμφωνα με την Glassdoor. Επιπλέον, οι εταιρείες συχνά παρέχουν δικαιώματα προαίρεσης μετοχών και ετήσια μπόνους 000-5%.
Στη Ρωσία στην αρχή μιας καριέρας, ο μισθός συνήθως δεν είναι μικρότερος από 50 χιλιάδες ρούβλια στις περιοχές και 80 χιλιάδες στη Μόσχα. Σε αυτό το στάδιο δεν απαιτείται άλλη εμπειρία εκτός από ολοκληρωμένη εκπαίδευση.
Μετά από 1-2 χρόνια εργασίας - ένα πιρούνι 90-100 χιλιάδων ρούβλια.
Το πιρούνι αυξάνεται σε 120-160 χιλιάδες σε 2-5 χρόνια. Προστίθενται παράγοντες όπως η εξειδίκευση προηγούμενων εταιρειών, το μέγεθος των έργων, η εργασία με μεγάλα δεδομένα κ.λπ.
Μετά από 5 χρόνια εργασίας, είναι πιο εύκολο να αναζητήσετε κενές θέσεις σε συναφή τμήματα ή να κάνετε αίτηση για θέσεις υψηλής εξειδίκευσης όπως:
- Αρχιτέκτονας ή κύριος προγραμματιστής σε τράπεζα ή τηλεπικοινωνίες - περίπου 250 χιλιάδες.
- Προπωλήσεις από τον πωλητή με τις τεχνολογίες του οποίου συνεργαστήκατε πιο στενά - 200 χιλιάδες συν ένα πιθανό μπόνους (1-1,5 εκατομμύρια ρούβλια).
- Εμπειρογνώμονες στην εφαρμογή επιχειρηματικών εφαρμογών Enterprise, όπως η SAP - έως και 350 χιλιάδες.
Έσοδα επιστημόνων δεδομένων
Η αγορά των αναλυτών της εταιρείας «Normal Research» και του πρακτορείου προσλήψεων New.HR δείχνει ότι οι ειδικοί της Data Science λαμβάνουν κατά μέσο όρο υψηλότερο μισθό από τους αναλυτές άλλων ειδικοτήτων.
Στη Ρωσία, ο αρχικός μισθός ενός επιστήμονα δεδομένων με εμπειρία έως και ένα έτος είναι από 113 χιλιάδες ρούβλια.
Ως εργασιακή εμπειρία πλέον λαμβάνεται υπόψη και η ολοκλήρωση προγραμμάτων κατάρτισης.
Μετά από 1-2 χρόνια, ένας τέτοιος ειδικός μπορεί ήδη να λάβει έως και 160 χιλιάδες.
Για έναν υπάλληλο με 4-5 χρόνια εμπειρίας, το πιρούνι αυξάνεται στα 310 χιλιάδες.
Πώς γίνονται οι συνεντεύξεις;
Στη Δύση, οι απόφοιτοι προγραμμάτων επαγγελματικής κατάρτισης έχουν την πρώτη τους συνέντευξη κατά μέσο όρο 5 εβδομάδες μετά την αποφοίτησή τους. Περίπου το 85% βρίσκει δουλειά μετά από 3 μήνες.
Η διαδικασία συνέντευξης για θέσεις μηχανικού δεδομένων και επιστήμονα δεδομένων είναι σχεδόν η ίδια. Συνήθως αποτελείται από πέντε στάδια.
Περίληψη. Οι υποψήφιοι με μη βασική προηγούμενη εμπειρία (π.χ. μάρκετινγκ) απαιτείται να συντάξουν μια λεπτομερή συνοδευτική επιστολή για κάθε εταιρεία ή να έχουν αναφορά από έναν εκπρόσωπο αυτής της εταιρείας.
Τεχνικός έλεγχος. Γίνεται συνήθως μέσω τηλεφώνου. Αποτελείται από μία ή δύο σύνθετες και τόσες απλές ερωτήσεις που σχετίζονται με την τρέχουσα στοίβα του εργοδότη.
Συνέντευξη HR. Μπορεί να γίνει μέσω τηλεφώνου. Σε αυτό το στάδιο ο υποψήφιος ελέγχεται για γενική επάρκεια και ικανότητα επικοινωνίας.
Τεχνική συνέντευξη. Τις περισσότερες φορές λαμβάνει χώρα αυτοπροσώπως. Σε διαφορετικές εταιρείες, το επίπεδο των θέσεων στον πίνακα προσωπικού είναι διαφορετικό και οι θέσεις μπορεί να ονομάζονται διαφορετικά. Επομένως, σε αυτό το στάδιο είναι οι τεχνικές γνώσεις που ελέγχονται.
Συνέντευξη με ΚΟΤ/Αρχιτέκτονα. Ο μηχανικός και ο επιστήμονας είναι στρατηγικές θέσεις και για πολλές εταιρείες είναι επίσης νέες. Είναι σημαντικό ο διευθυντής να συμπαθεί τον πιθανό συνάδελφο και να συμφωνεί μαζί του στις απόψεις του.
Τι θα βοηθήσει τους επιστήμονες και τους μηχανικούς στην επαγγελματική τους ανάπτυξη;
Έχουν εμφανιστεί αρκετά νέα εργαλεία για την εργασία με δεδομένα. Και λίγοι άνθρωποι είναι εξίσου καλοί σε όλους.
Πολλές εταιρείες δεν είναι έτοιμες να προσλάβουν υπαλλήλους χωρίς εργασιακή εμπειρία. Ωστόσο, υποψήφιοι με ελάχιστο υπόβαθρο και γνώση των βασικών δημοφιλών εργαλείων μπορούν να αποκτήσουν την απαραίτητη εμπειρία εάν μάθουν και εξελιχθούν μόνοι τους.
Χρήσιμες ιδιότητες για μηχανικό δεδομένων και επιστήμονα δεδομένων
Επιθυμία και ικανότητα μάθησης. Δεν χρειάζεται να κυνηγήσετε αμέσως την εμπειρία ή να αλλάξετε δουλειά για ένα νέο εργαλείο, αλλά πρέπει να είστε πρόθυμοι να μεταβείτε σε έναν νέο τομέα.
Η επιθυμία για αυτοματοποίηση των διαδικασιών ρουτίνας. Αυτό είναι σημαντικό όχι μόνο για την παραγωγικότητα, αλλά και για τη διατήρηση της υψηλής ποιότητας δεδομένων και της ταχύτητας παράδοσης στον καταναλωτή.
Προσοχή και κατανόηση του «τι υπάρχει κάτω από την κουκούλα» των διαδικασιών. Ένας ειδικός που έχει παρατήρηση και ενδελεχή γνώση των διαδικασιών θα λύσει το πρόβλημα πιο γρήγορα.
Εκτός από την άριστη γνώση αλγορίθμων, δομών δεδομένων και αγωγών, χρειάζεστε μάθετε να σκέφτεστε σε προϊόντα — δείτε την αρχιτεκτονική και τις επιχειρηματικές λύσεις ως μια ενιαία εικόνα.
Για παράδειγμα, είναι χρήσιμο να πάρετε οποιαδήποτε γνωστή υπηρεσία και να βρείτε μια βάση δεδομένων για αυτήν. Στη συνέχεια, σκεφτείτε πώς να αναπτύξετε το ETL και το DW που θα το γεμίσουν με δεδομένα, τι είδους καταναλωτές θα είναι και τι είναι σημαντικό να γνωρίζουν για τα δεδομένα, καθώς και πώς αλληλεπιδρούν οι αγοραστές με τις εφαρμογές: για αναζήτηση εργασίας και ραντεβού, ενοικίαση αυτοκινήτου , εφαρμογή podcast, εκπαιδευτική πλατφόρμα.
Οι θέσεις ενός αναλυτή, του επιστήμονα δεδομένων και του μηχανικού είναι πολύ κοντά, επομένως μπορείτε να μετακινηθείτε από τη μια κατεύθυνση στην άλλη πιο γρήγορα από ό,τι από άλλες περιοχές.
Σε κάθε περίπτωση, θα είναι πιο εύκολο για όσους έχουν οποιοδήποτε υπόβαθρο πληροφορικής παρά για όσους δεν το έχουν. Κατά μέσο όρο, οι ενήλικες με κίνητρα επανεκπαιδεύονται και αλλάζουν δουλειά κάθε 1,5–2 χρόνια. Αυτό είναι πιο εύκολο για όσους σπουδάζουν σε ομάδα και με μέντορα, σε σύγκριση με εκείνους που βασίζονται μόνο σε ανοιχτές πηγές.
Από τους συντάκτες του Netology
Εάν αναζητάτε το επάγγελμα του Μηχανικού Δεδομένων ή του Επιστήμονα Δεδομένων, σας προσκαλούμε να μελετήσετε τα προγράμματα μαθημάτων μας:
- επάγγελμα"».
- επάγγελμα"».
- Καλά "».
Πηγή: www.habr.com