Kune kun Elena Gerasimova, estro de la fakultato "» en Netologio ni daŭre komprenas kiel ili interagas unu kun la alia kaj kiel diferencas Datumaj Sciencistoj kaj Datumaj Inĝenieroj.
En la unua parto ili rakontis .
En ĉi tiu materialo ni parolos pri kiaj scioj kaj kapabloj specialistoj devus havi, kian edukadon taksas dungantoj, kiel intervjuoj estas faritaj kaj kiom da datumaj inĝenieroj kaj datumsciencistoj gajnas.
Kion sciencistoj kaj inĝenieroj devus scii
La specialeca edukado por ambaŭ specialistoj estas Komputado.
Ĉiu datumsciencisto—datumsciencisto aŭ analizisto—devas povi pruvi la ĝustecon de siaj konkludoj. Por tio vi ne povas fari sen scio statistiko kaj statistik-rilata baza matematiko.
Maŝinlernado kaj datum-analitikaj iloj estas nemalhaveblaj en la moderna mondo. Se la kutimaj iloj ne estas disponeblaj, vi devas havi la kapablojn rapide lernante novajn ilojn, kreante simplajn skriptojn por aŭtomatigi taskojn.
Gravas noti, ke la datumsciencisto devas efike komuniki la rezultojn de la analizo. Ĝi helpos lin kun ĉi tio datuma bildigo aŭ la rezultoj de esplorado kaj testado de hipotezoj. Specialistoj devas povi krei diagramojn kaj grafikaĵojn, uzi bildigajn ilojn kaj kompreni kaj klarigi datumojn de paneloj.
Por datuma inĝeniero, tri areoj ekaperas.
Algoritmoj kaj datumstrukturoj. Gravas bone skribi kodon kaj uzi bazajn strukturojn kaj algoritmojn:
- analizo de komplekseco de algoritmo,
- kapablo skribi klaran, konserveblan kodon,
- grupa prilaborado,
- realtempa prilaborado.
Datumbazoj kaj datumstokejoj, Komerca Inteligenteco:
- konservado kaj prilaborado de datumoj,
- dezajno de kompletaj sistemoj,
- Datumkonsumado,
- distribuitaj dosiersistemoj.
Hadoop kaj Big Data. Estas pli kaj pli da datumoj, kaj dum la horizonto de 3-5 jaroj, ĉi tiuj teknologioj fariĝos necesaj por ĉiu inĝeniero. Plie:
- Datumaj Lagoj
- laborante kun nubaj provizantoj.
Maŝinlernado estos uzata ĉie, kaj gravas kompreni, kiajn komercajn problemojn ĝi helpos solvi. Ne necesas povi fari modelojn (datumsciencistoj povas pritrakti tion), sed vi devas kompreni ilian aplikon kaj la respondajn postulojn.
Kiom gajnas inĝenieroj kaj sciencistoj?
Datuma Inĝeniero Enspezo
En internacia praktiko komencaj salajroj estas kutime $100 jare kaj pliiĝas signife kun sperto, laŭ Glassdoor. Krome, kompanioj ofte provizas akciajn elektojn kaj 000-5% jarajn gratifikojn.
En Rusujo komence de kariero, la salajro kutime estas ne malpli ol 50 mil rubloj en la regionoj kaj 80 mil en Moskvo. Neniu sperto krom finita trejnado estas bezonata en ĉi tiu etapo.
Post 1-2 jaroj da laboro - forko de 90-100 mil rubloj.
La forko pliiĝas al 120–160 mil en 2–5 jaroj. Aldonas faktoroj kiel specialiĝo de antaŭaj kompanioj, grandeco de projektoj, laboro kun grandaj datumoj ktp.
Post 5 jaroj da laboro, estas pli facile serĉi vakantaĵojn en rilataj fakoj aŭ peti tre specialigitajn postenojn kiel ekzemple:
- Arkitekto aŭ ĉefprogramisto en banko aŭ telekomunikado - ĉirkaŭ 250 mil.
- Antaŭ-vendoj de la vendisto, kun kies teknologioj vi laboris plej proksime - 200 mil plus ebla gratifiko (1-1,5 milionoj da rubloj).
- Fakuloj pri efektivigo de Entreprenaj komercaj aplikoj, kiel SAP - ĝis 350 mil.
Enspezo de datumsciencistoj
merkato de analizistoj de la firmao "Normal Research" kaj la rekruta agentejo New.HR montras, ke Data Science-specialistoj ricevas averaĝe pli altan salajron ol analizistoj de aliaj fakoj.
En Rusio, la komenca salajro de datumsciencisto kun ĝis jaro da sperto estas de 113 mil rubloj.
Kompletigo de trejnadprogramoj nun ankaŭ estas konsiderata kiel labora sperto.
Post 1–2 jaroj, tia specialisto jam povas ricevi ĝis 160 mil.
Por dungito kun 4-5-jara sperto, la forko pliiĝas al 310 mil.
Kiel estas faritaj intervjuoj?
En la Okcidento, diplomiĝintoj de profesiaj trejnadoj havas sian unuan intervjuon averaĝe 5 semajnojn post diplomiĝo. Ĉirkaŭ 85% trovas laboron post 3 monatoj.
La intervjua procezo por datumoj-inĝeniero kaj datuma sciencisto postenoj estas preskaŭ la sama. Kutime konsistas el kvin etapoj.
Resumo. Kandidatoj kun ne-kerna antaŭa sperto (ekz., merkatado) devas prepari detalan leteron por ĉiu firmao aŭ havi referencon de reprezentanto de tiu firmao.
Teknika rastrumo. Ĝi kutime okazas telefone. Konsistas el unu aŭ du kompleksaj kaj tiom da simplaj demandoj rilataj al la nuna stako de la dunganto.
HR-intervjuo. Povas esti farita per telefono. En ĉi tiu etapo, la kandidato estas provita pri ĝenerala taŭgeco kaj kapablo komuniki.
Teknika intervjuo. Plej ofte ĝi okazas persone. En malsamaj kompanioj, la nivelo de pozicioj en la dungita tablo estas malsama, kaj pozicioj povas esti nomitaj malsame. Tial, en ĉi tiu etapo estas teknika scio kiu estas provita.
Intervjuo kun CTO/Ĉefa Arkitekto. Inĝeniero kaj sciencisto estas strategiaj pozicioj, kaj por multaj kompanioj ili ankaŭ estas novaj. Gravas, ke la administranto ŝatas la potencialan kolegon kaj konsentas kun li laŭ siaj opinioj.
Kio helpos sciencistojn kaj inĝenierojn en ilia kariera kresko?
Aperis multe da novaj iloj por labori kun datumoj. Kaj malmultaj homoj estas same bonaj pri ĉiuj.
Multaj kompanioj ne pretas dungi dungitojn sen labora sperto. Tamen, kandidatoj kun minimuma fono kaj scio pri la bazoj de popularaj iloj povas akiri la necesan sperton se ili lernas kaj evoluas memstare.
Utilaj kvalitoj por datuma inĝeniero kaj datuma sciencisto
Deziro kaj kapablo lerni. Vi ne devas tuj postkuri sperton aŭ ŝanĝi laborpostenojn por nova ilo, sed vi devas voli ŝanĝi al nova areo.
La deziro aŭtomatigi rutinajn procezojn. Ĉi tio gravas ne nur por produktiveco, sed ankaŭ por konservi altan datumkvaliton kaj rapidecon de livero al la konsumanto.
Atentemo kaj kompreno de "kio estas sub la kapuĉo" de procezoj. Specialisto, kiu havas observadon kaj ĝisfundan scion pri la procezoj, solvos la problemon pli rapide.
Krom bonega scio pri algoritmoj, datumstrukturoj kaj duktoj, vi bezonas lerni pensi en produktoj — vidu arkitekturon kaj komercan solvon kiel ununuran bildon.
Ekzemple, estas utile preni ajnan konatan servon kaj elpensi datumbazon por ĝi. Tiam pensu pri kiel evoluigi ETL kaj DW, kiuj plenigos ĝin per datumoj, kiaj konsumantoj estos kaj kio gravas por ili scii pri la datumoj, kaj ankaŭ kiel aĉetantoj interagas kun aplikoj: por laborserĉo kaj rendevuado, aŭtoluado. , podkasta aplikaĵo, eduka platformo.
La pozicioj de analizisto, datumsciencisto kaj inĝeniero estas tre proksimaj, do vi povas moviĝi de unu direkto al alia pli rapide ol de aliaj areoj.
Ĉiukaze, ĝi estos pli facila por tiuj kun ajna IT-fono ol por tiuj, kiuj ne havas ĝin. Averaĝe, motivitaj plenkreskuloj retrejnas kaj ŝanĝas laborpostenojn ĉiujn 1,5-2 jarojn. Ĉi tio estas pli facila por tiuj, kiuj studas en grupo kaj kun mentoro, kompare kun tiuj, kiuj dependas nur de malfermaj fontoj.
De la redaktoroj de Netology
Se vi rigardas la profesion de Datuma Inĝeniero aŭ Datuma Sciencisto, ni invitas vin studi niajn kursprogramojn:
- Profesio"".
- Profesio"".
- Nu"".
fonto: www.habr.com