Según una investigación de HeadHunter y Mail.ru, la demanda de científicos de datos supera la oferta, pero aun así los jóvenes especialistas no siempre consiguen encontrar trabajo. Te contamos qué les falta a los egresados de los cursos y dónde estudiar para quienes están planeando una gran carrera en Ciencia de Datos.
"Vienen y piensan que ahora ganarán 500 por segundo, porque conocen los nombres de los frameworks y cómo ejecutar un modelo de dos líneas a partir de ellos"
Emil Maharramov dirige un grupo de servicios de química computacional en biocad y en las entrevistas se enfrenta al hecho de que los candidatos no tienen una comprensión sistemática de la profesión. Completan cursos, vienen con Python y SQL bien desarrollados, pueden ejecutar Hadoop o Spark en 2 segundos y completan la tarea de acuerdo con un TOR claro. Pero al mismo tiempo ya no hay un paso hacia un lado. Aunque es la flexibilidad de las soluciones lo que los empleadores esperan de sus especialistas en el campo de la ciencia de datos.
Qué está pasando en el mercado de la ciencia de datos
Las competencias de los jóvenes profesionales reflejan la situación del mercado laboral. Aquí, la demanda supera significativamente la oferta, por lo que los empleadores desesperados a menudo están realmente dispuestos a contratar especialistas completamente ecológicos y cultivarlos por sí mismos. La opción está funcionando, pero solo es adecuada si el equipo ya tiene un líder de equipo experimentado que se hará cargo del entrenamiento del junior.
Según un estudio de HeadHunter y Mail.ru, los científicos de datos se encuentran entre los más demandados del mercado:
- En 2019, hubo 9,6 veces más vacantes en el campo del análisis de datos y 7,2 veces más en el campo del aprendizaje automático que en 2015.
- En comparación con 2018, el número de vacantes para especialistas en análisis de datos aumentó 1,4 veces y para aprendizaje automático, 1,3 veces.
- El 38% de las vacantes abiertas son en empresas de TI, el 29% en empresas del sector financiero y el 9% en servicios empresariales.
La situación se ve alimentada por numerosas escuelas en línea que capacitan a esos mismos jóvenes. Básicamente, la formación dura de tres a seis meses, durante los cuales los estudiantes tienen tiempo para dominar las principales herramientas a un nivel básico: Python, SQL, análisis de datos, Git y Linux. El resultado es un junior clásico: puede resolver un problema específico, pero aún no puede entender el problema y formular el problema de forma independiente. Sin embargo, la gran demanda de especialistas y la exageración en torno a la profesión a menudo dan lugar a grandes ambiciones y requisitos salariales.
Desafortunadamente, una entrevista en Data Science ahora suele verse así: el candidato dice que intentó usar un par de bibliotecas, no puede responder preguntas sobre cómo funcionan los algoritmos, luego pide 200, 300, 400 mil rublos al mes sus manos.
Debido a la gran cantidad de eslóganes publicitarios como "todos pueden convertirse en analistas de datos", "domine el aprendizaje automático en tres meses y comience a ganar mucho dinero" y la sed de ganancias rápidas, una gran corriente de candidatos superficiales invadió nuestro campo. sin absolutamente ningún entrenamiento del sistema.
Víctor Kantor
Jefe científico de datos en MTS
¿A quién buscan los empleadores?
A cualquier empleador le gustaría que sus jóvenes trabajaran sin supervisión constante y pudieran desarrollarse bajo la guía de un líder de equipo. Para ello, un principiante debe dominar de forma inmediata las herramientas necesarias para resolver los problemas actuales, y tener una base teórica suficiente para ofrecer poco a poco sus propias soluciones y abordar problemas más complejos.
Con herramientas para principiantes en el mercado, todo está bastante bien. Los cursos a corto plazo le permiten dominarlos rápidamente y ponerse a trabajar.
Según un estudio de HeadHunter y Mail.ru, la habilidad más demandada es el conocimiento de Python. Se menciona en el 45 % de los trabajos de científicos de datos y en el 51 % de los trabajos de aprendizaje automático.
Los empleadores también quieren que los científicos de datos sepan SQL (23%), sean competentes en minería de datos (Data Mining) (19%), estadística matemática (11%) y puedan trabajar con big data (10%).
Los empleadores que buscan especialistas en aprendizaje automático, además de conocimientos de Python, esperan que el candidato domine C++ (18%), SQL (15%), algoritmos de aprendizaje automático (13%) y Linux (11%).
Pero si a los jóvenes les va bien con las herramientas, entonces sus líderes enfrentan otro problema. La mayoría de los graduados del curso no tienen un conocimiento profundo de la profesión, por lo que es difícil para un principiante progresar.
Actualmente estoy buscando especialistas en aprendizaje automático para unirse a mi equipo. Al mismo tiempo, veo que a menudo los candidatos dominan las herramientas individuales de ciencia de datos, pero no tienen una comprensión lo suficientemente profunda de los fundamentos teóricos para crear nuevas soluciones.
Emil Maharramov
Jefe de Grupo de Servicios de Química Computacional, Biocad
La propia estructura y duración de los cursos no le permite profundizar al nivel requerido. Los graduados a menudo carecen de las mismas habilidades blandas que generalmente se pasan por alto al leer una publicación de trabajo. Bueno, realmente, ¿quién de nosotros dirá que no tiene un pensamiento sistémico o un deseo de desarrollarse? Sin embargo, en relación a un Científico de Datos, estamos hablando de una historia más profunda. Aquí, para desarrollarse, se necesita un sesgo bastante fuerte en la teoría y la ciencia, lo que sólo es posible durante estudios a largo plazo, por ejemplo, en una universidad.
Mucho depende de la persona: si un estudiante con una buena base en matemáticas y programación aprueba un curso intensivo de tres meses con profesores sólidos y con experiencia como líderes de equipos en las mejores empresas, profundiza en todos los materiales del curso y “lo absorbe como una esponja”, Como solían decir en la escuela, entonces habrá problemas con un empleado así más tarde. Pero el 90-95% de las personas, para aprender algo para siempre, necesitan aprender diez veces más y hacerlo sistemáticamente durante varios años seguidos. Y esto hace que los programas de maestría en análisis de datos sean una gran opción para conseguir una buena base de conocimientos, con la que no tendrás que sonrojarte en la entrevista y te será mucho más fácil hacer tu trabajo.
Víctor Kantor
Jefe científico de datos en MTS
Dónde estudiar para encontrar trabajo en Ciencia de Datos
Hay muchos buenos cursos de ciencia de datos en el mercado y obtener una educación inicial no es un problema. Pero es importante entender la dirección de esta educación. Si el candidato ya tiene una sólida formación técnica, lo que necesita son cursos intensivos. Una persona dominará las herramientas, llegará al lugar y se acostumbrará rápidamente, porque ya sabe cómo pensar como un matemático, ver el problema y formular problemas. Si no existe tal experiencia, después del curso habrá un buen desempeño, pero con oportunidades limitadas de crecimiento.
Si tiene el objetivo a corto plazo de cambiar de profesión o encontrar un trabajo en esta especialidad, entonces algunos cursos sistemáticos son adecuados para usted, que son breves y proporcionan rápidamente un conjunto mínimo de habilidades técnicas para que pueda calificar para un nivel de entrada. posición en este campo.
Ivan Yamschikov
Director Académico de la Maestría Online en Ciencia de Datos
El problema con los cursos es que dan un overclocking rápido, pero mínimo. Una persona literalmente vuela hacia la profesión y rápidamente alcanza el techo. Para dedicarse a la profesión durante mucho tiempo, es necesario sentar inmediatamente una buena base en forma de un programa a más largo plazo, por ejemplo, un programa de maestría.
La educación superior es adecuada cuando comprende que esta área es de su interés a largo plazo. No quieres ir a trabajar lo antes posible. Y no quiere tener un techo de carrera, y tampoco quiere enfrentar el problema de la falta de conocimiento, habilidades, falta de comprensión del ecosistema general a través del cual se desarrollan productos innovadores. Esto requiere una educación superior, que no solo forme el conjunto necesario de habilidades técnicas, sino que también estructure su pensamiento de una manera diferente y ayude a formar una visión de su carrera a largo plazo.
Ivan Yamschikov
Director Académico de la Maestría Online en Ciencia de Datos
La ausencia de un techo profesional es la principal ventaja del programa de maestría. Durante dos años, el especialista recibe una potente base teórica. Así es el primer semestre del programa de ciencia de datos NUST MISIS:
- Introducción a la ciencia de datos. 2 semanas.
- Fundamentos del análisis de datos. Procesamiento de datos. 2 semanas
- Aprendizaje automático. Preprocesamiento de datos. 2 semanas
- EDA. Análisis de datos de inteligencia. 3 semanas
- Algoritmos básicos de aprendizaje automático. P1 + P2 (6 semanas)
Al mismo tiempo, también podrás adquirir experiencia práctica en el trabajo. Nada le impide conseguir un puesto junior, una vez que el estudiante haya dominado las herramientas necesarias. Pero, a diferencia de un graduado de cursos, el maestro no detiene su educación en esto, sino que continúa profundizando en la profesión. En el futuro, esto le permitirá desarrollarse en Ciencia de Datos sin restricciones.
En el sitio web de la Universidad de Ciencia y Tecnología "MISiS" para aquellos que quieran trabajar en Ciencia de Datos. Representantes de NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group y Yandex, hablan sobre los más importantes:
- ¿Cómo encontrar tu lugar en la Ciencia de Datos?,
- “¿Es posible convertirse en científico de datos desde cero?”,
- “¿Habrá necesidad de científicos de datos dentro de 2 a 5 años?”,
- “¿En qué tareas están trabajando los científicos de datos?”,
- "¿Cómo construir una carrera en ciencia de datos?"
Aprendizaje en línea, diploma de educación pública. aceptado hasta 10 agosto.
Fuente: habr.com