به همراه النا گراسیموا، رئیس دانشکده "» در Netology ما به درک چگونگی تعامل آنها با یکدیگر و چگونگی تفاوت دانشمندان داده و مهندسان داده ادامه می دهیم.
در قسمت اول گفتند .
در این مطلب ما در مورد اینکه متخصصان چه دانش و مهارت هایی باید داشته باشند، چه تحصیلاتی توسط کارفرمایان ارزش قائل است، چگونه مصاحبه ها انجام می شود و مهندسان داده و دانشمندان داده چقدر درآمد دارند صحبت خواهیم کرد.
آنچه دانشمندان و مهندسان باید بدانند
تحصیلات تخصصی هر دو متخصص علوم کامپیوتر است.
هر دانشمند داده – دانشمند داده یا تحلیلگر – باید بتواند صحت نتایج خود را ثابت کند. برای این شما نمی توانید بدون دانش انجام دهید آمار و ریاضیات پایه مرتبط با آمار.
ابزارهای یادگیری ماشین و تجزیه و تحلیل داده در دنیای مدرن ضروری هستند. اگر ابزارهای معمول در دسترس نیستند، باید مهارت داشته باشید یادگیری سریع ابزارهای جدید، ایجاد اسکریپت های ساده برای خودکارسازی وظایف.
توجه به این نکته مهم است که دانشمند داده باید به طور مؤثر نتایج تجزیه و تحلیل را به اشتراک بگذارد. در این امر به او کمک خواهد کرد تجسم داده ها یا نتایج تحقیق و آزمون فرضیه ها. متخصصان باید قادر به ایجاد نمودارها و نمودارها، استفاده از ابزارهای تجسم، و درک و توضیح داده ها از داشبورد باشند.
برای یک مهندس داده، سه حوزه مطرح می شود.
الگوریتم ها و ساختارهای داده. مهم است که در نوشتن کد و استفاده از ساختارها و الگوریتم‌های اولیه مهارت داشته باشید:
- تحلیل پیچیدگی الگوریتم،
- توانایی نوشتن کد واضح و قابل نگهداری،
- پردازش دسته ای،
- پردازش بلادرنگ
پایگاه داده ها و انبارهای داده، هوش تجاری:
- ذخیره سازی و پردازش داده ها،
- طراحی سیستم های کامل،
- بلع داده ها،
- سیستم های فایل توزیع شده
Hadoop و Big Data. داده های بیشتری وجود دارد و طی 3 تا 5 سال آینده، این فناوری ها برای هر مهندس ضروری خواهد شد. به علاوه:
- دریاچه های داده
- کار با ارائه دهندگان ابر
فراگیری ماشین در همه جا مورد استفاده قرار خواهد گرفت، و مهم است که بدانیم چه مشکلات تجاری به حل آنها کمک می کند. نیازی به ساخت مدل نیست (دانشمندان داده می توانند از عهده این کار برآیند)، اما باید کاربرد آنها و الزامات مربوطه را درک کنید.
مهندسان و دانشمندان چقدر درآمد دارند؟
درآمد مهندس داده
در عمل بین المللی طبق گفته Glassdoor، حقوق اولیه معمولاً 100 دلار در سال است و با تجربه به میزان قابل توجهی افزایش می یابد. علاوه بر این، شرکت ها اغلب گزینه های سهام و پاداش سالانه 000-5٪ را ارائه می دهند.
در روسیه در ابتدای کار، حقوق معمولاً کمتر از 50 هزار روبل در مناطق و 80 هزار روبل در مسکو نیست. در این مرحله به هیچ تجربه ای غیر از آموزش کامل نیاز نیست.
پس از 1-2 سال کار - یک چنگال 90-100 هزار روبل.
چنگال در 120 تا 160 سال به 2-5 هزار افزایش می یابد. عواملی مانند تخصصی بودن شرکت های قبلی، حجم پروژه ها، کار با داده های بزرگ و ... اضافه می شود.
پس از 5 سال کار، جستجوی جای خالی در بخش های مرتبط یا درخواست برای موقعیت های بسیار تخصصی مانند:
- معمار یا توسعه دهنده اصلی در یک بانک یا مخابرات - حدود 250 هزار.
- پیش فروش از فروشنده ای که شما از نزدیک با فناوری های آن کار کرده اید - 200 هزار به علاوه یک جایزه احتمالی (1-1,5 میلیون روبل).
- کارشناسان در اجرای برنامه های کاربردی تجاری سازمانی، مانند SAP - تا 350 هزار.
درآمد دانشمندان داده
بازار تحلیلگران شرکت Normal Research و آژانس استخدام New.HR نشان می دهد که متخصصان علوم داده به طور متوسط حقوق بیشتری نسبت به تحلیلگران سایر تخصص ها دریافت می کنند.
در روسیه، حقوق اولیه یک دانشمند داده با حداکثر یک سال تجربه از 113 هزار روبل است.
تکمیل برنامه های آموزشی در حال حاضر نیز به عنوان سابقه کار در نظر گرفته می شود.
پس از 1-2 سال، چنین متخصصی می تواند تا 160 هزار دریافت کند.
برای یک کارمند با 4-5 سال سابقه، چنگال به 310 هزار افزایش می یابد.
مصاحبه ها چگونه انجام می شود؟
در غرب، فارغ التحصیلان برنامه های آموزش حرفه ای اولین مصاحبه خود را به طور متوسط 5 هفته پس از فارغ التحصیلی انجام می دهند. حدود 85 درصد بعد از 3 ماه کار پیدا می کنند.
فرآیند مصاحبه برای موقعیت های مهندس داده و دانشمند داده تقریباً یکسان است. معمولاً شامل پنج مرحله است.
خلاصه. کاندیداهایی که تجربه قبلی غیر اصلی (مثلاً بازاریابی) دارند، ملزم به تهیه نامه پوششی مفصل برای هر شرکت یا داشتن یک مرجع از نماینده آن شرکت هستند.
غربالگری فنی. معمولاً از طریق تلفن انجام می شود. شامل یک یا دو سوال پیچیده و به همان اندازه ساده مربوط به پشته فعلی کارفرما است.
مصاحبه منابع انسانی. از طریق تلفن قابل انجام است. در این مرحله از داوطلب از نظر کفایت عمومی و توانایی برقراری ارتباط مورد آزمایش قرار می گیرد.
مصاحبه فنی. بیشتر اوقات شخصاً اتفاق می افتد. در شرکت‌های مختلف، سطح پست‌های جدول کارکنان متفاوت است و ممکن است نام‌های پست‌ها متفاوت باشد. بنابراین در این مرحله این دانش فنی است که مورد آزمایش قرار می گیرد.
مصاحبه با CTO/Chief Architect. مهندس و دانشمند موقعیت های استراتژیک هستند و برای بسیاری از شرکت ها نیز جدید هستند. مهم این است که مدیر همکار احتمالی را دوست داشته باشد و در نظراتش با او موافق باشد.
چه چیزی به دانشمندان و مهندسان در رشد شغلی آنها کمک می کند؟
ابزارهای جدید زیادی برای کار با داده ها ظاهر شده است. و تعداد کمی از مردم در همه به یک اندازه خوب هستند.
بسیاری از شرکت ها آماده استخدام کارمندان بدون تجربه کاری نیستند. با این حال، داوطلبانی که دارای حداقل پایه و دانش اولیه ابزارهای محبوب هستند، در صورت یادگیری و پیشرفت خود می توانند تجربه لازم را کسب کنند.
ویژگی های مفید برای یک مهندس داده و دانشمند داده
میل و توانایی یادگیری. لازم نیست فوراً به دنبال تجربه باشید یا شغل خود را برای یک ابزار جدید تغییر دهید، اما باید تمایل داشته باشید که به یک منطقه جدید بروید.
تمایل به خودکارسازی فرآیندهای معمول. این نه تنها برای بهره وری، بلکه برای حفظ کیفیت داده بالا و سرعت تحویل به مصرف کننده نیز مهم است.
توجه و درک "آنچه در زیر سرپوش" فرآیندها وجود دارد. متخصصی که مشاهده و آگاهی کامل از فرآیندها داشته باشد، مشکل را سریعتر حل می کند.
علاوه بر دانش عالی از الگوریتم ها، ساختارهای داده و خطوط لوله، شما نیاز دارید یاد بگیرید در محصولات فکر کنید - معماری و راه حل های تجاری را به عنوان یک تصویر واحد ببینید.
به عنوان مثال، استفاده از هر سرویس شناخته شده و ارائه یک پایگاه داده برای آن مفید است. سپس به این فکر کنید که چگونه ETL و DW را توسعه دهید که آن را با داده ها پر کند، چه نوع مصرف کنندگانی خواهند بود و چه چیزهایی برای آنها مهم است که در مورد داده ها بدانند، و همچنین نحوه تعامل خریداران با برنامه های کاربردی: برای جستجوی شغل و دوستیابی، اجاره ماشین. ، اپلیکیشن پادکست، پلتفرم آموزشی.
موقعیت های یک تحلیلگر، دانشمند داده و مهندس بسیار نزدیک است، بنابراین می توانید از یک جهت به سمت دیگر سریعتر از مناطق دیگر حرکت کنید.
در هر صورت، برای کسانی که هر پیشینه فناوری اطلاعاتی دارند، راحت تر از کسانی است که آن را ندارند. به طور متوسط، بزرگسالان با انگیزه هر 1,5 تا 2 سال دوباره آموزش می بینند و شغل خود را تغییر می دهند. این برای کسانی که به صورت گروهی و با یک مربی مطالعه می کنند، در مقایسه با کسانی که فقط به منابع باز تکیه می کنند، آسان تر است.
از ویراستاران Netology
اگر به دنبال حرفه مهندس داده یا دانشمند داده هستید، از شما دعوت می کنیم برنامه های دوره ما را مطالعه کنید:
- حرفه "'.
- حرفه "'.
- خوب "'.
منبع: www.habr.com