Neffens ûndersyk fan HeadHunter en Mail.ru is de fraach nei spesjalisten op it mêd fan Data Science grutter as it oanbod, mar dochs slagget jonge spesjalisten net altyd om wurk te finen. Wy fertelle jo hokker kursus ôfstudearden ûntbrekke en wêr't jo moatte studearje foar dyjingen dy't in grutte karriêre yn Data Science plannen.
"Se komme en tinke dat se no 500k per sekonde sille fertsjinje, om't se de nammen fan 'e kaders kenne en hoe't se in model fan har útfiere yn twa rigels"
Emil Maharramov hy liedt in groep komputearjende skiekunde tsjinsten by biocad en by ynterviews wurdt hy konfrontearre mei it feit dat kandidaten gjin systematysk begryp hawwe fan it berop. Se foltôgje kursussen, komme mei goed oplaat Python en SQL, kinne Hadoop of Spark yn 2 sekonden ynstallearje en in taak foltôgje neffens in dúdlike spesifikaasje. Mar tagelyk is der gjin stap mear oan de kant. Hoewol it fleksibiliteit is yn oplossingen dy't wurkjouwers ferwachtsje fan har spesjalisten foar datawittenskip.
Wat bart der yn 'e Data Science-merk
De kompetinsjes fan jonge spesjalisten wjerspegelje de situaasje op 'e arbeidsmerk. Hjir is de fraach signifikant grutter as it oanbod, sadat wanhopige wurkjouwers faaks echt ree binne om folslein griene spesjalisten yn te hieren en har sels op te trenen. De opsje wurket, mar is allinnich geskikt as it team al in betûfte ploechlieder hat dy't de training fan de junioaren oernimt.
Neffens ûndersyk fan HeadHunter en Mail.ru binne spesjalisten foar gegevensanalyse ûnder de meast yn fraach op 'e merke:
- Yn 2019 wiene d'r 9,6 kear mear fakatueres op it mêd fan data-analyse, en 7,2 kear mear op it mêd fan masine learen dan yn 2015.
- Yn ferliking mei 2018 is it oantal fakatueres foar spesjalisten foar gegevensanalyse mei 1,4 kear tanommen, en foar spesjalisten foar masinelearen mei 1,3 kear.
- 38% fan iepen fakatueres binne yn IT-bedriuwen, 29% yn bedriuwen yn 'e finansjele sektor, en 9% yn saaklike tsjinsten.
De situaasje wurdt oandreaun troch ferskate online skoallen dy't deselde junioaren opliede. Yn prinsipe duorret de oplieding fan trije oant seis moannen, wêryn't studinten it slagje om de wichtichste ark op basisnivo te behearskjen: Python, SQL, gegevensanalyse, Git en Linux. It resultaat is in klassike junior: hy kin in spesifyk probleem oplosse, mar kin it probleem noch net begripe en it probleem sels formulearje. De hege fraach nei spesjalisten en de hype om it berop hinne jout lykwols faak oanlieding ta hege ambysjes en salariseasken.
Spitigernôch sjogge ynterviews yn Data Science no meastentiids sa út: de kandidaat seit dat hy besocht in pear biblioteken te brûken, kin gjin fragen beantwurdzje oer hoe't de algoritmen krekt wurkje, dan freget om 200, 300, 400 tûzen roebel yn 'e moanne yn' e hân.
Troch it grutte oantal reklame-slogans lykas "elkenien kin in data-analist wurde", "master masine learen yn trije moannen en begjinne in protte jild te meitsjen" en de toarst nei fluch jild, is in enoarme stream fan oerflakkige kandidaten yn ús streamt. fjild mei absolút gjin systematyske training.
Victor Kantor
Chief Data Scientist by MTS
Wa wachtsje wurkjouwers op?
Elke wurkjouwer wol graach dat syn junioaren sûnder konstant tafersjoch wurkje en har ûntwikkelje kinne ûnder lieding fan in teamlieder. Om dit te dwaan, moat in begjinner fuortendaliks de nedige ark hawwe om aktuele problemen op te lossen, en in foldwaande teoretyske basis hawwe om har eigen oplossingen stadichoan foar te stellen en mear komplekse problemen te benaderjen.
Newbies op 'e merke dogge it aardich goed mei har ark. Kursussen op koarte termyn kinne jo se fluch behearskje en oan it wurk komme.
Neffens ûndersyk fan HeadHunter en Mail.ru is Python de meast frege feardigens. It wurdt neamd yn 45% fan fakatueres foar gegevenswittenskippers en 51% fan fakatueres foar masine-learen.
Wurkjouwers wolle ek dat data-analisten SQL (23%), data mining (19%), wiskundige statistiken (11%) kenne en kinne wurkje mei grutte data (10%).
Wurkjouwers dy't op syk binne nei spesjalisten foar masine-learen ferwachtsje dat in kandidaat bekwaam is yn C ++ (18%), SQL (15%), masine-learalgoritmen (13%) en Linux (11%) neist kennis fan Python.
Mar as junioaren it goed dogge mei de ark, dan sitte harren managers foar in oar probleem. De measte ôfstudearden fan kursussen hawwe gjin djip begryp fan it berop, wat it dreech makket foar in begjinner om foarút te gean.
Ik bin op it stuit op syk nei spesjalisten foar masine-learen om by myn team te kommen. Tagelyk sjoch ik dat kandidaten faaks bepaalde Data Science-ark hawwe behearske, mar se hawwe net in djip genôch begryp fan 'e teoretyske fûneminten om nije oplossingen te meitsjen.
Emil Maharramov
Head of Computational Chemistry Services Group, Biocad
De heule struktuer en doer fan 'e kursussen lit jo net djipper nei it fereaske nivo gean. Graduaten misse faaks dy heul sêfte feardigens dy't normaal mist wurde by it lêzen fan in fakatuere. No, echt, wa fan ús sil sizze dat hy gjin systeem tinken hat of de winsk om te ûntwikkeljen. Yn relaasje ta in spesjalist fan Data Science hawwe wy it lykwols oer in djipper ferhaal. Hjir, om te ûntwikkeljen, jo moatte in frij sterke foaroardielen yn teory en wittenskip, dat is allinnich mooglik troch lange-termyn stúdzje, bygelyks, oan in universiteit.
In protte hinget fan 'e persoan ôf: as in trije moanne yntinsive kursus fan sterke leararen mei ûnderfining as teamleaders yn topbedriuwen wurdt foltôge troch in studint mei in goede eftergrûn yn wiskunde en programmearring, dûkt yn al it kursusmateriaal en "absorbearret as in spons ,” sa’t se op skoalle seine, dan komme der problemen mei sa’n meiwurker letter No. Mar 90-95% fan 'e minsken, om foar altyd wat te learen, moatte tsien kear mear leare en it systematysk dwaan foar ferskate jierren op rige. En dit makket masterprogramma's yn gegevensanalyse in poerbêste opsje om in goede basis fan kennis te krijen, wêrmei jo net hoege te blussen by in ynterview, en it sil folle makliker wêze om it wurk te dwaan.
Victor Kantor
Chief Data Scientist by MTS
Wêr te studearjen om in baan te finen yn Data Science
D'r binne in protte goede kursussen Data Science op 'e merke en in earste oplieding krije is gjin probleem. Mar it is wichtich om de fokus fan dizze oplieding te begripen. As de kandidaat al in sterke technyske eftergrûn hat, dan binne yntinsive kursussen wat se nedich binne. In persoan sil de ark behearskje, nei it plak komme en der gau oan wenne, om't hy al wit hoe te tinken as in wiskundige, in probleem sjen en problemen formulearje. As d'r gjin sa'n eftergrûn is, dan sille jo nei de kursus in goede performer wêze, mar mei beheinde kânsen foar groei.
As jo te krijen hawwe mei de koarte termyn taak om in berop te feroarjen of in baan te finen yn dizze spesjaliteit, dan binne guon systematyske kursussen geskikt foar jo, dy't koart binne en fluch in minimum set fan technyske feardigens leverje, sadat jo yn oanmerking komme kinne foar in entry-level posysje yn dit fjild.
Ivan Yamshchikov
Akademysk direkteur fan it online masterprogramma "Data Science"
It probleem mei de kursussen is krekt dat se rappe, mar minimale overklokken leverje. In persoan fljocht letterlik yn it berop en berikt fluch it plafond. Om it berop foar in lange tiid yn te gean, moatte jo fuortendaliks in goede basis lizze yn 'e foarm fan in langere termyn, bygelyks in masterstitel.
Heger ûnderwiis is geskikt as jo begripe dat dit fjild jo ynteresseart op lange termyn. Jo binne net entûsjast om sa gau mooglik oan it wurk te kommen. En jo wolle gjin karriêreplafond hawwe, jo wolle ek it probleem fan gebrek oan kennis, feardichheden, gebrek oan begryp fan it algemiene ekosysteem mei help fan ynnovative produkten wurde ûntwikkele. Dêrfoar hawwe jo in heger ûnderwiis nedich, dy't net allinich de nedige set fan technyske feardichheden skept, mar ek jo tinken oars strukturearret en jo helpt wat fyzje te foarmjen fan jo karriêre foar in langere termyn.
Ivan Yamshchikov
Akademysk direkteur fan it online masterprogramma "Data Science"
It ûntbrekken fan in karriêreplafond is it wichtichste foardiel fan it masterprogramma. Yn twa jier, in spesjalist krijt in krêftige teoretyske basis. Dit is hoe it earste semester yn it programma Data Science by NUST MISIS derút sjocht:
- Yntroduksje ta Data Science. 2 wiken.
- Fundamentals of data analyze. Data ferwurking. 2 wiken
- Masine learen. Gegevens foarferwurking. 2 wiken
- EDA. Analyze fan yntelliginsjegegevens. 3 wiken
- Basis algoritmen foar masine learen. Ch1 + Ch2 (6 wiken)
Tagelyk kinne jo tagelyk praktyske ûnderfining ophelje op it wurk. D'r is neat dy't jo tsjinhâldt om in juniorposysje te krijen sa gau as de studint de nedige ark hat behearske. Mar, yn tsjinstelling ta in ôfstudearre kursus, stoppet in masterstitel syn stúdzje dêr net, mar bliuwt djipper yn it berop. Yn 'e takomst lit dit jo sûnder beheiningen ûntwikkelje yn Data Science.
Op 'e webside fan' e Universiteit fan Wittenskip en Technology "MISiS" foar dyjingen dy't wolle wurkje yn Data Science. Fertsjintwurdigers fan NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group en Yandex, ik sil jo fertelle oer de wichtichste dingen:
- "Hoe kinne jo jo plak fine yn Data Science?",
- "Is it mooglik om in gegevenswittenskipper fanôf it begjin te wurden?",
- "Sil de needsaak foar gegevenswittenskippers oer 2-5 jier noch bestean?"
- "Hokker problemen wurkje gegevenswittenskippers oan?"
- "Hoe kinne jo in karriêre bouwe yn Data Science?"
Online training, diploma fan iepenbier ûnderwiis. akseptearre oant 10 Aug.
Boarne: www.habr.com