तेज़ शुरुआत और नीची छत। श्रम बाज़ार में युवा डेटा विज्ञान विशेषज्ञों का क्या इंतज़ार है?

हेडहंटर और मेल.आरयू के शोध के अनुसार, डेटा साइंस के क्षेत्र में विशेषज्ञों की मांग आपूर्ति से अधिक है, लेकिन फिर भी, युवा विशेषज्ञ हमेशा काम ढूंढने में सक्षम नहीं होते हैं। हम आपको बताते हैं कि जो लोग डेटा साइंस में बड़े करियर की योजना बना रहे हैं, उनके लिए स्नातकों के पास कौन सा कोर्स नहीं है और उन्हें कहां पढ़ाई करनी चाहिए।

"वे आते हैं और सोचते हैं कि अब वे प्रति सेकंड 500k कमाएंगे, क्योंकि वे फ्रेमवर्क के नाम जानते हैं और उनसे दो लाइनों में एक मॉडल कैसे चलाना है"

एमिल महर्रामोव वह बायोकैड में कम्प्यूटेशनल रसायन विज्ञान सेवाओं के एक समूह का नेतृत्व करते हैं और साक्षात्कार के दौरान उन्हें इस तथ्य का सामना करना पड़ता है कि उम्मीदवारों को पेशे की व्यवस्थित समझ नहीं है। वे पाठ्यक्रम पूरा करते हैं, अच्छी तरह से प्रशिक्षित पायथन और एसक्यूएल के साथ आते हैं, 2 सेकंड में Hadoop या Spark इंस्टॉल कर सकते हैं, और एक स्पष्ट विनिर्देश के अनुसार एक कार्य पूरा कर सकते हैं। लेकिन साथ ही, अब एक कदम भी किनारे नहीं है। हालाँकि नियोक्ता अपने डेटा विज्ञान विशेषज्ञों से समाधानों में लचीलेपन की अपेक्षा करते हैं।

डेटा साइंस बाज़ार में क्या हो रहा है?

युवा विशेषज्ञों की योग्यताएँ श्रम बाज़ार की स्थिति को दर्शाती हैं। यहां, मांग आपूर्ति से काफी अधिक है, इसलिए हताश नियोक्ता अक्सर पूरी तरह से हरित विशेषज्ञों को नियुक्त करने और उन्हें अपने लिए प्रशिक्षित करने के लिए तैयार होते हैं। विकल्प काम करता है, लेकिन यह केवल तभी उपयुक्त है जब टीम के पास पहले से ही एक अनुभवी टीम लीडर हो जो जूनियर के प्रशिक्षण की जिम्मेदारी संभालेगा।

हेडहंटर और मेल.आरयू के शोध के अनुसार, डेटा विश्लेषण विशेषज्ञ बाजार में सबसे अधिक मांग में हैं:

• 2019 की तुलना में 9,6 में डेटा विश्लेषण के क्षेत्र में 7,2 गुना और मशीन लर्निंग के क्षेत्र में 2015 गुना अधिक रिक्तियां थीं।
• 2018 की तुलना में, डेटा विश्लेषण विशेषज्ञों के लिए रिक्तियों की संख्या 1,4 गुना और मशीन लर्निंग विशेषज्ञों के लिए 1,3 गुना बढ़ गई।
• 38% खुली रिक्तियाँ आईटी कंपनियों में, 29% वित्तीय क्षेत्र की कंपनियों में और 9% व्यावसायिक सेवाओं में हैं।

इस स्थिति को कई ऑनलाइन स्कूलों द्वारा बढ़ावा दिया गया है जो उन्हीं जूनियर्स को प्रशिक्षित करते हैं। मूल रूप से, प्रशिक्षण तीन से छह महीने तक चलता है, जिसके दौरान छात्र बुनियादी स्तर पर मुख्य उपकरणों में महारत हासिल करने का प्रबंधन करते हैं: पायथन, एसक्यूएल, डेटा विश्लेषण, गिट और लिनक्स। परिणाम एक क्लासिक जूनियर है: वह एक विशिष्ट समस्या को हल कर सकता है, लेकिन फिर भी समस्या को समझ नहीं सकता है और समस्या को स्वयं तैयार नहीं कर सकता है। हालाँकि, विशेषज्ञों की उच्च माँग और पेशे को लेकर प्रचार अक्सर उच्च महत्वाकांक्षाओं और वेतन आवश्यकताओं को जन्म देता है।

दुर्भाग्य से, डेटा साइंस में साक्षात्कार अब आमतौर पर इस तरह दिखते हैं: उम्मीदवार का कहना है कि उसने कुछ पुस्तकालयों का उपयोग करने की कोशिश की, एल्गोरिदम वास्तव में कैसे काम करता है, इस बारे में सवालों का जवाब नहीं दे सकता, फिर एक महीने में 200, 300, 400 हजार रूबल मांगता है।

बड़ी संख्या में विज्ञापन नारों जैसे "कोई भी डेटा विश्लेषक बन सकता है", "तीन महीने में मशीन सीखने में महारत हासिल करें और बहुत सारा पैसा कमाना शुरू करें" और त्वरित पैसे की प्यास के कारण, सतही उम्मीदवारों की एक बड़ी धारा हमारे यहां आ गई है। बिना किसी व्यवस्थित प्रशिक्षण वाला क्षेत्र।

विक्टर कांटोर
एमटीएस में मुख्य डेटा वैज्ञानिक

नियोक्ता किसका इंतज़ार कर रहे हैं?

कोई भी नियोक्ता चाहेगा कि उसके जूनियर निरंतर पर्यवेक्षण के बिना काम करें और एक टीम लीडर के मार्गदर्शन में विकास करने में सक्षम हों। ऐसा करने के लिए, एक नौसिखिया के पास वर्तमान समस्याओं को हल करने के लिए तुरंत आवश्यक उपकरण होने चाहिए, और धीरे-धीरे अपने स्वयं के समाधान प्रस्तावित करने और अधिक जटिल समस्याओं से निपटने के लिए पर्याप्त सैद्धांतिक आधार होना चाहिए।

बाज़ार में नए लोग अपने उपकरणों के साथ काफी अच्छा प्रदर्शन कर रहे हैं। अल्पकालिक पाठ्यक्रम आपको जल्दी से उनमें महारत हासिल करने और काम पर लगने की अनुमति देते हैं।

हेडहंटर और Mail.ru के शोध के अनुसार, सबसे अधिक मांग वाला कौशल पायथन है। 45% डेटा साइंटिस्ट रिक्तियों और 51% मशीन लर्निंग रिक्तियों में इसका उल्लेख किया गया है।

नियोक्ता यह भी चाहते हैं कि डेटा विश्लेषक एसक्यूएल (23%), डेटा माइनिंग (19%), गणितीय सांख्यिकी (11%) को जानें और बड़े डेटा (10%) के साथ काम करने में सक्षम हों।

मशीन लर्निंग विशेषज्ञों की तलाश करने वाले नियोक्ता उम्मीद करते हैं कि उम्मीदवार को पायथन के ज्ञान के अलावा C++ (18%), SQL (15%), मशीन लर्निंग एल्गोरिदम (13%) और लिनक्स (11%) में कुशल होना चाहिए।

लेकिन यदि कनिष्ठ उपकरण के साथ अच्छा प्रदर्शन कर रहे हैं, तो उनके प्रबंधकों को एक और समस्या का सामना करना पड़ता है। अधिकांश पाठ्यक्रम स्नातकों को पेशे की गहरी समझ नहीं होती है, जिससे शुरुआत करने वाले के लिए प्रगति करना मुश्किल हो जाता है।

मैं वर्तमान में अपनी टीम में शामिल होने के लिए मशीन लर्निंग विशेषज्ञों की तलाश कर रहा हूं। साथ ही, मैं देख रहा हूं कि उम्मीदवारों ने अक्सर कुछ डेटा साइंस टूल्स में महारत हासिल कर ली है, लेकिन नए समाधान बनाने के लिए उनके पास सैद्धांतिक नींव की गहरी समझ नहीं है।

एमिल महर्रामोव
कम्प्यूटेशनल रसायन विज्ञान सेवा समूह, बायोकैड के प्रमुख

पाठ्यक्रमों की संरचना और अवधि ही आपको आवश्यक स्तर तक गहराई तक जाने की अनुमति नहीं देती है। स्नातकों में अक्सर उन सॉफ्ट स्किल्स की कमी होती है जो आमतौर पर नौकरी की रिक्तियों को पढ़ते समय छूट जाती हैं। खैर, वास्तव में, हममें से कौन कहेगा कि उसके पास प्रणालीगत सोच या विकास की इच्छा नहीं है। हालाँकि, डेटा साइंस विशेषज्ञ के संबंध में, हम एक गहरी कहानी के बारे में बात कर रहे हैं। यहां, विकसित होने के लिए, आपको सिद्धांत और विज्ञान में काफी मजबूत पूर्वाग्रह की आवश्यकता है, जो केवल दीर्घकालिक अध्ययन के माध्यम से संभव है, उदाहरण के लिए, एक विश्वविद्यालय में।

बहुत कुछ व्यक्ति पर निर्भर करता है: यदि शीर्ष कंपनियों में टीम नेतृत्व के रूप में अनुभव वाले मजबूत शिक्षकों से तीन महीने का गहन पाठ्यक्रम गणित और प्रोग्रामिंग में अच्छी पृष्ठभूमि वाले छात्र द्वारा पूरा किया जाता है, तो सभी पाठ्यक्रम सामग्रियों में गहराई से उतरता है और "स्पंज की तरह अवशोषित होता है" , जैसा कि उन्होंने स्कूल में कहा था, ऐसे कर्मचारी के साथ बाद में समस्याएँ होंगी। लेकिन 90-95% लोगों को, किसी चीज़ को हमेशा के लिए सीखने के लिए, दस गुना अधिक सीखने और लगातार कई वर्षों तक इसे व्यवस्थित रूप से करने की आवश्यकता होती है। और यह डेटा विश्लेषण में मास्टर प्रोग्राम को ज्ञान का अच्छा आधार प्राप्त करने का एक उत्कृष्ट विकल्प बनाता है, जिसके साथ आपको साक्षात्कार में शरमाना नहीं पड़ेगा, और काम करना बहुत आसान हो जाएगा।

विक्टर कांटोर
एमटीएस में मुख्य डेटा वैज्ञानिक

डेटा साइंस में नौकरी पाने के लिए कहां अध्ययन करें

बाज़ार में कई अच्छे डेटा साइंस पाठ्यक्रम उपलब्ध हैं और प्रारंभिक शिक्षा प्राप्त करना कोई समस्या नहीं है। लेकिन इस शिक्षा के फोकस को समझना जरूरी है। यदि उम्मीदवार के पास पहले से ही मजबूत तकनीकी पृष्ठभूमि है, तो गहन पाठ्यक्रमों की उन्हें आवश्यकता है। एक व्यक्ति उपकरणों में महारत हासिल कर लेगा, जगह पर आ जाएगा और जल्दी से इसका आदी हो जाएगा, क्योंकि वह पहले से ही जानता है कि एक गणितज्ञ की तरह कैसे सोचना है, एक समस्या को देखना है और समस्याओं को तैयार करना है। यदि ऐसी कोई पृष्ठभूमि नहीं है, तो पाठ्यक्रम के बाद आप एक अच्छे कलाकार होंगे, लेकिन विकास के सीमित अवसरों के साथ।

यदि आपको किसी पेशे को बदलने या इस विशेषता में नौकरी खोजने के अल्पकालिक कार्य का सामना करना पड़ रहा है, तो कुछ व्यवस्थित पाठ्यक्रम आपके लिए उपयुक्त हैं, जो छोटे हैं और जल्दी से तकनीकी कौशल का न्यूनतम सेट प्रदान करते हैं ताकि आप इसके लिए अर्हता प्राप्त कर सकें। इस क्षेत्र में प्रवेश स्तर की स्थिति।

इवान यमशिकोव
ऑनलाइन मास्टर प्रोग्राम "डेटा साइंस" के अकादमिक निदेशक

पाठ्यक्रमों के साथ समस्या यह है कि वे तेज़ लेकिन न्यूनतम गति प्रदान करते हैं। एक व्यक्ति सचमुच पेशे में उड़ जाता है और जल्दी ही शीर्ष पर पहुंच जाता है। लंबे समय तक पेशे में प्रवेश करने के लिए, आपको तुरंत दीर्घकालिक कार्यक्रम के रूप में एक अच्छी नींव रखने की आवश्यकता है, उदाहरण के लिए, मास्टर डिग्री।

उच्च शिक्षा तब उपयुक्त होती है जब आप समझते हैं कि यह क्षेत्र दीर्घकालिक रूप से आपकी रुचि रखता है। आप जल्द से जल्द काम पर जाने के लिए उत्सुक नहीं हैं। और आप कैरियर की अधिकतम सीमा नहीं चाहते हैं; आप ज्ञान, कौशल की कमी, सामान्य पारिस्थितिकी तंत्र की समझ की कमी की समस्या का भी सामना नहीं करना चाहते हैं जिसकी मदद से नवीन उत्पाद विकसित किए जाते हैं। इसके लिए, आपको एक उच्च शिक्षा की आवश्यकता है, जो न केवल तकनीकी कौशल का आवश्यक सेट तैयार करती है, बल्कि आपकी सोच को अलग तरह से तैयार करती है और आपको लंबी अवधि के लिए अपने करियर के बारे में कुछ दृष्टिकोण बनाने में मदद करती है।

इवान यमशिकोव
ऑनलाइन मास्टर प्रोग्राम "डेटा साइंस" के अकादमिक निदेशक

कैरियर की अधिकतम सीमा का अभाव मास्टर कार्यक्रम का मुख्य लाभ है। दो वर्षों में, एक विशेषज्ञ को एक शक्तिशाली सैद्धांतिक आधार प्राप्त होता है। NUST MISIS में डेटा साइंस प्रोग्राम का पहला सेमेस्टर इस तरह दिखता है:

• डेटा विज्ञान का परिचय. 2 सप्ताह।
• डेटा विश्लेषण के मूल सिद्धांत. डाटा प्रासेसिंग। 2 सप्ताह
• यंत्र अधिगम। डेटा प्रीप्रोसेसिंग. 2 सप्ताह
• ईडीए. खुफिया डेटा विश्लेषण. 3 सप्ताह
• बुनियादी मशीन लर्निंग एल्गोरिदम। Ch1 + Ch2 (6 सप्ताह)

साथ ही, आप एक साथ काम में व्यावहारिक अनुभव भी हासिल कर सकते हैं। जैसे ही छात्र आवश्यक उपकरणों में महारत हासिल कर लेता है, आपको जूनियर पद पाने से कोई नहीं रोक सकता। लेकिन, एक पाठ्यक्रम स्नातक के विपरीत, एक मास्टर डिग्री उसकी पढ़ाई को वहीं नहीं रोकती है, बल्कि पेशे में गहराई तक उतरती रहती है। भविष्य में, यह आपको बिना किसी प्रतिबंध के डेटा साइंस में विकास करने की अनुमति देता है।

विज्ञान एवं प्रौद्योगिकी विश्वविद्यालय "MISiS" की वेबसाइट पर खुले दिन और वेबिनार उन लोगों के लिए जो डेटा साइंस में काम करना चाहते हैं। NUST MISIS, स्किलफैक्ट्री, हेडहंटर, फेसबुक, Mail.ru ग्रुप और यांडेक्स के प्रतिनिधि, मैं आपको सबसे महत्वपूर्ण चीजों के बारे में बताऊंगा:

• "डेटा विज्ञान में अपना स्थान कैसे खोजें?"
• "क्या शुरू से ही डेटा वैज्ञानिक बनना संभव है?"
• "क्या 2-5 वर्षों में डेटा वैज्ञानिकों की आवश्यकता अभी भी बनी रहेगी?"
• "डेटा वैज्ञानिक किन समस्याओं पर काम करते हैं?"
• “डेटा साइंस में करियर कैसे बनाएं?”

ऑनलाइन प्रशिक्षण, सार्वजनिक शिक्षा डिप्लोमा। कार्यक्रम के लिए आवेदन तक स्वीकार किया गया 10 अगस्त.

स्रोत: www.habr.com