Prema istraživanju HeadHuntera i Mail.rua, potražnja za stručnjacima u području znanosti o podacima premašuje ponudu, ali unatoč tome mladi stručnjaci ne uspijevaju uvijek pronaći posao. Govorimo vam koji tečajevi nedostaju maturantima i gdje studirati za one koji planiraju veliku karijeru u znanosti o podacima.
“Dođu i misle da će sada zaraditi 500k po sekundi, jer znaju nazive frameworka i kako iz njih pokrenuti model u dvije linije”
Emil Maharramov vodi grupu usluga računalne kemije u biocadu i tijekom intervjua se suočava s činjenicom da kandidati nemaju sustavno razumijevanje struke. Oni završavaju tečajeve, dolaze s dobro obučenim Pythonom i SQL-om, mogu instalirati Hadoop ili Spark u 2 sekunde i izvršiti zadatak prema jasnoj specifikaciji. Ali pritom više nema ni koraka u stranu. Iako je fleksibilnost u rješenjima ono što poslodavci očekuju od svojih stručnjaka za podatkovnu znanost.
Što se događa na tržištu znanosti o podacima
Kompetencije mladih stručnjaka odražavaju stanje na tržištu rada. Ovdje potražnja znatno premašuje ponudu, pa su očajni poslodavci često doista spremni zaposliti potpuno zelene stručnjake i obučiti ih za sebe. Opcija funkcionira, ali je prikladna samo ako momčad već ima iskusnog voditelja momčadi koji će preuzeti trening juniora.
Prema istraživanju HeadHuntera i Mail.rua, stručnjaci za analizu podataka jedni su od najtraženijih na tržištu:
- U 2019. godini u području analize podataka bilo je 9,6 puta više slobodnih radnih mjesta, a u području strojnog učenja 7,2 puta više nego 2015. godine.
- U odnosu na 2018. broj slobodnih radnih mjesta za stručnjake za analizu podataka porastao je 1,4 puta, a za stručnjake za strojno učenje 1,3 puta.
- 38% otvorenih radnih mjesta je u IT tvrtkama, 29% u tvrtkama iz financijskog sektora, a 9% u poslovnim uslugama.
Situaciju potpiruju brojne online škole koje treniraju te iste juniore. U osnovi, obuka traje od tri do šest mjeseci, tijekom kojih studenti uspijevaju savladati glavne alate na osnovnoj razini: Python, SQL, analiza podataka, Git i Linux. Rezultat je klasični junior: može riješiti konkretan problem, ali još uvijek ne može razumjeti problem i sam ga formulirati. Međutim, velika potražnja za stručnjacima i pompa oko struke često dovode do visokih ambicija i zahtjeva za plaćom.
Nažalost, intervjui u Data Scienceu sada obično izgledaju ovako: kandidat kaže da je pokušao koristiti nekoliko biblioteka, ne može odgovoriti na pitanja o tome kako točno algoritmi rade, a zatim traži 200, 300, 400 tisuća rubalja mjesečno na ruke.
Zbog velikog broja reklamnih slogana poput "svatko može postati analitičar podataka", "savladajte strojno učenje u tri mjeseca i počnite zarađivati puno novca" i žudnje za brzim novcem, u našu se mrežu slio ogroman niz površnih kandidata polje bez ikakvog sustavnog treninga.
Viktor Kantor
Glavni Data Scientist u MTS-u
Koga poslodavci čekaju?
Svaki poslodavac želi da njegovi juniori rade bez stalnog nadzora i da se mogu razvijati pod vodstvom voditelja tima. Da bi to učinio, početnik mora odmah posjedovati potrebne alate za rješavanje trenutnih problema, te imati dovoljnu teorijsku osnovu za postupno predlaganje vlastitih rješenja i pristupanje složenijim problemima.
Novajlije na tržištu prilično se dobro snalaze sa svojim alatima. Kratkoročni tečajevi omogućuju vam da ih brzo svladate i počnete raditi.
Prema istraživanju HeadHuntera i Mail.rua, najtraženija vještina je Python. Spominje se u 45% natječaja za data scientist i 51% za strojno učenje.
Poslodavci također žele da analitičari podataka poznaju SQL (23%), rudarenje podataka (19%), matematičku statistiku (11%) i da znaju raditi s velikim podacima (10%).
Poslodavci koji traže stručnjake za strojno učenje očekuju od kandidata vještinu u C++ (18%), SQL (15%), algoritmima strojnog učenja (13%) i Linuxu (11%) uz poznavanje Pythona.
Ali ako se juniori dobro snalaze s alatima, onda su njihovi menadžeri suočeni s drugim problemom. Većina polaznika tečaja nema duboko razumijevanje struke, što otežava napredovanje početnika.
Trenutačno tražim stručnjake za strojno učenje da se pridruže mom timu. Istovremeno vidim da su kandidati često ovladali određenim Data Science alatima, ali nemaju dovoljno duboko razumijevanje teorijskih temelja za kreiranje novih rješenja.
Emil Maharramov
Voditelj Grupe usluga računalne kemije, Biocad
Sama struktura i trajanje tečajeva ne dopušta vam da idete dublje na potrebnu razinu. Diplomantima često nedostaju one vrlo meke vještine koje im obično nedostaju kada čitaju natječaj za posao. Pa, stvarno, tko će od nas reći da nema sistemsko razmišljanje ili želju za razvojem. No, u odnosu na Data Science specijalista, govorimo o dubljoj priči. Ovdje, da biste se razvili, potrebna vam je prilično jaka pristranost u teoriji i znanosti, što je moguće samo kroz dugotrajno studiranje, na primjer, na sveučilištu.
Mnogo ovisi o osobi: ako tromjesečni intenzivni tečaj od jakih učitelja s iskustvom vođenja timova u vrhunskim tvrtkama završi student s dobrim iskustvom u matematici i programiranju, zadubljuje se u sve materijale tečaja i „upija kao spužva ”, kako su rekli u školi, onda će s takvim zaposlenikom kasnije biti problema br. Ali 90-95% ljudi, da bi nešto naučili zauvijek, treba učiti deset puta više i to sustavno nekoliko godina zaredom. A to magistarske programe analize podataka čini izvrsnom opcijom za stjecanje dobrih temelja znanja, uz koje nećete morati crveniti na razgovoru, a posao ćete moći obaviti puno lakše.
Viktor Kantor
Glavni Data Scientist u MTS-u
Gdje studirati da biste pronašli posao u znanosti o podacima
Na tržištu postoji mnogo dobrih tečajeva Data Science i stjecanje početnog obrazovanja nije problem. Ali važno je razumjeti fokus ovog obrazovanja. Ako kandidat već ima snažno tehničko iskustvo, tada su mu potrebni intenzivni tečajevi. Čovjek će savladati alat, doći na mjesto i brzo se naviknuti, jer već zna matematičarski razmišljati, vidjeti problem i formulirati probleme. Ako nema takve pozadine, tada ćete nakon tečaja biti dobar izvođač, ali s ograničenim mogućnostima za rast.
Ako ste suočeni s kratkoročnim zadatkom promjene profesije ili pronalaska posla u ovoj specijalnosti, onda su neki sustavni tečajevi prikladni za vas, koji su kratki i brzo pružaju minimalni skup tehničkih vještina kako biste se mogli kvalificirati za početnu poziciju u ovoj oblasti.
Ivan Yamshchikov
Akademski direktor online magistarskog programa "Data Science"
Problem s tečajevima je upravo to što daju brzo, ali minimalno ubrzanje. Čovjek doslovno uleti u struku i brzo dođe do plafona. Za dugotrajni ulazak u struku potrebno je odmah postaviti dobre temelje u vidu dugoročnijeg programa, primjerice magisterija.
Visoko obrazovanje je prikladno kada shvatite da vas ovo područje dugoročno zanima. Niste željni što prije prionuti na posao. I ne želite imati plafon karijere; također se ne želite suočiti s problemom nedostatka znanja, vještina, nerazumijevanja općeg ekosustava uz pomoć kojeg se razvijaju inovativni proizvodi. Za to vam je potrebno visoko obrazovanje, koje ne samo da stvara potreban skup tehničkih vještina, već i drugačije strukturira vaše razmišljanje i pomaže vam da stvorite neku viziju svoje karijere na duži rok.
Ivan Yamshchikov
Akademski direktor online magistarskog programa "Data Science"
Nepostojanje gornje granice karijere glavna je prednost magistarskog programa. U dvije godine specijalist dobiva moćnu teorijsku bazu. Ovako izgleda prvi semestar na programu Data Science na NUST MISIS:
- Uvod u znanost o podacima. 2 tjedna.
- Osnove analize podataka. Obrada podataka. 2 tjedna
- Strojno učenje. Predobrada podataka. 2 tjedna
- EDA. Analiza obavještajnih podataka. 3 tjedna
- Osnovni algoritmi strojnog učenja. Ch1 + Ch2 (6 tjedana)
Istovremeno možete stjecati praktično iskustvo na poslu. Ništa vas ne sprječava da dobijete juniorsku poziciju čim student savlada potrebne alate. No, za razliku od diplomiranog tečaja, magisterij tu ne prekida studij, već nastavlja dublje ulaziti u struku. To vam u budućnosti omogućuje razvoj u znanosti o podacima bez ograničenja.
Na stranicama Sveučilišta znanosti i tehnologije "MISiS" za one koji žele raditi u znanosti o podacima. Predstavnici NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group i Yandex, reći ću vam najvažnije stvari:
- “Kako pronaći svoje mjesto u Data Science?”,
- “Je li moguće postati podatkovni znanstvenik od nule?”,
- "Hoće li i dalje postojati potreba za podatkovnim znanstvenicima za 2-5 godina?"
- “Na kojim problemima rade podatkovni znanstvenici?”
- “Kako izgraditi karijeru u Data Science?”
Online obuka, diploma javnog obrazovanja. prihvaćen do 10 kolovoz.
Izvor: www.habr.com