Ելենա Գերասիմովայի հետ, ֆակուլտետի ղեկավար »«Netology-ում մենք շարունակում ենք հասկանալ, թե ինչպես են նրանք փոխազդում միմյանց հետ և ինչպես են տարբերվում տվյալների գիտնականները և տվյալների ինժեներները:
Առաջին մասում պատմեցին .
Այս նյութում մենք կխոսենք այն մասին, թե ինչ գիտելիքներ և հմտություններ պետք է ունենան մասնագետները, ինչ կրթություն են գնահատում գործատուները, ինչպես են անցկացվում հարցազրույցները և որքան են վաստակում տվյալների ինժեներներն ու տվյալների գիտնականները:
Ինչ պետք է իմանան գիտնականներն ու ինժեներները
Երկու մասնագետների մասնագիտացված կրթությունն էլ համակարգչային գիտությունն է:
Տվյալների ցանկացած գիտնական՝ տվյալների գիտնական կամ վերլուծաբան, պետք է կարողանա ապացուցել իր եզրակացությունների ճիշտությունը: Դրա համար դուք չեք կարող անել առանց գիտելիքի վիճակագրություն և վիճակագրության հետ կապված հիմնական մաթեմատիկա.
Մեքենայական ուսուցման և տվյալների վերլուծության գործիքներն անփոխարինելի են ժամանակակից աշխարհում: Եթե սովորական գործիքները մատչելի չեն, դուք պետք է ունենաք հմտություններ արագ սովորելով նոր գործիքներ, ստեղծելով պարզ սցենարներ՝ առաջադրանքները ավտոմատացնելու համար.
Կարևոր է նշել, որ տվյալների գիտնականը պետք է արդյունավետ կերպով փոխանցի վերլուծության արդյունքները: Դա նրան կօգնի այս հարցում տվյալների վիզուալիզացիա կամ հետազոտության և վարկածների փորձարկման արդյունքները: Մասնագետները պետք է կարողանան ստեղծել գծապատկերներ և գծապատկերներ, օգտագործել վիզուալիզացիայի գործիքներ և հասկանալ և բացատրել վահանակների տվյալները:
Տվյալների ինժեների համար երեք ոլորտներ առաջին պլան են մղվում.
Ալգորիթմներ և տվյալների կառուցվածքներ. Կարևոր է լավ տիրապետել կոդ գրելու և հիմնական կառուցվածքների և ալգորիթմների օգտագործմանը.
- ալգորիթմի բարդության վերլուծություն,
- հստակ, պահպանվող կոդ գրելու ունակություն,
- խմբաքանակի վերամշակում,
- իրական ժամանակի մշակում:
Տվյալների բազաներ և տվյալների պահեստներ, Բիզնես հետախուզություն:
- տվյալների պահպանում և մշակում,
- ամբողջական համակարգերի նախագծում,
- Տվյալների ընդունում,
- բաշխված ֆայլային համակարգեր.
Hadoop և Big Data. Կան ավելի ու ավելի շատ տվյալներ, և 3-5 տարվա հորիզոնում այդ տեխնոլոգիաները կդառնան անհրաժեշտ յուրաքանչյուր ինժեների համար: Plus:
- Տվյալների լճեր
- աշխատել ամպային մատակարարների հետ:
Մեքենայի ուսուցում կօգտագործվի ամենուր, և կարևոր է հասկանալ, թե ինչ բիզնես խնդիրներ է դա կօգնի լուծել։ Պարտադիր չէ, որ կարողանաք մոդելներ պատրաստել (տվյալների գիտնականները կարող են դա անել), բայց դուք պետք է հասկանաք դրանց կիրառությունը և համապատասխան պահանջները։
Որքա՞ն են վաստակում ինժեներներն ու գիտնականները:
Տվյալների ինժեների եկամուտը
Միջազգային պրակտիկայում Ըստ Glassdoor-ի, մեկնարկային աշխատավարձերը սովորաբար կազմում են տարեկան $100 և զգալիորեն ավելանում են փորձի հետ: Բացի այդ, ընկերությունները հաճախ տրամադրում են բաժնետոմսերի օպցիոններ և տարեկան 000-5% բոնուսներ:
Ռուսաստանում կարիերայի սկզբում մարզերում աշխատավարձը սովորաբար կազմում է ոչ պակաս, քան 50 հազար ռուբլի, իսկ Մոսկվայում՝ 80 հազար: Այս փուլում ավարտված վերապատրաստումից բացի այլ փորձ չի պահանջվում:
1-2 տարվա աշխատանքից հետո `90-100 հազար ռուբլի պատառաքաղ:
Պատառաքաղը 120–160 տարում ավելանում է մինչև 2–5 հազար։ Ավելացվում են այնպիսի գործոններ, ինչպիսիք են նախկին ընկերությունների մասնագիտացումը, նախագծերի չափը, մեծ տվյալների հետ աշխատանքը և այլն։
5 տարվա աշխատանքից հետո ավելի հեշտ է թափուր աշխատատեղեր փնտրել հարակից բաժիններում կամ դիմել բարձր մասնագիտացված պաշտոնների, ինչպիսիք են.
- Ճարտարապետ կամ առաջատար ծրագրավորող բանկում կամ հեռահաղորդակցում՝ մոտ 250 հազ.
- Նախնական վաճառք այն վաճառողի կողմից, որի տեխնոլոգիաների հետ դուք առավել սերտ եք աշխատել՝ 200 հազար գումարած հնարավոր բոնուս (1-1,5 միլիոն ռուբլի):
- Enterprise բիզնես հավելվածների ներդրման փորձագետներ, ինչպիսիք են SAP-ը` մինչև 350 հազ.
Տվյալների գիտնականների եկամուտները
«Normal Research» ընկերության և New.HR հավաքագրող գործակալության վերլուծաբանների շուկան ցույց է տալիս, որ Data Science-ի մասնագետները միջինում ավելի բարձր աշխատավարձ են ստանում, քան այլ մասնագիտությունների վերլուծաբանները։
Ռուսաստանում մինչև մեկ տարվա փորձ ունեցող տվյալների գիտնականի մեկնարկային աշխատավարձը կազմում է 113 հազար ռուբլի:
Որպես աշխատանքային փորձ այժմ հաշվի է առնվում նաև վերապատրաստման ծրագրերի ավարտը։
1-2 տարի հետո նման մասնագետն արդեն կարող է ստանալ մինչեւ 160 հազ.
4-5 տարվա ստաժ ունեցող աշխատողի համար պատառաքաղը հասնում է 310 հազ.
Ինչպե՞ս են անցկացվում հարցազրույցները:
Արևմուտքում մասնագիտական ուսուցման ծրագրերի շրջանավարտներն իրենց առաջին հարցազրույցն ունենում են ուսումն ավարտելուց միջինը 5 շաբաթ անց: Մոտ 85%-ը աշխատանք է գտնում 3 ամիս հետո։
Տվյալների ինժեների և տվյալների գիտնականի պաշտոնների համար հարցազրույցի գործընթացը գրեթե նույնն է: Սովորաբար բաղկացած է հինգ փուլից.
Ամփոփում. Նախկին ոչ հիմնական փորձ ունեցող թեկնածուներից (օրինակ՝ մարքեթինգային) պահանջվում է մանրամասն ուղեկցող նամակ պատրաստել յուրաքանչյուր ընկերության համար կամ տեղեկանք ունենալ այդ ընկերության ներկայացուցչից:
Տեխնիկական զննում. Այն սովորաբար տեղի է ունենում հեռախոսով: Բաղկացած է մեկ կամ երկու բարդ և նույնքան պարզ հարցերից, որոնք վերաբերում են գործատուի ընթացիկ խմբաքանակին:
HR հարցազրույց. Կարելի է անել հեռախոսով։ Այս փուլում թեկնածուն ստուգվում է ընդհանուր ադեկվատության և հաղորդակցվելու կարողության համար:
Տեխնիկական հարցազրույց. Ամենից հաճախ դա տեղի է ունենում անձամբ: Տարբեր ընկերություններում անձնակազմի աղյուսակում պաշտոնների մակարդակը տարբեր է, և պաշտոնները կարող են տարբեր անվանվել: Հետևաբար, այս փուլում փորձարկվում են տեխնիկական գիտելիքները։
Հարցազրույց CTO/գլխավոր ճարտարապետի հետ. Ինժեներն ու գիտնականը ռազմավարական պաշտոններ են, և շատ ընկերությունների համար դրանք նույնպես նոր են։ Կարևոր է, որ մենեջերը հավանի պոտենցիալ գործընկերոջը և համաձայն լինի նրա հետ իր հայացքներում:
Ի՞նչը կօգնի գիտնականներին և ինժեներներին իրենց կարիերայի աճում:
Տվյալների հետ աշխատելու բավականին նոր գործիքներ են հայտնվել։ Եվ քչերն են բոլորի համար հավասարապես լավ:
Շատ ընկերություններ պատրաստ չեն աշխատանքի ընդունել առանց աշխատանքային փորձի։ Այնուամենայնիվ, թեկնածուները, ովքեր ունեն նվազագույն գիտելիքներ և հանրաճանաչ գործիքների հիմունքների իմացություն, կարող են ձեռք բերել անհրաժեշտ փորձ, եթե նրանք ինքնուրույն սովորեն և զարգանան:
Օգտակար հատկություններ տվյալների ինժեների և տվյալների գիտնականի համար
Սովորելու ցանկություն և կարողություն. Պետք չէ անմիջապես հետապնդել փորձը կամ փոխել աշխատանքը նոր գործիքի համար, բայց դուք պետք է պատրաստ լինեք անցնել նոր տարածք:
Առօրյա գործընթացները ավտոմատացնելու ցանկություն. Սա կարևոր է ոչ միայն արտադրողականության, այլ նաև տվյալների բարձր որակի և սպառողին առաքման արագության պահպանման համար:
Ուշադրություն և գործընթացների «այն ինչ կա գլխարկի տակ»:. Մասնագետը, ով ունի դիտարկում և գործընթացների հիմնավոր իմացություն, ավելի արագ կլուծի խնդիրը։
Բացի ալգորիթմների, տվյալների կառուցվածքների և խողովակաշարերի գերազանց իմացությունից, ձեզ անհրաժեշտ է սովորել մտածել ապրանքների մեջ — տեսնել ճարտարապետությունը և բիզնես լուծումը որպես մեկ պատկեր:
Օրինակ՝ օգտակար է ցանկացած հայտնի ծառայություն վերցնել և դրա համար շտեմարան ստեղծել։ Այնուհետև մտածեք, թե ինչպես զարգացնել ETL-ը և DW-ն, որոնք այն կլցնեն տվյալները, ինչպիսի սպառողներ կլինեն և ինչն է նրանց համար կարևոր իմանալ տվյալների մասին, ինչպես նաև ինչպես են գնորդները փոխազդում դիմումների հետ. աշխատանք փնտրելու և ծանոթությունների համար, ավտոմեքենաների վարձույթ: , podcast հավելված, կրթական հարթակ։
Վերլուծաբանի, տվյալների գիտնականի և ինժեների պաշտոնները շատ մոտ են, այնպես որ դուք կարող եք մի ուղղությամբ շարժվել մյուսն ավելի արագ, քան այլ ոլորտներից:
Ամեն դեպքում, ցանկացած ՏՏ մասնագիտություն ունեցողների համար ավելի հեշտ կլինի, քան չունեցողների համար։ Միջին հաշվով, մոտիվացված մեծահասակները 1,5–2 տարին մեկ վերապատրաստվում և փոխում են աշխատանքը: Սա ավելի հեշտ է նրանց համար, ովքեր սովորում են խմբով և մենթորի հետ, համեմատած նրանց հետ, ովքեր ապավինում են միայն բաց աղբյուրներին:
Netology-ի խմբագիրներից
Եթե դուք փնտրում եք տվյալների ինժեների կամ տվյալների գիտնականի մասնագիտությունը, մենք ձեզ հրավիրում ենք ուսումնասիրելու մեր դասընթացների ծրագրերը.
- Մասնագիտություն».
- Մասնագիտություն».
- Դե".
Source: www.habr.com