Ọnụ Elena Gerasimov, onye isi nke ngalaba "»Na Netology anyị na-aga n'ihu na-aghọta ka ha na-emekọrịta ihe na otu ndị ọkà mmụta sayensị data na ndị injinia data si dị iche.
Na akụkụ nke mbụ ha kwuru .
N'ime akwụkwọ a, anyị ga-ekwu maka ihe ndị ọkachamara na nkà na ụzụ kwesịrị inwe, akwụkwọ ndị na-ewe mmadụ n'ọrụ ji akpọrọ ihe, otu esi eme ajụjụ ọnụ, na ego ole ndị injinia data na ndị ọkà mmụta sayensị na-enweta.
Ihe ndị ọkà mmụta sayensị na ndị injinia kwesịrị ịma
Mmụta pụrụ iche maka ndị ọkachamara abụọ ahụ bụ Sayensị Kọmputa.
Ọkà mmụta sayensị ọ bụla data — ọkà mmụta sayensị data ma ọ bụ onye nyocha — ga-enwerịrị ike igosipụta izi ezi nke nkwubi okwu ha. Maka nke a ị nweghị ike ime n'enweghị ihe ọmụma ọnụ ọgụgụ na mgbakọ na mwepụ bụ isi metụtara.
Ngwa mmụta igwe na ngwaọrụ nyocha data dị mkpa n'ụwa ọgbara ọhụrụ. Ọ bụrụ na ngwaọrụ ndị a na-emekarị adịghị adị, ịkwesịrị inwe nkà ngwa ngwa na-amụta ngwá ọrụ ọhụrụ, na-emepụta ihe odide dị mfe iji rụọ ọrụ.
Ọ dị mkpa iburu n'obi na onye ọkà mmụta sayensị data aghaghị ịkọwapụta nsonaazụ nyocha nke ọma. Ọ ga-enyere ya aka na nke a data visualization ma ọ bụ nsonaazụ nyocha na nyocha nke hypotheses. Ndị ọkachamara ga-enwe ike ịmepụta chaatị na eserese, jiri ngwaọrụ nhụta anya, ma ghọta ma kọwaa data sitere na bọọdụ dashboard.
Maka onye injinia data, mpaghara atọ na-abịa n'ihu.
Algorithms na usoro data. Ọ dị mkpa ime nke ọma n'ịde koodu na iji usoro ntọala na algọridim:
- algorithm mgbagwoju anya analysis,
- ike ide koodu doro anya, nke a na-echekwa,
- nhazi ogbe,
- ezigbo oge nhazi.
Ebe nchekwa data na ụlọ nkwakọba ihe data, ọgụgụ isi azụmahịa:
- nchekwa data na nhazi,
- imewe nke usoro zuru oke,
- Ntinye data,
- usoro faịlụ ekesa.
Hadoop na nnukwu data. Enwere ọtụtụ data, na n'ime afọ 3-5, teknụzụ ndị a ga-adị mkpa maka injinia ọ bụla. gbakwunyere:
- Ọdọ mmiri data
- na-arụ ọrụ na ndị na-eweta igwe ojii.
Igwe mmụta a ga-eji ebe niile, ma ọ dị mkpa ịghọta ihe nsogbu azụmahịa ọ ga-enyere aka dozie. Ọ dịghị mkpa ka ị nwee ike ịme ụdị (ndị ọkà mmụta sayensị data nwere ike ijikwa nke a), mana ịkwesịrị ịghọta ngwa ha na ihe ndị kwekọrọ na ya.
Ego ole ka ndị injinia na ndị sayensị na-enweta?
Ego ndị Injinia data
Na omume mba ụwa Ụgwọ mbido na-abụkarị $ 100 kwa afọ ma na-abawanye na ahụmịhe, dịka Glassdoor si kwuo. Na mgbakwunye, ụlọ ọrụ na-enyekarị nhọrọ ngwaahịa na ego 000-5% kwa afọ.
Na Russia na mmalite nke ọrụ, ụgwọ ọrụ na-abụkarị ihe na-erughị 50 puku rubles na mpaghara na 80 puku na Moscow. Ọnweghị ahụmịhe ọzọ karịa ọzụzụ emechara achọrọ na ọkwa a.
Mgbe afọ 1-2 nke ọrụ gasịrị - ndụdụ nke 90-100 puku rubles.
The ndụdụ na-abawanye na 120-160 puku na 2-5 afọ. A na-agbakwunye ihe ndị dị ka ọkachamara nke ụlọ ọrụ ndị gara aga, nha nke ọrụ, na-arụ ọrụ na nnukwu data, wdg.
Mgbe afọ 5 nke ọrụ gasịrị, ọ dị mfe ịchọ ohere ohere na ngalaba ndị metụtara ya ma ọ bụ tinye akwụkwọ maka ọkwa pụrụ iche dị ka:
- Onye nrụpụta ma ọ bụ onye nrụpụta ụzọ na ụlọ akụ ma ọ bụ telecom - ihe dị ka puku 250.
- Ịre ahịa tupu onye na-ere ahịa nke teknụzụ gị na-arụ ọrụ nke ọma - 200 puku gbakwunyere ego ga-ekwe omume (1-1,5 nde rubles).
- Ndị ọkachamara na mmejuputa ngwa azụmahịa nke Enterprise, dị ka SAP - ruo 350 puku.
Ego ndị ọkà mmụta sayensị data
ahịa nke nyocha nke ụlọ ọrụ "Normal Research" na ụlọ ọrụ na-ewe ọrụ New.HR na-egosi na ndị ọkachamara sayensị Data na-enweta na nkezi ụgwọ ọrụ dị elu karịa ndị nyocha nke ọkachamara ndị ọzọ.
Na Russia, ụgwọ mmalite nke onye ọkà mmụta sayensị data nwere ahụmahụ ruo otu afọ sitere na 113 puku rubles.
A na-ewerekwa mmemme ọzụzụ ugbu a dịka ahụmịhe ọrụ.
Mgbe afọ 1-2 gachara, ọkachamara dị otú ahụ nwere ike ịnweta ihe ruru 160 puku.
Maka onye ọrụ nwere ahụmahụ 4-5 afọ, ndụdụ ahụ na-abawanye ruo 310 puku.
Kedu ka esi agba ajụjụ ọnụ?
Na West, ndị gụsịrị akwụkwọ na mmemme ọzụzụ aka ọrụ nwere ajụjụ ọnụ mbụ ha na nkezi 5 izu ka ha gụsịrị akwụkwọ. Ihe dị ka 85% na-achọta ọrụ mgbe ọnwa 3 gachara.
Usoro ajụjụ ọnụ maka onye injinia data na ọnọdụ ndị ọkà mmụta sayensị data fọrọ nke nta ka ọ bụrụ otu. Na-emekarị nkebi ise.
Nchịkọta. Ndị Candidates nwere ahụmahụ na-abụghị isi (dịka ọmụmaatụ, ịzụ ahịa) chọrọ iji kwadebe akwụkwọ ozi mkpuchi zuru ezu maka ụlọ ọrụ ọ bụla ma ọ bụ nwee ntụaka sitere n'aka onye nnọchiteanya nke ụlọ ọrụ ahụ.
Nyocha teknụzụ. Ọ na-emekarị site na ekwentị. Ihe mejupụtara otu ma ọ bụ abụọ dị mgbagwoju anya yana ọtụtụ ajụjụ dị mfe metụtara nchịkọta onye ọrụ ugbu a.
Ajụjụ ọnụ HR. Enwere ike ime ya na ekwentị. N'oge a, a na-anwale onye nyocha maka oke zuru oke na ikike nkwurịta okwu.
Ajụjụ ọnụ nka nka. Ọtụtụ mgbe ọ na-ewere ọnọdụ na mmadụ. N'ụlọ ọrụ dị iche iche, ọkwa ọkwa dị na tebụl ndị ọrụ dị iche iche, a pụkwara ịkpọ aha ọnọdụ dị iche iche. Ya mere, n'oge a ọ bụ nkà na ụzụ ihe ọmụma na-anwale.
Ajụjụ ọnụ CTO/Chief Architect. Injinia na ọkà mmụta sayensị bụ ọnọdụ dị mkpa, na maka ọtụtụ ụlọ ọrụ ha bụkwa ndị ọhụrụ. Ọ dị mkpa na onye njikwa ahụ nwere mmasị na onye ọrụ ibe ya ma kwenye na ya n'echiche ya.
Kedu ihe ga-enyere ndị ọkà mmụta sayensị na ndị injinia aka na uto ọrụ ha?
Ọtụtụ ngwaọrụ ọhụrụ maka iji data arụ ọrụ apụtala. Mmadụ ole na ole dịkwa mma n'ebe onye ọ bụla nọ.
Ọtụtụ ụlọ ọrụ adịghị njikere iwere ndị ọrụ na-enweghị ahụmahụ ọrụ. Otú ọ dị, ndị na-eme ntuli aka nwere obere ndabere na ihe ọmụma banyere ihe ndị bụ isi nke ngwá ọrụ ndị a ma ama nwere ike nweta ahụmahụ dị mkpa ma ọ bụrụ na ha mụta ma zụlite n'onwe ha.
Àgwà bara uru maka onye injinia data na ọkà mmụta sayensị data
Ọchịchọ na ikike ịmụta. Ịkwesighi ịchụso ahụmịhe ozugbo ma ọ bụ gbanwee ọrụ maka ngwa ọhụrụ, mana ịkwesịrị ịdị njikere ịgbanwe gaa na mpaghara ọhụrụ.
Ọchịchọ ịmegharị usoro ihe omume. Nke a dị mkpa ọ bụghị naanị maka nrụpụta, kamakwa maka ịnọgide na-enwe ogo data dị elu na ọsọ nke nnyefe nye onye ahịa.
Nlebara anya na nghọta nke "ihe dị n'okpuru mkpuchi" nke usoro. Onye ọkachamara nke nwere nleba anya na nke ọma ihe ọmụma nke usoro ga-edozi nsogbu ahụ ngwa ngwa.
Na mgbakwunye na ezigbo ihe ọmụma nke algọridim, usoro data na pipeline, ị chọrọ ịmụta echiche na ngwaahịa - hụ ụkpụrụ ụlọ na azụmahịa dị ka otu foto.
Dịka ọmụmaatụ, ọ bara uru iji ọrụ ọ bụla a ma ama wee wepụta ya nchekwa data. Chee echiche banyere otu esi emepụta ETL na DW nke ga-ejupụta data, ụdị ndị na-azụ ahịa ga-abụ na ihe dị mkpa ka ha mara banyere data ahụ, nakwa ka ndị na-azụ ahịa si emekọrịta na ngwa: maka ịchọ ọrụ na mkpakọrịta nwoke na nwaanyị, mgbazinye ụgbọ ala. , ngwa pọdkastị, ikpo okwu mmụta.
Ọnọdụ nke onye nyocha, ọkà mmụta sayensị data na injinia dị ezigbo nso, yabụ ị nwere ike isi n'otu ụzọ gaa na nke ọzọ ngwa ngwa karịa site na mpaghara ndị ọzọ.
N'ọnọdụ ọ bụla, ọ ga-adịrị ndị nwere ọnọdụ IT ọ bụla mfe karịa ndị na-enweghị ya. Na nkezi, ndị okenye nwere mkpali na-azụghachi ma na-agbanwe ọrụ kwa afọ 1,5-2. Nke a dị mfe maka ndị na-amụ ihe na otu na onye ndụmọdụ, ma e jiri ya tụnyere ndị na-adabere naanị na isi mmalite.
Site na ndị ndezi Netology
Ọ bụrụ na ị na-elele ọrụ nke Injinia Data ma ọ bụ Scientist Data, anyị na-akpọ gị òkù ka ị mụọ mmemme nkuzi anyị:
- Arụ ọrụ"".
- Arụ ọrụ"".
- Ọfọn"".
isi: www.habr.com