Secondo le ricerche di HeadHunter e Mail.ru, la domanda di specialisti nel campo della Data Science supera l'offerta, ma anche così, i giovani professionisti non riescono sempre a trovare lavoro. Spieghiamo cosa manca agli studenti dei corsi e dove possono studiare coloro che puntano a una carriera importante nella Data Science.
«Arrivano e pensano che adesso guadagneranno 500k al secondo, perché conoscono i nomi dei framework e sanno come avviare un modello in due righe»
Emil Mageramov dirige un gruppo di servizi di chimica computazionale presso biocad e durante i colloqui si trova a fare i conti con candidati che non hanno una comprensione sistematica della professione. Finiscono i corsi, arrivano con una buona padronanza di Python e SQL, possono avviare Hadoop o Spark in 2 secondi e svolgere compiti secondo un chiaro brief. Ma un passo a lato — già non riescono a farlo. Tuttavia, proprio questa flessibilità nelle soluzioni è ciò che i datori di lavoro si aspettano dai loro specialisti nella Data Science.
Cosa sta succedendo nel mercato della Data Science
Le competenze dei giovani specialisti riflettono la situazione nel mercato del lavoro. Qui la domanda supera significativamente l'offerta, quindi i datori di lavoro disperati sono spesso davvero disposti a assumere specialisti completamente inesperti e formarli. Questo approccio funziona, ma è adatto solo se nel team c'è già un team leader esperto che si occupa della formazione del junior.
Secondo una ricerca di HeadHunter e Mail.ru, gli specialisti nell'analisi dei dati sono tra i più richiesti sul mercato:
- Nel 2019, le offerte di lavoro nel campo dell'analisi dei dati sono aumentate di 9,6 volte, mentre nel campo del machine learning – di 7,2 volte rispetto al 2015.
- Rispetto al 2018, il numero di offerte di lavoro per specialisti nell'analisi dei dati è aumentato di 1,4 volte, mentre nel machine learning – di 1,3 volte.
- Il 38% delle posizioni aperte proviene da aziende IT, il 29% — da aziende del settore finanziario, il 9% — dal settore dei servizi per le imprese.
La situazione è alimentata da numerose scuole online che formano quei junior. Principalmente, l'istruzione dura da tre a sei mesi, durante i quali gli studenti riescono a familiarizzare a livello base con gli strumenti principali: Python, SQL, analisi dati, Git e Linux. Alla fine si ottiene un classico junior: può risolvere un compito specifico, ma ancora non riesce a capire il problema e formulare autonomamente un compito. Tuttavia, l'alta domanda di specialisti e il hype attorno alla professione spesso generano elevate ambizioni e richieste salariali.
Purtroppo, un colloquio per la Data Science di solito appare così: il candidato racconta di aver provato ad applicare un paio di librerie, non riesce a rispondere alle domande su come funzionano gli algoritmi, e poi chiede 200, 300, 400mila rubli al mese netti.
A causa del gran numero di slogan pubblicitari come «chiunque può diventare un analista dei dati», «impara il machine learning in tre mesi e inizia a guadagnare un sacco di soldi» e la brama di facili guadagni, nella nostra area è arrivato un enorme flusso di candidati superficiali completamente privi di una preparazione sistematica.
Victor Kantor
Chief Data Scientist in MTS
Chi cercano i datori di lavoro
Qualsiasi datore di lavoro vorrebbe che i suoi junior lavorassero senza controllo costante e potessero svilupparsi sotto la guida di un team leader. Per questo, il nuovo arrivato deve già padroneggiare gli strumenti necessari per affrontare i compiti attuali e avere una sufficiente base teorica per poter proporre gradualmente le proprie soluzioni e affrontare compiti più complessi.
Con gli strumenti i nuovi arrivati sul mercato se la cavano abbastanza bene. Corsi brevi consentono di padroneggiarli rapidamente e iniziare a lavorare.
Secondo una ricerca di HeadHunter e Mail.ru, l'abilità più richiesta è la conoscenza di Python. Viene menzionata nel 45% delle offerte di lavoro per specialisti dell'analisi dei dati e nel 51% delle offerte nel campo del machine learning.
Inoltre, i datori di lavoro vogliono che gli specialisti dell'analisi dei dati conoscano SQL (23%), padroneggino l'analisi dei dati (Data Mining) (19%), la statistica matematica (11%) e sappiano lavorare con grandi dati (10%).
I datori di lavoro che cercano specialisti nel machine learning, oltre alla conoscenza di Python, si aspettano che il candidato possieda C++ (18%), SQL (15%), algoritmi di machine learning (13%) e Linux (11%).
Ma se con gli strumenti i junior se la cavano bene, i loro supervisori si trovano ad affrontare un'altra problematica. La maggior parte dei laureati dei corsi non ha una profonda comprensione della professione, quindi per il nuovo arrivato è difficile progredire.
Attualmente sto cercando specialisti nel campo del machine learning per il mio team. Tuttavia, vedo che spesso i candidati hanno padroneggiato strumenti specifici della Data Science, ma non hanno una comprensione sufficientemente profonda delle basi teoriche per creare nuove soluzioni.
Emil Mageramov
Capo del gruppo di servizi di chimica computazionale, Biocad
La struttura e la durata dei corsi non consentono di approfondire a sufficienza. Spesso i laureati non possiedono quelle soft skills che normalmente vengono trascurate nella lettura delle offerte di lavoro. In verità, chi di noi può dire di non avere una mentalità sistemica o voglia di crescere? Tuttavia, per un professionista in Data Science, si tratta di una questione più profonda. Per svilupparsi, è necessaria una solida inclinazione verso la teoria e la scienza, che è possibile solo attraverso un'istruzione prolungata, come quella universitaria.
Molto dipende dalla persona: se un partecipante con una buona base in matematica e programmazione segue un corso intensivo di tre mesi, impartito da insegnanti di alto livello con esperienza da team leader in aziende top, e assimila tutto il materiale come una spugna, come si diceva a scuola, non ci saranno problemi successivamente con quel dipendente. Ma il 90-95% delle persone, per assimilare qualcosa in modo duraturo, deve imparare dieci volte di più e farlo sistematicamente per diversi anni. E questo rende i programmi di master in analisi dei dati una fantastica opportunità per acquisire solide basi di conoscenza, utili sia per non arrossire durante il colloquio che per semplificare il lavoro.
Victor Kantor
Chief Data Scientist in MTS
Dove studiare per trovare lavoro in Data Science
Il mercato offre molti buoni corsi in Data Science e ottenere una formazione iniziale non è un problema. Ma è importante comprendere la direzione di questa formazione. Se il candidato ha già un solido background tecnico, allora un corso intensivo è ciò di cui ha bisogno. Questa persona apprenderà gli strumenti, si adatterà rapidamente e lavorerà bene, perché sa già pensare come un matematico, vede i problemi e formula le proprie domande. Se tale background non esiste, alla fine del corso si avrà un buon esecutore, ma con opportunità limitate di crescita.
Se hai di fronte una questione a breve termine per cambiare professione o cercare lavoro in questo settore, ti conviene seguire corsi sistematici, brevi che forniscano rapidamente un insieme minimo di competenze tecniche, per poterti candidare a una posizione iniziale in questo campo.
Ivan Yamshchikov
Direttore accademico del master online in Data Science
Il problema dei corsi è che forniscono un rapido, ma minimo avvio. La persona entra letteralmente nella professione e raggiunge rapidamente un limite. Per entrare nel settore a lungo termine, è necessario costruire subito solide fondamenta attraverso un programma a lungo termine, come un master.
L'istruzione superiore è adatta quando si capisce che questo campo ti interessa a lungo termine. Non hai fretta di entrare nel mondo del lavoro. Non vuoi incontrare un soffitto nella tua carriera e non desideri affrontare problemi di mancanza di conoscenze, competenze e comprensione generale dell'ecosistema attraverso il quale si sviluppano i prodotti innovativi. Per questo hai bisogno di un'istruzione superiore, che non solo fornisce le competenze tecniche necessarie, ma struttura anche in modo diverso il tuo pensiero e ti aiuta a delineare una visione a lungo termine della tua carriera.
Ivan Yamshchikov
Direttore accademico del master online in Data Science
L'assenza del soffitto nella carriera è il principale vantaggio del programma di master. In due anni, il professionista acquisisce una solida base teorica. Questo è come appare il primo semestre nel programma di Data Science della NITU "MISIS":
- Introduzione alla Data Science. 2 settimane.
- Fondamenti dell'analisi dei dati. Elaborazione dei dati. 2 settimane
- Machine Learning. Pre-elaborazione dei dati. 2 settimane
- EDA. Analisi esplorativa dei dati. 3 settimane
- Algoritmi principali di machine learning. Parte 1 + Parte 2 (6 settimane)
Durante questo tempo puoi anche acquisire esperienza pratica sul lavoro. Nulla impedisce di assumere una posizione da junior non appena lo studente ha appreso gli strumenti necessari. Tuttavia, a differenza di un laureato dei corsi, un master non si ferma qui, ma continua a approfondire la professione. Questo permette di progredire in Data Science senza limiti.
Sul sito dell'università della scienza e della tecnologia "MISIS" si tengono per coloro che vogliono lavorare in Data Science. I rappresentanti della NITU "MISIS", SkillFactory, HeadHunter, Facebook, Mail.ru Group e Yandex parleranno delle questioni più importanti:
- "Come trovare il proprio posto in Data Science?"
- "È possibile diventare un data scientist da zero?"
- "Ci sarà ancora bisogno di data scientist tra 2-5 anni?"
- "Su quali problemi lavorano i professionisti della data science?"
- "Come costruire una carriera in Data Science?"
Formazione online, diploma di istruzione statale. sono accettate fino al 10 agosto.
Fonte: habr.com
