Insieme a Elena Gerasimova, preside della facoltà "» in Netology continuiamo a capire come interagiscono tra loro e in cosa differiscono Data Scientist e Data Engineer.
Nella prima parte hanno raccontato .
In questo materiale parleremo di quali conoscenze e competenze dovrebbero avere gli specialisti, quale istruzione è apprezzata dai datori di lavoro, come vengono condotte le interviste e quanto guadagnano ingegneri e data scientist.
Ciò che scienziati e ingegneri dovrebbero sapere
La formazione specialistica per entrambi gli specialisti è Informatica.
Qualsiasi data scientist, data scientist o analista, deve essere in grado di dimostrare la correttezza delle proprie conclusioni. Per questo non puoi fare a meno della conoscenza statistica e matematica di base relativa alla statistica.
Gli strumenti di machine learning e di analisi dei dati sono indispensabili nel mondo moderno. Se i soliti strumenti non sono disponibili, è necessario avere le competenze apprendere rapidamente nuovi strumenti, creare semplici script per automatizzare le attività.
È importante notare che il data scientist deve comunicare in modo efficace i risultati dell'analisi. Lo aiuterà in questo visualizzazione dati o i risultati della ricerca e della verifica delle ipotesi. Gli specialisti devono essere in grado di creare diagrammi e grafici, utilizzare strumenti di visualizzazione e comprendere e spiegare i dati dalle dashboard.
Per un ingegnere dei dati, tre aree vengono in primo piano.
Algoritmi e strutture dati. È importante diventare bravi a scrivere codice e a utilizzare strutture e algoritmi di base:
- analisi della complessità dell'algoritmo,
- capacità di scrivere codice chiaro e gestibile,
- elaborazione in lotti,
- elaborazione in tempo reale.
Basi di dati e data warehouse, Business Intelligence:
- archiviazione ed elaborazione dei dati,
- progettazione di sistemi completi,
- Inserimento dati,
- file system distribuiti.
Hadoop e Big Data. I dati sono sempre più numerosi e, nell'arco di 3-5 anni, queste tecnologie diventeranno necessarie per ogni ingegnere. Più:
- Laghi di dati
- collaborare con i fornitori di servizi cloud.
Apprendimento automatico verrà utilizzato ovunque ed è importante capire quali problemi aziendali aiuterà a risolvere. Non è necessario essere in grado di creare modelli (i data scientist possono gestirlo), ma è necessario comprenderne l'applicazione e i requisiti corrispondenti.
Quanto guadagnano ingegneri e scienziati?
Reddito dell'ingegnere dei dati
Nella pratica internazionale secondo Glassdoor, gli stipendi iniziali sono in genere di $ 100 all'anno e aumentano in modo significativo con l'esperienza. Inoltre, le aziende spesso offrono stock option e bonus annuali del 000-5%.
In Russia all'inizio della carriera, lo stipendio di solito non è inferiore a 50mila rubli nelle regioni e 80mila a Mosca. In questa fase non è richiesta alcuna esperienza oltre alla formazione completata.
Dopo 1-2 anni di lavoro: una forchetta da 90-100 mila rubli.
La forchetta aumenta a 120–160mila in 2–5 anni. Vengono aggiunti fattori come la specializzazione delle aziende precedenti, la dimensione dei progetti, il lavoro con i big data, ecc.
Dopo 5 anni di lavoro, è più facile cercare posti vacanti in dipartimenti correlati o candidarsi per posizioni altamente specializzate come:
- Architetto o sviluppatore capo in una banca o in una società di telecomunicazioni: circa 250mila.
- Prevendite dal venditore con le tecnologie con cui hai lavorato più da vicino: 200mila più un possibile bonus (1-1,5 milioni di rubli).
- Esperti nell'implementazione di applicazioni aziendali Enterprise, come SAP - fino a 350mila.
Reddito dei data scientist
mercato degli analisti della società “Normal Research” e dell’agenzia di reclutamento New.HR mostra che gli specialisti di Data Science ricevono in media uno stipendio più alto rispetto agli analisti di altre specialità.
In Russia, lo stipendio iniziale di un data scientist con fino a un anno di esperienza parte da 113mila rubli.
Anche il completamento dei programmi di formazione viene ora considerato come esperienza lavorativa.
Dopo 1-2 anni, un tale specialista può già ricevere fino a 160mila.
Per un dipendente con 4-5 anni di esperienza la forchetta sale a 310mila.
Come vengono condotte le interviste?
In Occidente, i diplomati dei programmi di formazione professionale sostengono il primo colloquio in media 5 settimane dopo la laurea. Circa l'85% trova lavoro dopo 3 mesi.
Il processo di colloquio per le posizioni di data engineer e data scientist è praticamente lo stesso. Di solito si compone di cinque fasi.
Riassunto. I candidati con precedenti esperienze non fondamentali (ad esempio marketing) sono tenuti a preparare una lettera di accompagnamento dettagliata per ciascuna azienda o ad avere una referenza da un rappresentante di tale azienda.
Screening tecnico. Di solito avviene per telefono. Consiste in una o due domande complesse e altrettante semplici relative allo stack attuale del datore di lavoro.
Intervista alle risorse umane. Si può fare telefonicamente. In questa fase, viene testata l'adeguatezza generale e la capacità di comunicare del candidato.
Colloquio tecnico. Molto spesso avviene di persona. In diverse aziende, il livello delle posizioni nella tabella del personale è diverso e le posizioni possono essere denominate in modo diverso. Pertanto, in questa fase viene testata la conoscenza tecnica.
Intervista al CTO/Capo Architetto. Ingegnere e scienziato sono posizioni strategiche e per molte aziende sono anche nuove. È importante che al manager piaccia il potenziale collega e sia d'accordo con lui nelle sue opinioni.
Cosa aiuterà scienziati e ingegneri nella loro crescita professionale?
Sono apparsi molti nuovi strumenti per lavorare con i dati. E poche persone sono ugualmente brave con tutti.
Molte aziende non sono pronte ad assumere dipendenti senza esperienza lavorativa. Tuttavia, i candidati con un background minimo e una conoscenza di base degli strumenti più diffusi possono acquisire l'esperienza necessaria se imparano e si sviluppano da soli.
Qualità utili per un data engineer e un data scientist
Desiderio e capacità di apprendere. Non devi rincorrere immediatamente l'esperienza o cambiare lavoro per un nuovo strumento, ma devi essere disposto a passare a una nuova area.
Il desiderio di automatizzare i processi di routine. Ciò è importante non solo per la produttività, ma anche per mantenere un'elevata qualità dei dati e la velocità di consegna al consumatore.
Attenzione e comprensione di “cosa c’è sotto il cofano” dei processi. Uno specialista che abbia osservazione e conoscenza approfondita dei processi risolverà il problema più rapidamente.
Oltre ad un'ottima conoscenza di algoritmi, strutture dati e pipeline, è necessaria imparare a pensare in termini di prodotti — vedere l'architettura e la soluzione aziendale come un'unica immagine.
Ad esempio, è utile prendere qualsiasi servizio noto e crearne un database. Quindi pensa a come sviluppare ETL e DW che li riempiranno di dati, che tipo di consumatori saranno e cosa è importante per loro sapere sui dati, e anche come gli acquirenti interagiscono con le applicazioni: per la ricerca di lavoro e gli appuntamenti, per il noleggio auto , applicazione podcast, piattaforma educativa.
Le posizioni di analista, data scientist e ingegnere sono molto vicine, quindi puoi spostarti da una direzione all'altra più velocemente che da altre aree.
In ogni caso sarà più facile per chi ha un minimo di background informatico che per chi non ce l'ha. In media, gli adulti motivati si riqualificano e cambiano lavoro ogni 1,5-2 anni. Questo è più facile per chi studia in gruppo e con un mentore, rispetto a chi si affida solo a fonti aperte.
Dalla redazione di Netology
Se stai guardando la professione di Data Engineer o Data Scientist, ti invitiamo a studiare i nostri programmi di corso:
- Professione "'.
- Professione "'.
- Bene "'.
Fonte: habr.com