התחלה מהירה ותקרה נמוכה. מה מחכה למומחי מידע צעירים בשוק העבודה

על פי מחקר של HeadHunter ו-Mail.ru, הביקוש למומחים בתחום מדעי הנתונים עולה על ההיצע, אך למרות זאת, מומחים צעירים לא תמיד מצליחים למצוא עבודה. אנו מספרים לכם אילו בוגרי קורסים חסרים והיכן ללמוד עבור אלה שמתכננים קריירה גדולה במדעי הנתונים.

"הם באים וחושבים שעכשיו הם ירוויחו 500 לשנייה, כי הם יודעים את שמות המסגרות ואיך להפעיל מהם מודל בשתי שורות"

אמיל מהרמוב הוא מוביל קבוצה של שירותי כימיה חישובית בביוקאד ובמהלך ראיונות הוא מתמודד עם העובדה שלמועמדים אין הבנה שיטתית של המקצוע. הם מסיימים קורסים, מגיעים עם Python ו-SQL מאומנים היטב, יכולים להתקין Hadoop או Spark תוך 2 שניות ולהשלים משימה לפי מפרט ברור. אבל יחד עם זאת, אין יותר צעד הצידה. למרות שמעסיקים מצפים לגמישות בפתרונות מהמומחים שלהם למדעי הנתונים.

מה קורה בשוק Data Science

כישוריהם של מומחים צעירים משקפים את המצב בשוק העבודה. כאן, הביקוש עולה באופן משמעותי על ההיצע, כך שמעסיקים נואשים לרוב באמת מוכנים להעסיק מומחים ירוקים לחלוטין ולהכשיר אותם לעצמם. האופציה עובדת, אך מתאימה רק אם לצוות יש כבר ראש צוות מנוסה שייקח לידיו את הכשרת הג'וניור.

על פי מחקר של HeadHunter ו-Mail.ru, מומחי ניתוח נתונים הם מהמבוקשים ביותר בשוק:

• בשנת 2019 היו פי 9,6 יותר משרות פנויות בתחום ניתוח הנתונים ופי 7,2 בתחום למידת מכונה מאשר ב-2015.
• בהשוואה ל-2018, מספר המשרות הפנויות של מומחי ניתוח נתונים גדל פי 1,4, ועבור מומחי למידת מכונה פי 1,3.
• 38% מהמשרות הפתוחות הן בחברות IT, 29% בחברות במגזר הפיננסי ו-9% בשירותים עסקיים.

המצב ניזון על ידי מספר רב של בתי ספר מקוונים המאמנים את אותם צעירים. בעיקרון, ההכשרה נמשכת בין שלושה לשישה חודשים, במהלכם הסטודנטים מצליחים לשלוט בכלים העיקריים ברמה בסיסית: Python, SQL, ניתוח נתונים, Git ולינוקס. התוצאה היא זוטר קלאסי: הוא יכול לפתור בעיה ספציפית, אבל עדיין לא יכול להבין את הבעיה ולנסח את הבעיה בעצמו. עם זאת, הביקוש הרב למומחים וההייפ סביב המקצוע מעוררים לא פעם שאיפות גבוהות ודרישות שכר.

למרבה הצער, ראיונות ב-Data Science נראים כעת בדרך כלל כך: המועמד אומר שהוא ניסה להשתמש בכמה ספריות, לא יכול לענות על שאלות על איך בדיוק האלגוריתמים עובדים, ואז מבקש 200, 300, 400 אלף רובל בחודש ביד.

בשל המספר הגדול של סיסמאות פרסום כמו "כל אחד יכול להפוך למנתח נתונים", "למדת מכונה תוך שלושה חודשים ולהתחיל להרוויח הרבה כסף" והצימאון לכסף מהיר, זרם עצום של מועמדים שטחיים נשפך אלינו שדה ללא הכשרה שיטתית לחלוטין.

ויקטור קנטור
מדען נתונים ראשי ב-MTS

למי המעסיקים מחכים?

כל מעסיק היה רוצה שהצעירים שלו יעבדו ללא פיקוח מתמיד ויוכלו להתפתח בהדרכתו של ראש צוות. לשם כך, מתחיל חייב להחזיק מיד בכלים הדרושים לפתרון בעיות עכשוויות, ולהיות בעל בסיס תיאורטי מספיק כדי להציע בהדרגה פתרונות משלו ולגשת לבעיות מורכבות יותר.

מתחילים בשוק מצליחים למדי עם הכלים שלהם. קורסים קצרי מועד מאפשרים לך לשלוט בהם במהירות ולהגיע לעבודה.

על פי מחקר של HeadHunter ו-Mail.ru, המיומנות המבוקשת ביותר היא Python. זה מוזכר ב-45% מהמשרות הפנויות של מדעני נתונים ו-51% מהמשרות הפנויות של למידת מכונה.

מעסיקים רוצים גם שמנתחי נתונים יכירו SQL (23%), כריית נתונים (19%), סטטיסטיקה מתמטית (11%) ויוכלו לעבוד עם ביג דאטה (10%).

מעסיקים המחפשים מומחי למידת מכונה מצפים מהמועמד להיות בקיא ב-C++ (18%), SQL (15%), אלגוריתמים של למידת מכונה (13%) ולינוקס (11%) בנוסף לידע בפייתון.

אבל אם הצעירים מצליחים היטב בכלים, אז המנהלים שלהם מתמודדים עם בעיה אחרת. לרוב בוגרי הקורס אין הבנה עמוקה של המקצוע, מה שמקשה על המתחיל להתקדם.

כרגע אני מחפש מומחי למידת מכונה שיצטרפו לצוות שלי. יחד עם זאת, אני רואה שלעתים קרובות מועמדים שלטו בכלים מסוימים של Data Science, אך אין להם הבנה עמוקה מספיק של היסודות התיאורטיים כדי ליצור פתרונות חדשים.

אמיל מהרמוב
ראש קבוצת שירותי כימיה חישובית, ביוקאד

עצם המבנה ומשך הקורסים אינם מאפשרים להעמיק לרמה הנדרשת. לעתים קרובות חסרים לבוגרים את המיומנויות הרכות הללו שבדרך כלל מתגעגעות אליהם בעת קריאת משרה פנויה. נו, באמת, מי מאיתנו יגיד שאין לו חשיבה מערכתית או רצון להתפתח. עם זאת, ביחס למומחה Data Science, אנחנו מדברים על סיפור עמוק יותר. כאן, כדי להתפתח, צריך הטיה די חזקה בתיאוריה ובמדע, מה שמתאפשר רק בלימודים ארוכי טווח, למשל, באוניברסיטה.

הרבה תלוי באדם: אם קורס אינטנסיבי בן שלושה חודשים של מורים חזקים עם ניסיון כמובילי צוות בחברות מובילות יושלם על ידי סטודנט עם רקע טוב במתמטיקה ותכנות, מתעמק בכל חומרי הקורס ו"נספג כמו ספוג ," כמו שאמרו בבית הספר, אז יהיו בעיות עם עובד כזה אחר כך מס'. אבל 90-95% מהאנשים, כדי ללמוד משהו לנצח, צריכים ללמוד פי עשרה יותר ולעשות זאת באופן שיטתי במשך כמה שנים ברציפות. וזה הופך את תכניות המאסטר בניתוח נתונים לאפשרות מצוינת לקבל בסיס ידע טוב, שאיתו לא תצטרכו להסמיק בראיון, ויהיה הרבה יותר קל לבצע את העבודה.

ויקטור קנטור
מדען נתונים ראשי ב-MTS

היכן ללמוד כדי למצוא עבודה במדעי הנתונים

ישנם הרבה קורסי Data Science וטובים בשוק וקבלת השכלה ראשונית אינה בעיה. אבל חשוב להבין את המיקוד של החינוך הזה. אם למועמד כבר יש רקע טכני חזק, אז קורסים אינטנסיביים הם מה שהם צריכים. אדם ישלוט בכלים, יגיע למקום ויתרגל מהר, כי הוא כבר יודע לחשוב כמו מתמטיקאי, לראות בעיה ולנסח בעיות. אם אין רקע כזה, אז אחרי הקורס אתה תהיה ביצועיסט טוב, אבל עם הזדמנויות מוגבלות לצמיחה.

אם אתם עומדים בפני המשימה לטווח קצר של שינוי מקצוע או מציאת עבודה בהתמחות זו, אז מתאימים לכם כמה קורסים שיטתיים, קצרים ומספקים במהירות סט מינימלי של מיומנויות טכניות כדי שתוכלו להעפיל לקורס. תפקיד התחלתי בתחום זה.

איבן ימשצ'יקוב
מנהל אקדמי של תכנית המאסטר המקוונת "מדעי הנתונים"

הבעיה עם הקורסים היא דווקא שהם מספקים תאוצה מהירה אך מינימלית. אדם ממש עף למקצוע ומגיע במהירות לתקרה. כדי להיכנס למקצוע לאורך זמן, אתה צריך מיד להניח בסיס טוב בצורה של תוכנית לטווח ארוך יותר, למשל, תואר שני.

השכלה גבוהה מתאימה כאשר אתה מבין שהתחום הזה מעניין אותך לטווח ארוך. אתה לא להוט להגיע לעבודה בהקדם האפשרי. ואתה לא רוצה שתהיה לך תקרת קריירה; אתה גם לא רוצה להתמודד עם הבעיה של חוסר ידע, מיומנויות, חוסר הבנה של המערכת האקולוגית הכללית שבעזרתה מפתחים מוצרים חדשניים. לשם כך, אתה צריך השכלה גבוהה, אשר לא רק יוצרת את מערך המיומנויות הטכניות ההכרחיות, אלא גם מבנה את החשיבה שלך בצורה שונה ועוזרת לך לגבש חזון כלשהו של הקריירה שלך לטווח ארוך יותר.

איבן ימשצ'יקוב
מנהל אקדמי של תכנית המאסטר המקוונת "מדעי הנתונים"

היעדר תקרת קריירה הוא היתרון העיקרי של תכנית המאסטר. תוך שנתיים, מומחה מקבל בסיס תיאורטי רב עוצמה. כך נראה הסמסטר הראשון בתוכנית מדעי הנתונים ב-NUST MISIS:

• מבוא למדעי הנתונים. 2 שבועות.
• יסודות ניתוח הנתונים. עיבוד נתונים. 2 שבועות
• למידת מכונה. עיבוד מקדים של נתונים. 2 שבועות
• EDA. ניתוח נתוני מודיעין. 3 שבועות
• אלגוריתמים בסיסיים של למידת מכונה. Ch1 + Ch2 (6 שבועות)

במקביל, ניתן לצבור בו זמנית ניסיון מעשי בעבודה. אין דבר שמונע ממך לקבל משרה זוטר ברגע שהתלמיד שולט בכלים הדרושים. אבל, בניגוד לבוגר קורס, תואר שני לא עוצר את לימודיו שם, אלא ממשיך להעמיק במקצוע. בעתיד, זה מאפשר לך להתפתח ב-Data Science ללא הגבלות.

באתר האוניברסיטה למדע וטכנולוגיה "MISiS" ימים פתוחים וסמינרים מקוונים למי שרוצה לעבוד ב-Data Science. נציגי NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group ו-Yandex, אני אספר לכם על הדברים החשובים ביותר:

• "איך למצוא את מקומך ב-Data Science?",
• "האם אפשר להיות מדען נתונים מאפס?",
• "האם הצורך במדעני נתונים ימשיך להתקיים בעוד 2-5 שנים?"
• "על אילו בעיות עובדים מדעני נתונים?"
• "איך לבנות קריירה במדעי הנתונים?"

הכשרה מקוונת, דיפלומה לחינוך ציבורי. בקשות לתוכנית התקבל עד 10 אוגוסט.

מקור: www.habr.com