სწრაფი დაწყება და დაბალი ჭერი. რა ელის ახალგაზრდა მონაცემთა მეცნიერების სპეციალისტებს შრომის ბაზარზე

HeadHunter-ისა და Mail.ru-ს კვლევის მიხედვით, მონაცემთა მეცნიერების სფეროში სპეციალისტებზე მოთხოვნა აჭარბებს მიწოდებას, მაგრამ ასეც რომ იყოს, ახალგაზრდა სპეციალისტები ყოველთვის ვერ ახერხებენ სამუშაოს პოვნას. ჩვენ გეტყვით რა კურსის კურსდამთავრებულებს აკლიათ და სად ისწავლონ მათთვის, ვინც გეგმავს დიდ კარიერას მონაცემთა მეცნიერებაში.

„მოდიან და ფიქრობენ, რომ ახლა გამოიმუშავებენ 500 XNUMX წამში, რადგან იციან ჩარჩოების სახელები და მათგან მოდელის გაშვება ორ ხაზში.

ემილ მაჰარამოვი ის ხელმძღვანელობს ბიოკადის გამოთვლითი ქიმიის სერვისების ჯგუფს და გასაუბრების დროს აწყდება ფაქტის, რომ კანდიდატებს არ აქვთ პროფესიის სისტემატური გაგება. ისინი ასრულებენ კურსებს, მოყვება კარგად გაწვრთნილი Python და SQL, შეუძლიათ დააინსტალირონ Hadoop ან Spark 2 წამში და დაასრულონ დავალება მკაფიო სპეციფიკაციის მიხედვით. მაგრამ ამავდროულად, გვერდზე გადადგმული ნაბიჯი აღარ არის. მიუხედავად იმისა, რომ ეს არის გადაწყვეტილებების მოქნილობა, რასაც დამსაქმებლები ელიან მონაცემთა მეცნიერების სპეციალისტებისგან.

რა ხდება მონაცემთა მეცნიერების ბაზარზე

ახალგაზრდა სპეციალისტების კომპეტენციები ასახავს შრომის ბაზარზე არსებულ მდგომარეობას. აქ მოთხოვნა მნიშვნელოვნად აღემატება მიწოდებას, ამიტომ სასოწარკვეთილი დამსაქმებლები ხშირად ნამდვილად მზად არიან დაიქირაონ სრულიად მწვანე სპეციალისტები და თავად მოამზადონ ისინი. ვარიანტი მუშაობს, მაგრამ შესაფერისია მხოლოდ იმ შემთხვევაში, თუ გუნდს უკვე ჰყავს გამოცდილი გუნდის ლიდერი, რომელიც აიღებს უმცროსის ვარჯიშს.

HeadHunter-ისა და Mail.ru-ს კვლევის მიხედვით, მონაცემთა ანალიზის სპეციალისტები ბაზარზე ყველაზე მოთხოვნადია:

• 2019 წელს მონაცემთა ანალიზის სფეროში 9,6-ჯერ მეტი ვაკანსია იყო, ხოლო მანქანათმცოდნეობის სფეროში 7,2-ჯერ მეტი, ვიდრე 2015 წელს.
• 2018 წელთან შედარებით მონაცემთა ანალიზის სპეციალისტების ვაკანსიები 1,4-ჯერ გაიზარდა, ხოლო მანქანათმცოდნეობის სპეციალისტების ვაკანსიები 1,3-ჯერ.
• ღია ვაკანსიების 38% არის IT კომპანიებში, 29% ფინანსური სექტორის კომპანიებში და 9% ბიზნეს სერვისებში.

სიტუაცია ხელს უწყობს მრავალი ონლაინ სკოლებით, რომლებიც ავარჯიშებენ იმავე უმცროსებს. ძირითადად, ტრენინგი გრძელდება სამიდან ექვს თვემდე, რომლის დროსაც სტუდენტები ახერხებენ დაეუფლონ ძირითად ინსტრუმენტებს საბაზისო დონეზე: Python, SQL, მონაცემთა ანალიზი, Git და Linux. შედეგი არის კლასიკური უმცროსი: მას შეუძლია გადაჭრას კონკრეტული პრობლემა, მაგრამ მაინც ვერ გაიგოს პრობლემა და თავად ჩამოაყალიბოს პრობლემა. თუმცა, სპეციალისტებზე მაღალი მოთხოვნა და პროფესიის ირგვლივ აჟიოტაჟი ხშირად იწვევს მაღალ ამბიციებს და ხელფასის მოთხოვნებს.

სამწუხაროდ, მონაცემთა მეცნიერებაში ინტერვიუები ახლა ჩვეულებრივ ასე გამოიყურება: კანდიდატი ამბობს, რომ მან სცადა რამდენიმე ბიბლიოთეკის გამოყენება, არ შეუძლია უპასუხოს კითხვებს, თუ როგორ მუშაობს ზუსტად ალგორითმები, შემდეგ ითხოვს თვეში 200, 300, 400 ათას რუბლს.

სარეკლამო სლოგანების დიდი რაოდენობის გამო, როგორიცაა „ნებისმიერს შეუძლია გახდეს მონაცემთა ანალიტიკოსი“, „დაითვისოს მანქანა სწავლა სამ თვეში და დაიწყე ბევრი ფულის გამომუშავება“ და სწრაფი ფულის წყურვილის გამო, ზედაპირული კანდიდატების უზარმაზარი ნაკადი შემოვიდა ჩვენში. სფერო აბსოლუტურად არ არის სისტემატური ტრენინგი.

ვიქტორ კანტორი
MTS-ის მთავარი მონაცემთა მეცნიერი

ვის ელიან დამსაქმებლები?

ნებისმიერ დამსაქმებელს სურს, რომ მისმა უმცროსებმა იმუშაონ მუდმივი ზედამხედველობის გარეშე და შეძლონ განვითარება გუნდის ლიდერის ხელმძღვანელობით. ამისათვის დამწყები დაუყოვნებლივ უნდა ფლობდეს საჭირო ინსტრუმენტებს მიმდინარე პრობლემების გადასაჭრელად და ჰქონდეს საკმარისი თეორიული საფუძველი, რათა თანდათან შესთავაზოს საკუთარი გადაწყვეტილებები და მიუახლოვდეს უფრო რთულ პრობლემებს.

ახალბედები ბაზარზე საკმაოდ კარგად მუშაობენ თავიანთი ინსტრუმენტებით. მოკლევადიანი კურსები საშუალებას გაძლევთ სწრაფად აითვისოთ ისინი და შეუდგეთ სამუშაოს.

HeadHunter-ისა და Mail.ru-ს კვლევის მიხედვით, ყველაზე მოთხოვნადი უნარი არის პითონი. იგი ნახსენებია მონაცემთა მეცნიერის ვაკანსიების 45%-ში და მანქანათმცოდნეობის ვაკანსიების 51%-ში.

დამსაქმებლებს ასევე სურთ, რომ მონაცემთა ანალიტიკოსებმა იცოდნენ SQL (23%), მონაცემთა მოპოვება (19%), მათემატიკური სტატისტიკა (11%) და შეეძლოთ მუშაობა დიდ მონაცემებთან (10%).

დამსაქმებლები, რომლებიც ეძებენ მანქანური სწავლების სპეციალისტებს, ელიან, რომ კანდიდატი პითონის ცოდნის გარდა, ფლობს C++ (18%), SQL (15%), მანქანათმცოდნეობის ალგორითმებს (13%) და Linux-ში (11%).

მაგრამ თუ იუნიორები კარგად ართმევენ თავს ხელსაწყოებს, მაშინ მათი მენეჯერები სხვა პრობლემის წინაშე დგანან. კურსის კურსდამთავრებულთა უმეტესობას არ აქვს პროფესიის ღრმა გაგება, რაც ართულებს დამწყებთათვის წინსვლას.

ამჟამად ვეძებ მანქანათმცოდნეობის სპეციალისტებს, რომლებიც შემოუერთდებიან ჩემს გუნდს. ამავდროულად, მე ვხედავ, რომ კანდიდატები ხშირად ითვისებდნენ მონაცემთა მეცნიერების გარკვეულ ინსტრუმენტებს, მაგრამ მათ არ აქვთ თეორიული საფუძვლების საკმარისად ღრმა გაგება ახალი გადაწყვეტილებების შესაქმნელად.

ემილ მაჰარამოვი
გამოთვლითი ქიმიის სერვისების ჯგუფის ხელმძღვანელი, ბიოკად

კურსების სტრუქტურა და ხანგრძლივობა არ გაძლევთ საშუალებას გაღრმავდეთ საჭირო დონეზე. კურსდამთავრებულებს ხშირად აკლიათ ის ძალიან რბილი უნარები, რომლებიც ჩვეულებრივ გამოტოვებულია ვაკანსიის კითხვისას. მართლაც, ჩვენ შორის ვინ იტყვის, რომ მას არ აქვს სისტემური აზროვნება ან განვითარების სურვილი. თუმცა, მონაცემთა მეცნიერების სპეციალისტთან დაკავშირებით, ჩვენ ვსაუბრობთ უფრო ღრმა ისტორიაზე. აქ, განსავითარებლად, საჭიროა საკმაოდ ძლიერი მიკერძოება თეორიასა და მეცნიერებაში, რაც შესაძლებელია მხოლოდ გრძელვადიანი სწავლით, მაგალითად, უნივერსიტეტში.

ბევრი რამ არის დამოკიდებული ადამიანზე: თუ სამთვიანი ინტენსიური კურსი ძლიერი მასწავლებლებისგან, რომლებსაც აქვთ გამოცდილება, როგორც გუნდური ლიდერები ტოპ კომპანიებში. ”, როგორც მათ თქვეს სკოლაში, მაშინ ასეთ თანამშრომელთან პრობლემები მოგვიანებით იქნება No. მაგრამ ადამიანების 90-95% იმისთვის, რომ რაღაც სამუდამოდ ისწავლოს, ათჯერ მეტი უნდა ისწავლოს და ამას სისტემატურად აკეთოს ზედიზედ რამდენიმე წელი. და ეს ხდის სამაგისტრო პროგრამებს მონაცემთა ანალიზის შესანიშნავ ვარიანტად ცოდნის კარგი საფუძვლის მისაღებად, რომლითაც არ მოგიწევთ გაწითლება გასაუბრებაზე და ბევრად უფრო ადვილი იქნება სამუშაოს შესრულება.

ვიქტორ კანტორი
MTS-ის მთავარი მონაცემთა მეცნიერი

სად ვისწავლოთ სამუშაოს პოვნა მონაცემთა მეცნიერებაში

ბაზარზე ბევრი კარგი მონაცემთა მეცნიერების კურსია და საწყისი განათლების მიღება პრობლემას არ წარმოადგენს. მაგრამ მნიშვნელოვანია გვესმოდეს ამ განათლების აქცენტი. თუ კანდიდატს უკვე აქვს ძლიერი ტექნიკური გამოცდილება, მაშინ მას სჭირდება ინტენსიური კურსები. ადამიანი დაეუფლება ხელსაწყოებს, მოვა ადგილზე და სწრაფად შეეგუება, რადგან უკვე იცის მათემატიკოსივით აზროვნება, პრობლემის დანახვა და ამოცანების ჩამოყალიბება. თუ ასეთი ფონი არ არის, მაშინ კურსის შემდეგ თქვენ იქნებით კარგი შემსრულებელი, მაგრამ ზრდის შეზღუდული შესაძლებლობებით.

თუ პროფესიის შეცვლის ან ამ სპეციალობაში სამსახურის პოვნის მოკლევადიანი ამოცანის წინაშე დგახართ, მაშინ თქვენთვის შესაფერისია რამდენიმე სისტემატური კურსი, რომელიც მოკლეა და სწრაფად უზრუნველყოფს ტექნიკური უნარების მინიმალურ კომპლექტს, რათა შეძლოთ კვალიფიკაცია. საწყისი დონის პოზიცია ამ სფეროში.

ივან იამშჩიკოვი
ონლაინ სამაგისტრო პროგრამის „მონაცემთა მეცნიერება“ აკადემიური დირექტორი

კურსების პრობლემა არის ზუსტად ის, რომ ისინი უზრუნველყოფენ სწრაფ, მაგრამ მინიმალურ აჩქარებას. ადამიანი ფაქტიურად მიფრინავს პროფესიაში და სწრაფად აღწევს ჭერს. იმისთვის, რომ პროფესიაში დიდი ხნით შეხვიდეთ, დაუყოვნებლივ უნდა ჩაუყაროთ კარგი საფუძველი გრძელვადიანი პროგრამის სახით, მაგალითად, მაგისტრატურაში.

უმაღლესი განათლება შესაფერისია, როცა ხვდები, რომ ეს სფერო გრძელვადიან პერსპექტივაში გაინტერესებს. თქვენ არ გაქვთ სურვილი, რაც შეიძლება მალე მიხვიდეთ სამსახურში. და თქვენ არ გსურთ გქონდეთ კარიერული ჭერი; ასევე არ გსურთ შეხვდეთ ცოდნის, უნარების ნაკლებობის პრობლემას, ზოგადი ეკოსისტემის არ გაგების პრობლემას, რომლის დახმარებითაც ვითარდება ინოვაციური პროდუქტები. ამისთვის გჭირდებათ უმაღლესი განათლება, რომელიც არა მხოლოდ ავითარებს საჭირო ტექნიკურ უნარ-ჩვევებს, არამედ სხვაგვარად აგებს შენს აზროვნებას და გეხმარება გრძელვადიან პერსპექტივაში კარიერის გარკვეული ხედვის ჩამოყალიბებაში.

ივან იამშჩიკოვი
ონლაინ სამაგისტრო პროგრამის „მონაცემთა მეცნიერება“ აკადემიური დირექტორი

კარიერული ჭერის არარსებობა სამაგისტრო პროგრამის მთავარი უპირატესობაა. ორ წელიწადში სპეციალისტი იღებს ძლიერ თეორიულ ბაზას. ასე გამოიყურება NUST MISIS-ის მონაცემთა მეცნიერების პროგრამის პირველი სემესტრი:

• შესავალი მონაცემთა მეცნიერებაში. 2 კვირა.
• მონაცემთა ანალიზის საფუძვლები. მონაცემთა დამუშავება. 2 კვირა
• მანქანათმცოდნეობა. მონაცემთა წინასწარი დამუშავება. 2 კვირა
• EDA. დაზვერვის მონაცემების ანალიზი. 3 კვირა
• მანქანური სწავლების ძირითადი ალგორითმები. Ch1 + Ch2 (6 კვირა)

ამავდროულად, შეგიძლიათ ერთდროულად მიიღოთ პრაქტიკული გამოცდილება სამსახურში. არაფერი გიშლის ხელს უმცროსი თანამდებობის დაკავებაში, როგორც კი მოსწავლე დაეუფლება საჭირო ინსტრუმენტებს. მაგრამ, კურსის კურსდამთავრებულებისგან განსხვავებით, მაგისტრატურა იქ არ წყვეტს სწავლას, არამედ აგრძელებს პროფესიაში ღრმად შეღწევას. მომავალში, ეს საშუალებას გაძლევთ განავითაროთ მონაცემთა მეცნიერებაში შეზღუდვების გარეშე.

მეცნიერებისა და ტექნოლოგიების უნივერსიტეტის "MISiS"-ის ვებგვერდზე ღია კარის დღეები და ვებინარები მათთვის, ვისაც სურს მუშაობა მონაცემთა მეცნიერებაში. NUST MISIS-ის, SkillFactory-ის, HeadHunter-ის, Facebook-ის, Mail.ru Group-ისა და Yandex-ის წარმომადგენლები, მე გეტყვით ყველაზე მნიშვნელოვან საკითხებზე:

• "როგორ მოვძებნოთ თქვენი ადგილი მონაცემთა მეცნიერებაში?",
• "შესაძლებელია თუ არა ნულიდან გახდე მონაცემთა მეცნიერი?"
• ”ანუ მონაცემთა მეცნიერების საჭიროება კვლავ იარსებებს 2-5 წელიწადში?”
• "რა პრობლემებზე მუშაობენ მონაცემთა მეცნიერები?"
• "როგორ ავაშენოთ კარიერა მონაცემთა მეცნიერებაში?"

ონლაინ ტრენინგი, საჯარო განათლების დიპლომი. განაცხადები პროგრამისთვის მიღებულია სანამ 10 აგვისტო.

წყარო: www.habr.com