ការចាប់ផ្តើមលឿននិងពិដានទាប។ អ្វីដែលកំពុងរង់ចាំអ្នកជំនាញវិទ្យាសាស្ត្រទិន្នន័យវ័យក្មេងនៅលើទីផ្សារការងារ

យោងតាមការស្រាវជ្រាវដោយ HeadHunter និង Mail.ru តម្រូវការសម្រាប់អ្នកឯកទេសក្នុងវិស័យវិទ្យាសាស្ត្រទិន្នន័យលើសពីការផ្គត់ផ្គង់ប៉ុន្តែទោះបីជាយ៉ាងណាក៏ដោយអ្នកឯកទេសវ័យក្មេងមិនតែងតែគ្រប់គ្រងដើម្បីស្វែងរកការងារនោះទេ។ យើងប្រាប់អ្នកថា តើនិស្សិតបញ្ចប់ការសិក្សាមុខវិជ្ជាណាខ្លះដែលបាត់ខ្លួន និងកន្លែងដែលត្រូវសិក្សាសម្រាប់អ្នកដែលកំពុងរៀបចំផែនការអាជីពធំនៅក្នុង Data Science ។

"ពួកគេមកគិតថាឥឡូវនេះពួកគេនឹងរកបាន 500k ក្នុងមួយវិនាទីព្រោះពួកគេស្គាល់ឈ្មោះនៃក្របខ័ណ្ឌនិងរបៀបដំណើរការគំរូពីពួកគេជាពីរជួរ"

Emil Maharramov គាត់ដឹកនាំក្រុមសេវាកម្មគីមីវិទ្យានៅ biocad ហើយក្នុងអំឡុងពេលសម្ភាសន៍គាត់ត្រូវប្រឈមមុខនឹងការពិតដែលថាបេក្ខជនមិនមានការយល់ដឹងជាប្រព័ន្ធអំពីវិជ្ជាជីវៈ។ ពួកគេបញ្ចប់វគ្គសិក្សា ដោយភ្ជាប់មកជាមួយ Python និង SQL ដែលបានទទួលការបណ្តុះបណ្តាលយ៉ាងល្អ អាចដំឡើង Hadoop ឬ Spark ក្នុងរយៈពេល 2 វិនាទី និងបញ្ចប់កិច្ចការមួយដោយយោងតាមការបញ្ជាក់ច្បាស់លាស់។ ប៉ុន្តែ​ទន្ទឹម​នឹង​នេះ​ក៏​លែង​មាន​ជំហាន​ទៅ​ខាង​ទៀត​ដែរ។ ទោះបីជាវាមានភាពបត់បែនក្នុងដំណោះស្រាយដែលនិយោជករំពឹងពីអ្នកឯកទេសវិទ្យាសាស្ត្រទិន្នន័យរបស់ពួកគេ។

អ្វីដែលកំពុងកើតឡើងនៅក្នុងទីផ្សារវិទ្យាសាស្ត្រទិន្នន័យ

សមត្ថភាពរបស់អ្នកឯកទេសវ័យក្មេងឆ្លុះបញ្ចាំងពីស្ថានភាពនៅក្នុងទីផ្សារការងារ។ នៅទីនេះ តម្រូវការលើសពីការផ្គត់ផ្គង់ ដូច្នេះនិយោជកដែលអស់សង្ឃឹម តែងតែត្រៀមខ្លួនរួចរាល់ហើយ ដើម្បីជួលអ្នកឯកទេសបៃតងទាំងស្រុង ហើយបណ្តុះបណ្តាលពួកគេសម្រាប់ខ្លួនពួកគេ។ ជម្រើសនេះដំណើរការ ប៉ុន្តែគឺសមរម្យប្រសិនបើក្រុមមានអ្នកដឹកនាំក្រុមដែលមានបទពិសោធន៍រួចហើយ ដែលនឹងទទួលការបណ្តុះបណ្តាលយុវជន។

យោងតាមការស្រាវជ្រាវដោយ HeadHunter និង Mail.ru អ្នកឯកទេសវិភាគទិន្នន័យគឺស្ថិតក្នុងចំណោមតម្រូវការបំផុតនៅលើទីផ្សារ៖

• ក្នុងឆ្នាំ 2019 មានកន្លែងទំនេរច្រើនជាង 9,6 ដងនៅក្នុងផ្នែកនៃការវិភាគទិន្នន័យ និង 7,2 ដងក្នុងវិស័យ machine learning ច្រើនជាងឆ្នាំ 2015 ។
• បើប្រៀបធៀបទៅនឹងឆ្នាំ 2018 ចំនួនទំនេរសម្រាប់អ្នកឯកទេសវិភាគទិន្នន័យបានកើនឡើង 1,4 ដង និងសម្រាប់អ្នកជំនាញការរៀនម៉ាស៊ីន 1,3 ដង។
• 38% នៃការងារទំនេរគឺនៅក្នុងក្រុមហ៊ុន IT, 29% នៅក្នុងក្រុមហ៊ុនផ្នែកហិរញ្ញវត្ថុ និង 9% នៅក្នុងសេវាកម្មអាជីវកម្ម។

ស្ថានភាពនេះត្រូវបានជំរុញដោយសាលាអនឡាញជាច្រើនដែលបណ្តុះបណ្តាលសិស្សវ័យក្មេងដូចគ្នា។ ជាទូទៅ ការបណ្តុះបណ្តាលមានរយៈពេលពី XNUMX ទៅ XNUMX ខែ ក្នុងអំឡុងពេលដែលសិស្សអាចគ្រប់គ្រងឧបករណ៍សំខាន់ៗក្នុងកម្រិតមូលដ្ឋានមួយ៖ Python, SQL, ការវិភាគទិន្នន័យ, Git និង Linux ។ លទ្ធផលគឺក្មេងបុរាណ៖ គាត់អាចដោះស្រាយបញ្ហាជាក់លាក់មួយ ប៉ុន្តែនៅតែមិនអាចយល់ពីបញ្ហា និងបង្កើតបញ្ហាដោយខ្លួនឯងបាន។ ទោះជាយ៉ាងណាក៏ដោយ តម្រូវការខ្ពស់សម្រាប់អ្នកឯកទេស និងការឃោសនាបំផ្លើសជុំវិញវិជ្ជាជីវៈនេះ ជារឿយៗធ្វើឱ្យមានមហិច្ឆតាខ្ពស់ និងតម្រូវការប្រាក់ខែ។

ជាអកុសល ការសំភាសន៍នៅក្នុង Data Science ឥឡូវនេះជាធម្មតាមើលទៅដូចនេះ៖ បេក្ខជននិយាយថាគាត់បានព្យាយាមប្រើបណ្ណាល័យពីរបី មិនអាចឆ្លើយសំណួរអំពីរបៀបដែលក្បួនដោះស្រាយដំណើរការបានពិតប្រាកដ បន្ទាប់មកសុំប្រាក់ 200, 300, 400 ពាន់រូប្លិ៍ក្នុងមួយខែនៅក្នុងដៃ។

ដោយសារតែពាក្យស្លោកផ្សាយពាណិជ្ជកម្មមួយចំនួនធំដូចជា "អ្នកណាក៏អាចក្លាយជាអ្នកវិភាគទិន្នន័យបាន" "ការរៀនម៉ាស៊ីនមេក្នុងរយៈពេលបីខែ ហើយចាប់ផ្តើមរកលុយបានច្រើន" និងការស្រេកឃ្លានចង់បានលុយលឿន ស្ទ្រីមដ៏ធំនៃបេក្ខភាពកំពូលបានចាក់ចូលទៅក្នុងរបស់យើង វាលដោយគ្មានការបណ្តុះបណ្តាលជាប្រព័ន្ធ។

Victor Kantor
ប្រធានអ្នកវិទ្យាសាស្ត្រទិន្នន័យនៅ MTS

តើនិយោជកកំពុងរង់ចាំអ្នកណា?

និយោជកណាមួយចង់ឱ្យកូនតូចរបស់ខ្លួនធ្វើការដោយគ្មានការត្រួតពិនិត្យជាប្រចាំ និងអាចអភិវឌ្ឍក្រោមការដឹកនាំរបស់ប្រធានក្រុម។ ដើម្បីធ្វើដូច្នេះ អ្នកចាប់ផ្តើមដំបូងត្រូវតែមានឧបករណ៍ចាំបាច់ភ្លាមៗដើម្បីដោះស្រាយបញ្ហាបច្ចុប្បន្ន ហើយមានមូលដ្ឋានទ្រឹស្តីគ្រប់គ្រាន់ដើម្បីស្នើដំណោះស្រាយរបស់ពួកគេបន្តិចម្តងៗ និងដោះស្រាយបញ្ហាស្មុគស្មាញបន្ថែមទៀត។

អ្នកថ្មីនៅលើទីផ្សារកំពុងធ្វើបានយ៉ាងល្អជាមួយនឹងឧបករណ៍របស់ពួកគេ។ វគ្គសិក្សារយៈពេលខ្លីអនុញ្ញាតឱ្យអ្នកធ្វើជាម្ចាស់វាយ៉ាងរហ័ស ហើយចូលធ្វើការ។

យោងតាមការស្រាវជ្រាវដោយ HeadHunter និង Mail.ru ជំនាញដែលត្រូវការបំផុតគឺ Python ។ វាត្រូវបានលើកឡើងនៅក្នុង 45% នៃដំណឹងជ្រើសរើសបុគ្គលិកផ្នែកទិន្នន័យ និង 51% នៃដំណឹងជ្រើសរើសបុគ្គលិក។

និយោជកក៏ចង់ឱ្យអ្នកវិភាគទិន្នន័យស្គាល់ SQL (23%) ការជីកយករ៉ែទិន្នន័យ (19%) ស្ថិតិគណិតវិទ្យា (11%) និងអាចធ្វើការជាមួយទិន្នន័យធំ (10%) ។

និយោជកដែលកំពុងស្វែងរកអ្នកជំនាញការរៀនម៉ាស៊ីនរំពឹងថាបេក្ខជននឹងជំនាញ C++ (18%), SQL (15%), machine learning algorithms (13%) និង Linux (11%) បន្ថែមពីលើចំណេះដឹងអំពី Python ។

ប៉ុន្តែប្រសិនបើយុវជនធ្វើបានល្អជាមួយឧបករណ៍ នោះអ្នកគ្រប់គ្រងរបស់ពួកគេត្រូវប្រឈមមុខនឹងបញ្ហាមួយទៀត។ និស្សិតបញ្ចប់ការសិក្សាភាគច្រើនមិនមានការយល់ដឹងជ្រៅជ្រះអំពីវិជ្ជាជីវៈនេះទេ ធ្វើឱ្យពិបាកសម្រាប់អ្នកចាប់ផ្តើមដំបូងដើម្បីរីកចម្រើន។

បច្ចុប្បន្នខ្ញុំកំពុងស្វែងរកអ្នកជំនាញការរៀនម៉ាស៊ីនដើម្បីចូលរួមក្រុមរបស់ខ្ញុំ។ ក្នុងពេលជាមួយគ្នានេះ ខ្ញុំឃើញថាបេក្ខជនតែងតែស្ទាត់ជំនាញឧបករណ៍វិទ្យាសាស្ត្រទិន្នន័យមួយចំនួន ប៉ុន្តែពួកគេមិនមានការយល់ដឹងស៊ីជម្រៅគ្រប់គ្រាន់អំពីមូលដ្ឋានគ្រឹះទ្រឹស្តីដើម្បីបង្កើតដំណោះស្រាយថ្មីៗ។

Emil Maharramov
ប្រធានផ្នែកសេវាកម្មគីមីវិទ្យាគណនា Biocad

រចនាសម្ព័ន្ធ និងរយៈពេលនៃវគ្គសិក្សាមិនអនុញ្ញាតឱ្យអ្នកចូលជ្រៅទៅកម្រិតដែលត្រូវការនោះទេ។ និស្សិតបញ្ចប់ការសិក្សាជារឿយៗខ្វះជំនាញទន់ទាំងនោះ ដែលជាធម្មតាត្រូវបានខកខានពេលអានកន្លែងទំនេរការងារ។ ជាការប្រសើរណាស់ អ្នកណាក្នុងចំណោមពួកយើងនឹងនិយាយថាគាត់មិនមានការគិតជាប្រព័ន្ធ ឬចង់អភិវឌ្ឍ។ ទោះជាយ៉ាងណាក៏ដោយ ទាក់ទងទៅនឹងអ្នកជំនាញផ្នែកវិទ្យាសាស្ត្រទិន្នន័យ យើងកំពុងនិយាយអំពីរឿងកាន់តែស៊ីជម្រៅ។ នៅទីនេះ ដើម្បីអភិវឌ្ឍ អ្នកត្រូវការភាពលំអៀងដ៏រឹងមាំមួយនៅក្នុងទ្រឹស្តី និងវិទ្យាសាស្ត្រ ដែលអាចធ្វើទៅបានតែតាមរយៈការសិក្សារយៈពេលវែង ជាឧទាហរណ៍ នៅសាកលវិទ្យាល័យ។

ភាគច្រើនអាស្រ័យលើបុគ្គល៖ ប្រសិនបើវគ្គសិក្សាដែលពឹងផ្អែកខ្លាំងរយៈពេលបីខែពីគ្រូខ្លាំងៗដែលមានបទពិសោធន៍ជាក្រុមដឹកនាំនៅក្នុងក្រុមហ៊ុនកំពូលៗត្រូវបានបញ្ចប់ដោយសិស្សដែលមានប្រវត្តិល្អក្នុងគណិតវិទ្យា និងការសរសេរកម្មវិធី ស្វែងយល់ពីសម្ភារៈសិក្សាទាំងអស់ ហើយ "ស្រូបដូចអេប៉ុង។ ដូច​ដែល​ពួក​គេ​បាន​និយាយ​នៅ​សាលា​នឹង​មាន​បញ្ហា​ជាមួយ​បុគ្គលិក​បែប​នេះ​នៅ​ពេល​ក្រោយ​ទេ។ ប៉ុន្តែ 90-95% នៃមនុស្ស ដើម្បីរៀនអ្វីមួយជារៀងរហូត ត្រូវរៀនដប់ដងបន្ថែមទៀត ហើយធ្វើវាជាប្រព័ន្ធក្នុងរយៈពេលជាច្រើនឆ្នាំជាប់ៗគ្នា។ ហើយនេះធ្វើឱ្យកម្មវិធីរបស់អនុបណ្ឌិតក្នុងការវិភាគទិន្នន័យជាជម្រើសដ៏ល្អមួយ ដើម្បីទទួលបានចំណេះដឹងដ៏ល្អមួយ ដែលអ្នកមិនចាំបាច់ព្រឺសម្បុរនៅពេលសម្ភាសន៍ ហើយវានឹងកាន់តែងាយស្រួលក្នុងការធ្វើការងារ។

Victor Kantor
ប្រធានអ្នកវិទ្យាសាស្ត្រទិន្នន័យនៅ MTS

កន្លែងដែលត្រូវសិក្សាដើម្បីស្វែងរកការងារនៅក្នុង Data Science

មានវគ្គសិក្សា Data Science ល្អៗជាច្រើននៅលើទីផ្សារ ហើយការទទួលបានការអប់រំដំបូងមិនមែនជាបញ្ហានោះទេ។ ប៉ុន្តែ​វា​ជា​ការ​សំខាន់​ក្នុង​ការ​យល់​ពី​ការ​ផ្តោត​អារម្មណ៍​នៃ​ការ​អប់រំ​នេះ។ ប្រសិនបើបេក្ខជនមានប្រវត្តិបច្ចេកទេសខ្លាំងរួចហើយ វគ្គសិក្សាដែលពឹងផ្អែកខ្លាំងគឺជាអ្វីដែលពួកគេត្រូវការ។ មនុស្សម្នាក់នឹងស្ទាត់ជំនាញឧបករណ៍ មកដល់កន្លែង ហើយឆាប់ប្រើវា ព្រោះគាត់ចេះគិតដូចអ្នកគណិតវិទ្យា ឃើញបញ្ហា និងបង្កើតបញ្ហារួចហើយ។ ប្រសិនបើមិនមានប្រវត្តិបែបនេះទេ នោះបន្ទាប់ពីវគ្គបណ្តុះបណ្តាល អ្នកនឹងក្លាយជាអ្នកសំដែងដ៏ល្អម្នាក់ ប៉ុន្តែមានឱកាសមានកម្រិតសម្រាប់ការលូតលាស់។

ប្រសិនបើអ្នកប្រឈមមុខនឹងការងាររយៈពេលខ្លីនៃការផ្លាស់ប្តូរវិជ្ជាជីវៈ ឬស្វែងរកការងារនៅក្នុងជំនាញពិសេសនេះ នោះវគ្គសិក្សាជាប្រព័ន្ធមួយចំនួនគឺសមរម្យសម្រាប់អ្នក ដែលមានរយៈពេលខ្លី និងឆាប់រហ័សផ្តល់នូវសំណុំជំនាញបច្ចេកទេសអប្បបរមា ដូច្នេះអ្នកអាចមានលក្ខណៈសម្បត្តិគ្រប់គ្រាន់សម្រាប់ ទីតាំងកម្រិតធាតុនៅក្នុងវាលនេះ។

លោក Ivan Yamshchikov
នាយកសិក្សានៃកម្មវិធីអនុបណ្ឌិតអនឡាញ "វិទ្យាសាស្ត្រទិន្នន័យ"

បញ្ហាជាមួយវគ្គសិក្សាគឺច្បាស់ណាស់ថាពួកគេផ្តល់ការបង្កើនល្បឿនលឿន ប៉ុន្តែតិចតួចបំផុត។ មនុស្សម្នាក់ហោះហើរចូលទៅក្នុងវិជ្ជាជីវៈហើយយ៉ាងលឿនឈានដល់ពិដាន។ ដើម្បីចូលទៅក្នុងវិជ្ជាជីវៈសម្រាប់រយៈពេលដ៏យូរមួយអ្នកត្រូវដាក់គ្រឹះដ៏ល្អភ្លាមៗក្នុងទម្រង់នៃកម្មវិធីរយៈពេលវែងឧទាហរណ៍ថ្នាក់អនុបណ្ឌិត។

ការអប់រំឧត្តមសិក្សាគឺសមរម្យនៅពេលដែលអ្នកយល់ថាវិស័យនេះចាប់អារម្មណ៍អ្នករយៈពេលវែង។ អ្នក​មិន​ចង់​ទៅ​ធ្វើ​ការ​ឲ្យ​បាន​ឆាប់​តាម​ដែល​អាច​ធ្វើ​ទៅ​បាន។ ហើយ​អ្នក​មិន​ចង់​មាន​អាជីព​ការងារ​ទេ អ្នក​ក៏​មិន​ចង់​ប្រឈមមុខ​នឹង​បញ្ហា​កង្វះ​ចំណេះដឹង ជំនាញ កង្វះ​ការយល់ដឹង​អំពី​ប្រព័ន្ធ​អេកូឡូស៊ី​ទូទៅ​ដោយ​មាន​ជំនួយ​ពី​ផលិតផល​ប្រកបដោយ​ភាពច្នៃប្រឌិត​ត្រូវបាន​បង្កើត​ឡើង។ សម្រាប់បញ្ហានេះ អ្នកត្រូវការការអប់រំខ្ពស់ ដែលមិនត្រឹមតែបង្កើតនូវជំនាញបច្ចេកទេសចាំបាច់ប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងរៀបចំរចនាសម្ព័ន្ធការគិតរបស់អ្នកខុសគ្នា និងជួយអ្នកបង្កើតទស្សនៈវិស័យខ្លះនៃអាជីពរបស់អ្នកសម្រាប់រយៈពេលយូរ។

លោក Ivan Yamshchikov
នាយកសិក្សានៃកម្មវិធីអនុបណ្ឌិតអនឡាញ "វិទ្យាសាស្ត្រទិន្នន័យ"

អវត្ដមាននៃពិដានអាជីពគឺជាអត្ថប្រយោជន៍ចម្បងនៃកម្មវិធីអនុបណ្ឌិត។ ក្នុងរយៈពេលពីរឆ្នាំ អ្នកឯកទេសទទួលបានមូលដ្ឋានទ្រឹស្តីដ៏មានឥទ្ធិពល។ នេះជាអ្វីដែលឆមាសទីមួយក្នុងកម្មវិធី Data Science នៅ NUST MISIS មើលទៅដូច៖

• ការណែនាំអំពីវិទ្យាសាស្ត្រទិន្នន័យ។ 2 ស​ប្ដា​ហ៏។
• មូលដ្ឋានគ្រឹះនៃការវិភាគទិន្នន័យ។ ដំណើរការទិន្នន័យ។ 2 ស​ប្ដា​ហ៏
• ការរៀនម៉ាស៊ីន។ ដំណើរការទិន្នន័យជាមុន។ 2 ស​ប្ដា​ហ៏
• EDA ។ ការវិភាគទិន្នន័យឆ្លាតវៃ។ 3 សប្តាហ៍
• ក្បួនដោះស្រាយការរៀនម៉ាស៊ីនមូលដ្ឋាន។ Ch1 + Ch2 (6 សប្តាហ៍)

ក្នុងពេលដំណាលគ្នាអ្នកអាចទទួលបានបទពិសោធន៍ជាក់ស្តែងនៅកន្លែងធ្វើការក្នុងពេលដំណាលគ្នា។ មិនមានអ្វីរារាំងអ្នកពីការទទួលបានមុខតំណែងជាក្មេងទេ ដរាបណាសិស្សបានស្ទាត់ជំនាញឧបករណ៍ចាំបាច់។ ប៉ុន្តែ មិនដូចនិស្សិតបញ្ចប់ការសិក្សាទេ ថ្នាក់អនុបណ្ឌិតមិនបញ្ឈប់ការសិក្សារបស់គាត់នៅទីនោះទេ ប៉ុន្តែបន្តស្វែងយល់កាន់តែស៊ីជម្រៅទៅក្នុងវិជ្ជាជីវៈ។ នៅពេលអនាគត នេះអនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍនៅក្នុង Data Science ដោយមិនមានការរឹតបន្តឹង។

នៅលើគេហទំព័ររបស់សាកលវិទ្យាល័យវិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យា "MISiS" ថ្ងៃបើក និងសិក្ខាសាលា សម្រាប់អ្នកចង់ធ្វើការផ្នែក Data Science។ អ្នកតំណាងរបស់ NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group និង Yandex ខ្ញុំនឹងប្រាប់អ្នកអំពីអ្វីដែលសំខាន់បំផុត៖

• "តើធ្វើដូចម្តេចដើម្បីស្វែងរកកន្លែងរបស់អ្នកនៅក្នុង Data Science?",
• "តើវាអាចទៅរួចទេក្នុងការក្លាយជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យពីដំបូង?",
• "តើតម្រូវការសម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យនៅតែមានក្នុងរយៈពេល 2-5 ឆ្នាំ?"
• "តើអ្នកវិទ្យាសាស្ត្រទិន្នន័យធ្វើការលើបញ្ហាអ្វីខ្លះ?"
• "តើធ្វើដូចម្តេចដើម្បីកសាងអាជីពនៅក្នុង Data Science?"

ការបណ្តុះបណ្តាលតាមអ៊ីនធឺណិត សញ្ញាប័ត្រអប់រំសាធារណៈ។ កម្មវិធីសម្រាប់កម្មវិធី ទទួលយករហូតដល់ 10 សីហា.

ប្រភព: www.habr.com