빠른 시작과 낮은 천장. 노동 시장의 젊은 데이터 과학 전문가를 기다리는 것은 무엇입니까?

HeadHunter와 Mail.ru의 연구에 따르면 데이터 과학 분야 전문가에 대한 수요가 공급을 초과하지만 그럼에도 불구하고 젊은 전문가가 항상 일자리를 찾는 것은 아닙니다. 데이터사이언스 분야에서 큰 진로를 계획하고 있는 분들을 위해 졸업생들이 놓치고 있는 과목은 무엇인지, 어디서 공부해야 하는지 알려드립니다.

"그들은 프레임워크의 이름과 두 줄로 프레임워크에서 모델을 실행하는 방법을 알고 있기 때문에 이제 초당 500을 벌 것이라고 생각합니다."

에밀 마하라모프 그는 biocad에서 컴퓨터 화학 서비스 그룹을 이끌고 있으며 인터뷰 중에 후보자들이 직업에 대한 체계적인 이해가 없다는 사실에 직면했습니다. 교육 과정을 완료하고, 잘 훈련된 Python 및 SQL이 제공되며, Hadoop 또는 Spark를 2초 안에 설치하고, 명확한 사양에 따라 작업을 완료할 수 있습니다. 그러나 동시에 더 이상 옆으로 나아갈 수 없습니다. 고용주가 데이터 과학 전문가에게 기대하는 것은 솔루션의 유연성이지만.

데이터 사이언스 시장에서는 무슨 일이 일어나고 있는가?

젊은 전문가의 역량은 노동시장 상황을 반영한다. 여기에서는 수요가 공급을 크게 초과하므로 절박한 고용주는 종종 완전히 친환경 전문가를 고용하고 스스로 교육할 준비가 되어 있습니다. 이 옵션은 효과가 있지만 팀에 후배 훈련을 맡을 숙련된 팀 리더가 이미 있는 경우에만 적합합니다.

HeadHunter와 Mail.ru의 조사에 따르면 데이터 분석 전문가는 시장에서 가장 수요가 많은 인력 중 하나입니다.

• 2019년에는 9,6년 대비 데이터분석 분야 채용인원이 7,2배, 머신러닝 분야 채용인원이 2015배 늘어났습니다.
• 2018년 대비 데이터분석 전문가 채용은 1,4배, 머신러닝 전문가 채용은 1,3배 증가했다.
• 공석 중 38%는 IT 기업, 29%는 금융 부문 기업, 9%는 비즈니스 서비스 부문에 있습니다.

이러한 상황은 동일한 후배를 교육하는 수많은 온라인 학교로 인해 더욱 악화되고 있습니다. 기본적으로 교육은 XNUMX개월에서 XNUMX개월 동안 지속되며, 이 기간 동안 학생들은 Python, SQL, 데이터 분석, Git 및 Linux와 같은 기본 수준의 주요 도구를 마스터할 수 있습니다. 결과는 고전적인 후배입니다. 그는 특정 문제를 해결할 수 있지만 여전히 문제를 이해하고 스스로 문제를 공식화할 수 없습니다. 그러나 전문가에 대한 높은 수요와 해당 직업에 대한 과대광고로 인해 종종 높은 야망과 급여 요구 사항이 발생합니다.

불행하게도 데이터 과학의 인터뷰는 일반적으로 다음과 같습니다. 후보자는 몇 개의 라이브러리를 사용하려고 시도했지만 알고리즘이 정확히 어떻게 작동하는지에 대한 질문에 답할 수 없다고 말한 다음 한 달에 200, 300, 400 루블을 요구합니다.

“누구나 데이터 분석가가 될 수 있다”, “XNUMX개월 안에 머신러닝을 마스터하고 돈을 많이 벌 수 있다”와 같은 수많은 광고 슬로건과 빠른 돈에 대한 갈증으로 인해 피상적인 후보자들이 엄청나게 쏟아져 나왔습니다. 체계적인 훈련이 전혀 없는 분야.

빅터 캔터
MTS의 수석 데이터 과학자

고용주는 누구를 기다리고 있습니까?

고용주라면 누구나 후배들이 끊임없는 감독 없이 일하고, 팀장의 지도 하에 발전할 수 있기를 바랍니다. 이를 위해 초보자는 현재의 문제를 해결하는 데 필요한 도구를 즉시 보유해야 하며, 점차적으로 자신의 솔루션을 제안하고 보다 복잡한 문제에 접근할 수 있는 충분한 이론적 기반을 갖추어야 합니다.

시장에 나온 초보자들은 도구를 아주 잘 사용하고 있습니다. 단기 과정을 통해 빠르게 숙달하고 업무에 착수할 수 있습니다.

HeadHunter와 Mail.ru의 연구에 따르면 가장 수요가 많은 기술은 Python입니다. 이는 데이터 과학자 공석의 45%, 머신러닝 공석의 51%에서 언급됩니다.

고용주는 또한 데이터 분석가가 SQL(23%), 데이터 마이닝(19%), 수학적 통계(11%)를 알고 빅 데이터 작업(10%)을 할 수 있기를 원합니다.

기계 학습 전문가를 찾는 고용주는 지원자가 Python에 대한 지식 외에도 C++(18%), SQL(15%), 기계 학습 알고리즘(13%) 및 Linux(11%)에 능숙할 것으로 기대합니다.

하지만 후배들이 도구를 잘 활용한다면 관리자들은 또 다른 문제에 직면하게 된다. 대부분의 과정 졸업생은 직업에 대한 깊은 이해가 없기 때문에 초보자가 발전하기가 어렵습니다.

저는 현재 팀에 합류할 머신러닝 전문가를 찾고 있습니다. 동시에, 후보자들은 종종 특정 데이터 과학 도구를 숙달했지만 새로운 솔루션을 만들기 위한 이론적 기초에 대한 깊은 이해가 부족한 경우가 많습니다.

에밀 마하라모프
Biocad 전산화학 서비스 그룹 책임자

코스의 구조와 기간으로 인해 필요한 수준까지 더 깊이 들어갈 수는 없습니다. 졸업생들은 채용 공고를 읽을 때 일반적으로 놓치는 매우 부드러운 기술이 부족한 경우가 많습니다. 글쎄요, 실제로 우리 중 누가 자신에게 시스템적 사고나 발전하려는 욕구가 없다고 말할 수 있습니까? 하지만 데이터 사이언스 전문가와 관련해서는 좀 더 깊은 이야기를 하고 있다. 여기에서 발전하려면 이론과 과학에 대한 상당히 강한 편견이 필요합니다. 이는 예를 들어 대학에서의 장기 연구를 통해서만 가능합니다.

사람에 따라 많은 것이 달라집니다. 일류 기업에서 팀 리더로 활동한 경험이 있는 유능한 교사가 진행하는 90개월 집중 과정을 수학과 프로그래밍에 대한 배경 지식이 풍부한 학생이 완료하면 모든 과정 자료를 자세히 살펴보고 "스펀지처럼 흡수됩니다" ”라고 학교에서 말한 것처럼 나중에 그런 직원에게 문제가 생길 것입니다. 하지만 95~XNUMX%의 사람들은 무언가를 영원히 배우기 위해서는 XNUMX배 더 배워야 하고, 몇 년 동안 체계적으로 해야 합니다. 그리고 이로 인해 데이터 분석 석사 프로그램은 좋은 지식 기반을 얻을 수 있는 훌륭한 선택이 되며, 인터뷰에서 얼굴을 붉힐 필요가 없고 업무를 수행하는 것이 훨씬 더 쉬워질 것입니다.

빅터 캔터
MTS의 수석 데이터 과학자

데이터 과학 분야에서 일자리를 찾기 위해 공부할 곳

시중에는 좋은 데이터 과학 과정이 많이 있으며 초기 교육을 받는 것은 문제가 되지 않습니다. 그러나 이 교육의 초점을 이해하는 것이 중요합니다. 후보자가 이미 강력한 기술 배경을 갖고 있다면 집중 과정이 필요합니다. 사람은 도구를 익히고 현장에 와서 빨리 익숙해집니다. 왜냐하면 그는 이미 수학자처럼 생각하고 문제를 보고 문제를 공식화하는 방법을 알고 있기 때문입니다. 그러한 배경이 없다면, 과정을 마친 후에는 훌륭한 성과를 거두게 되지만 성장할 수 있는 기회는 제한됩니다.

직업을 바꾸거나 이 전문 분야에서 일자리를 찾는 단기적인 작업에 직면한 경우, 일부 체계적인 과정이 귀하에게 적합합니다. 이 과정은 귀하가 자격을 얻을 수 있도록 최소한의 기술적 능력을 짧고 빠르게 제공합니다. 이 분야의 초급 위치.

이반 얌시코프
온라인 석사과정 '데이터사이언스' 학과장

코스의 문제는 정확하게 빠르지만 최소한의 가속을 제공한다는 것입니다. 사람은 말 그대로 직업으로 날아가서 빠르게 천장에 도달합니다. 오랫동안 직업에 종사하려면 석사 학위와 같은 장기 프로그램 형태로 즉시 좋은 기반을 마련해야 합니다.

고등 교육은 이 분야가 장기적으로 관심을 갖는다는 것을 이해할 때 적합합니다. 당신은 가능한 한 빨리 직장에 가고 싶어하지 않습니다. 그리고 경력 상한선을 원하지 않으며, 혁신적인 제품이 개발되는 데 도움이 되는 일반적인 생태계에 대한 지식, 기술 부족, 이해 부족 문제에 직면하고 싶지도 않습니다. 이를 위해서는 필요한 기술적 능력을 개발할 뿐만 아니라 사고를 다르게 구성하고 장기적인 경력에 대한 비전을 형성하는 데 도움이 되는 고등 교육이 필요합니다.

이반 얌시코프
온라인 석사과정 '데이터사이언스' 학과장

경력 한도가 없다는 것이 석사 프로그램의 주요 장점입니다. XNUMX년 안에 전문가는 강력한 이론적 기반을 얻게 됩니다. NUST MISIS의 데이터 과학 프로그램 첫 학기는 다음과 같습니다.

• 데이터 과학 소개. 이주.
• 데이터 분석의 기초. 데이터 처리. 이주
• 기계 학습. 데이터 전처리. 이주
• EDA. 지능 데이터 분석. 3 주
• 기본 기계 학습 알고리즘. Ch1 + Ch2 (6주)

동시에 직장에서의 실무 경험도 동시에 얻을 수 있습니다. 학생이 필요한 도구를 익히자마자 후배 자리를 얻는 데 방해가 되는 것은 없습니다. 그러나 과정 졸업자와 달리 석사 학위는 학업을 중단하지 않고 계속해서 직업에 대해 더 깊이 탐구합니다. 앞으로는 이를 통해 제한 없이 데이터 과학 분야에서 개발할 수 있습니다.

이공과대학 홈페이지 'MISiS'에서 공개일 및 웹 세미나 데이터사이언스 분야에서 일하고 싶은 분들을 위해 NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group 및 Yandex의 대표자들이 가장 중요한 사항에 대해 말씀드리겠습니다.

• "데이터 과학에서 자신의 위치를 ​​찾는 방법은 무엇입니까?",
• “처음부터 데이터 과학자가 될 수 있나요?”,
• “2~5년 후에도 데이터 과학자에 대한 수요가 여전히 존재할까요?”
• “데이터 과학자는 어떤 문제를 연구하나요?”
• “데이터 과학 분야에서 경력을 쌓는 방법은 무엇입니까?”

온라인 교육, 공교육 수료증. 프로그램 신청 까지 허용 10 8월.

출처 : habr.com