HeadHunter жана Mail.ru изилдөөлөрүнө ылайык, Data Science тармагындагы адистерге болгон суроо-талап сунуштан ашат, бирок ага карабастан, жаш адистер дайыма эле жумуш таба алышпайт. Биз сизге кайсы курстун бүтүрүүчүлөрү жетишпей жатканын жана Data Science тармагында чоң карьераны пландап жаткандар үчүн кайда окуу керектигин айтабыз.
"Алар келип, азыр секундасына 500 миң табабыз деп ойлошот, анткени алар алкактардын атын жана алардан моделди эки сапта кантип иштетүүнү билишет"
Эмил Махаррамов ал biocadда эсептөөчү химия кызматтарынын тобун жетектейт жана маектешүү учурунда талапкерлердин кесипти системалуу түрдө түшүнбөгөндүгүнө туш болот. Алар курстарды аяктап, жакшы үйрөтүлгөн Python жана SQL менен келишет, Hadoop же Sparkти 2 секунданын ичинде орното алышат жана так спецификацияга ылайык тапшырманы аткарышат. Бирок ошол эле учурда тарапка кадам да жок. Иш берүүчүлөр маалымат илиминин адистеринен күткөн чечимдердин ийкемдүүлүгүнө карабастан.
Data Science рыногунда эмне болуп жатат
Жаш адистердин компетенциялары эмгек рыногундагы кырдаалды чагылдырат. Бул жерде суроо-талап сунуштан кыйла ашып кетет, ошондуктан айласы кеткен иш берүүчүлөр көбүнчө толугу менен жашыл адистерди жалдап, аларды өздөрү үйрөтүүгө даяр. Вариант иштейт, бирок командада кенже оюнчуну окутууну колго ала турган тажрыйбалуу команда лидери болсо гана ылайыктуу.
HeadHunter жана Mail.ru изилдөөлөрүнө ылайык, маалыматтарды талдоо боюнча адистер рынокто эң көп суроо-талапка ээ:
- 2019-жылы 9,6-жылга караганда маалыматтарды талдоо тармагында 7,2 эсе, ал эми машина үйрөнүү тармагында 2015 эсе көп бош орундар болгон.
- 2018-жылга салыштырмалуу маалыматтарды талдоо боюнча адистер үчүн бош орундардын саны 1,4 эсеге, ал эми машина үйрөнүү боюнча адистер үчүн 1,3 эсеге өскөн.
- Ачык вакансиялардын 38% IT компанияларында, 29% каржы тармагындагы компанияларда, 9% бизнес кызматтарында.
Кырдаал ошол эле өспүрүмдөрдү окуткан көптөгөн онлайн мектептерден улам келип чыгууда. Негизинен, окутуу үч айдан алты айга чейин созулат, анын жүрүшүндө студенттер негизги инструменттерди негизги деңгээлде өздөштүрүшөт: Python, SQL, маалыматтарды талдоо, Git жана Linux. Натыйжада классикалык кенже болуп саналат: ал конкреттүү маселени чече алат, бирок дагы эле маселени түшүнө албайт жана маселени өз алдынча түзө албайт. Бирок, адистерге болгон жогорку суроо-талап жана кесиптин тегерегиндеги ызы-чуу көп учурда жогорку амбицияларды жана эмгек акы талаптарын пайда кылат.
Тилекке каршы, Data Science тармагындагы интервьюлар азыр адатта мындай көрүнөт: талапкер бир нече китепкананы колдонууга аракет кылганын, алгоритмдердин так кантип иштеши тууралуу суроолорго жооп бере албай турганын, анан колуна айына 200, 300, 400 миң рубль сурайт.
"Ар бир адам маалымат талдоочусу боло алат", "үч айдын ичинде машинаны үйрөнүп, көп акча таба башташат" сыяктуу жарнамалык ураандардын көптүгүнө жана тез акчага болгон чаңкоодон улам, үстүртөн талапкерлердин эбегейсиз агымы биздин сайтка агып кетти. такыр системалуу даярдыгы жок талаа.
Виктор Кантор
МТСтин башкы инженери
Иш берүүчүлөр кимди күтүп жатышат?
Кайсы гана иш берүүчү болбосун, анын кенже балдары дайыма көзөмөлсүз иштешин жана команданын жетекчисинин жетекчилиги астында өнүгүп кетишин каалайт. Бул үчүн, башталгыч дароо учурдагы көйгөйлөрдү чечүү үчүн керектүү куралдарга ээ болушу керек жана акырындык менен өз чечимдерин сунуштоо жана татаалыраак маселелерди чечүү үчүн жетиштүү теориялык негизге ээ болушу керек.
Базардагы жаңы келгендер өздөрүнүн шаймандары менен жакшы иштеп жатышат. Кыска мөөнөттүү курстар аларды тез өздөштүрүп, ишке киришүүгө мүмкүндүк берет.
HeadHunter жана Mail.ru изилдөөлөрүнө ылайык, эң көп талап кылынган жөндөм Python. Бул маалымат илимпоздорунун бош орундарынын 45% жана машина үйрөнүү вакансияларынын 51%ында айтылган.
Иш берүүчүлөр ошондой эле аналитиктердин SQL (23%), маалыматтарды казып алуу (19%), математикалык статистиканы (11%) жана чоң маалыматтар менен иштей билүүсүн (10%) каалайт.
Машина үйрөнүү боюнча адистерди издеп жаткан жумуш берүүчүлөр талапкерден Python билиминен тышкары C++ (18%), SQL (15%), машинаны үйрөнүү алгоритмдери (13%) жана Linux (11%) тилдеринде дасыккан болушун күтүшөт.
Бирок, эгерде кенже класстар шаймандар менен жакшы иштешсе, анда алардын жетекчилери дагы бир көйгөйгө туш болушат. Курсту бүтүргөндөрдүн көбү кесипти терең түшүнүшпөйт, бул башталгычтын алга жылышын кыйындатат.
Учурда командама кошулуу үчүн машина үйрөнүү боюнча адистерди издеп жатам. Ошол эле учурда, мен талапкерлер көп учурда белгилүү бир Data Science инструменттерин өздөштүрүшкөнүн көрүп турам, бирок алар жаңы чечимдерди түзүү үчүн теориялык негиздер боюнча терең түшүнүккө ээ эмес.
Эмил Махаррамов
Эсептөөчү химия кызматтары тобунун жетекчиси, Biocad
Курстардын түзүлүшү жана узактыгы талап кылынган деңгээлге тереңирээк барууга мүмкүндүк бербейт. Бүтүрүүчүлөр көбүнчө бош жумуш ордун окуп жатканда байкалбай калган жумшак көндүмдөрдү жок кылышат. Ооба, чындыгында, арабыздан ким айта алат, анын системалык ой жүгүртүүсү же өнүгүүгө умтулуусу жок деп. Бирок, Data Science адисине карата биз тереңирээк окуя жөнүндө сөз болуп жатабыз. Бул жерде, өнүгүү үчүн, теорияда жана илимде бир кыйла күчтүү бир жактуулук керек, бул узак мөөнөттүү окуу аркылуу гана мүмкүн, мисалы, университетте.
Көп нерсе адамдан көз каранды: эгерде алдыңкы компанияларда тажрыйбалуу күчтүү мугалимдердин үч айлык интенсивдүү курсун математика жана программалоо боюнча жакшы билими бар студент бүтсө, курстун бардык материалдарын терең изилдеп, “губка сыяктуу сиңет. ," Алар мектепте айткандай, кийинчерээк мындай кызматкер менен көйгөйлөр пайда болот №. Бирок 90-95% адамдар бир нерсени түбөлүккө үйрөнүү үчүн он эсе көп үйрөнүп, бир нече жыл катары менен системалуу түрдө жасашы керек. Бул маалыматтарды талдоо боюнча магистрдик программаларды билимдин жакшы пайдубалын алуу үчүн эң сонун вариант кылат, анын жардамы менен сиз интервьюда кызарбайсыз жана жумушту аткаруу бир топ жеңилдейт.
Виктор Кантор
МТСтин башкы инженери
Data Science боюнча жумуш табуу үчүн кайда окуу керек
Базарда маалымат илими боюнча көптөгөн жакшы курстар бар жана баштапкы билим алуу көйгөй эмес. Бирок бул билим берүүнүн багытын түшүнүү маанилүү. Эгерде талапкердин техникалык билими күчтүү болсо, анда интенсивдүү курстар аларга керек. Адам инструменттерди өздөштүрүп, ошол жерге келип, бат эле көнүп калат, анткени ал буга чейин эле математиктердей ой жүгүрткөндү, маселени көргөндү жана маселелерди чыгарганды билет. Эгерде андай фон жок болсо, анда курстан кийин сиз жакшы аткаруучу болосуз, бирок өсүү мүмкүнчүлүгү чектелген.
Эгерде сиз кесипти өзгөртүү же бул адистик боюнча жумуш табуу сыяктуу кыска мөөнөттүү тапшырмага туш болсоңуз, анда сиз үчүн кээ бир системалуу курстар ылайыктуу, алар кыска жана тез арада техникалык көндүмдөрдүн минималдуу топтомун камсыз кылат. бул чөйрөдө баштапкы деңгээл позициясы.
Иван Ямщиков
"Data Science" онлайн магистратура программасынын академиялык директору
Курстардагы көйгөй так, алар тез, бирок минималдуу ылдамдатууну камсыз кылат. Адам түз маанисинде кесипке учуп, бат эле шыпка жетет. Кесипке узак убакытка кирүү үчүн, дароо эле узак мөөнөттүү программа түрүндө жакшы пайдубал түптөш керек, мисалы, магистратура.
Бул тармак сизди узак мөөнөттүү кызыктырарын түшүнгөндө жогорку билим ылайыктуу. Мүмкүн болушунча тезирээк ишке киришүүгө ынтызарсыз. Жана сиз мансаптын чегине ээ болгуңуз келбейт, ошондой эле билимдин, көндүмдөрдүн жетишсиздиги, инновациялык өнүмдөрдүн жардамы менен иштелип чыккан жалпы экосистеманы түшүнбөгөндүк көйгөйүнө туш болгуңуз келбейт. Бул үчүн сизге жогорку билим керек, ал керектүү техникалык көндүмдөрдү гана түзбөстөн, сиздин ой жүгүртүүңүздү башкача структуралайт жана узак мөөнөткө карьераңыздын кандайдыр бир көз карашын калыптандырууга жардам берет.
Иван Ямщиков
"Data Science" онлайн магистратура программасынын академиялык директору
Мансап чегинин жоктугу магистрдик программанын негизги артыкчылыгы болуп саналат. Эки жылдын ичинде адис кубаттуу теориялык базаны алат. NUST MISISдеги Data Science программасындагы биринчи семестр мына ушундай көрүнөт:
- Маалымат илимине киришүү. 2 жума.
- Маалыматтарды талдоо негиздери. Маалыматтарды иштетүү. 2 жума
- Машина үйрөнүү. Маалыматтарды алдын ала иштетүү. 2 жума
- EDA. Чалгындоо маалыматтарын талдоо. 3 жума
- Негизги машина үйрөнүү алгоритмдери. Ch1 + Ch2 (6 жума)
Ошол эле учурда сиз жумушта практикалык тажрыйбага ээ боло аласыз. Студент керектүү куралдарды өздөштүрүп алгандан кийин кенже кызматка ээ болууга эч нерсе тоскоол болбойт. Бирок, курстун бүтүрүүчүсүнөн айырмаланып, магистратура ал жакта окуусун токтотпойт, бирок кесибине тереңирээк сүңгүүнү улантат. Келечекте бул сизге Data Science тармагында чектөөсүз өнүгүүгө мүмкүндүк берет.
Илим жана технология университетинин сайтында "MISiS" Data Science тармагында иштөөнү каалагандар үчүн. NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group жана Яндекс өкүлдөрү, мен сизге эң маанилүү нерселер жөнүндө айтып берем:
- "Дата илиминде өз ордуңузду кантип тапса болот?",
- "Нөлдөн баштап маалымат таануучу болууга болобу?",
- "2-5 жылдан кийин маалымат илимпоздоруна муктаждык дагы эле барбы?"
- "Маалымат таануучулар кандай көйгөйлөрдүн үстүндө иштешет?"
- "Маалымат илиминде карьераны кантип куруу керек?"
Онлайн окутуу, эл агартуу диплому. чейин кабыл алынат 10 август.
Source: www.habr.com