No Fuerschung vun HeadHunter an Mail.ru, der Nofro fir Spezialisten am Beräich vun Data Science iwwerschratt Offer, mä och esou, jonk Spezialisten verwalten net ëmmer Aarbecht ze fannen. Mir soen Iech wéi eng Course Graduéierter fehlen a wou Dir studéiere fir déi, déi eng grouss Karriär am Data Science plangen.
"Si kommen an denken datt se elo 500k pro Sekonn verdéngen, well se d'Nimm vun de Kaderen kennen a wéi een e Modell vun hinnen an zwou Zeilen ausféiert."
Emil Maharramov hie féiert e Grupp vu computational Chimie Servicer um Biocad a während Interviewen hie konfrontéiert mat der Tatsaach, datt d'Kandidaten net eng systematesch Versteesdemech vum Beruff hunn. Si kompletéiere Coursen, kommen mat gutt ausgebilten Python a SQL, kënnen Hadoop oder Spark an 2 Sekonnen installéieren, a fäerdeg eng Aufgab no enger kloerer Spezifizéierung. Awer gläichzäiteg gëtt et kee Schrëtt méi op d'Säit. Och wann et Flexibilitéit a Léisungen ass, déi d'Patronen vun hiren Datewëssenschaftsspezialisten erwaarden.
Wat geschitt um Data Science Maart
D'Kompetenze vu jonke Spezialisten spigelen d'Situatioun um Aarbechtsmaart. Hei ass d'Nofro däitlech méi wéi d'Offer, sou datt verzweifelt Patronen dacks wierklech prett sinn, komplett gréng Spezialisten anzestellen a fir sech selwer ze trainéieren. D'Optioun funktionnéiert, passt awer nëmmen wann d'Equipe schonn en erfuerene Teamleader huet, deen d'Formatioun vum Junior iwwerhëlt.
No Fuerschung vun HeadHunter a Mail.ru, Daten Analyse Spezialisten gehéieren zu de meeschte gefrot um Maart:
- Am Joer 2019 waren et 9,6 Mol méi Vakanzen am Beräich vun der Dateanalyse, a 7,2 Mol méi am Beräich vum Maschinnléieren wéi am Joer 2015.
- Am Verglach zum 2018 ass d'Zuel vun de Vakanzen fir Datenanalysespezialisten ëm 1,4 Mol eropgaang, a fir Maschinnléiere Spezialisten ëm 1,3 Mol.
- 38% vun oppenen Vakanzen sinn an IT Firmen, 29% an Finanzsecteur Firmen, an 9% an Affär Servicer.
D'Situatioun gëtt vu villen Online Schoulen ugedriwwen, déi déiselwecht Junioren trainéieren. Prinzipiell dauert d'Ausbildung vun dräi bis sechs Méint, während deenen d'Schüler et fäerdeg bréngen d'Haaptinstrumenter op Basisniveau ze beherrschen: Python, SQL, Datenanalyse, Git a Linux. D'Resultat ass e klassesche Junior: hien kann e spezifesche Problem léisen, awer kann de Problem nach ëmmer net verstoen an de Problem eleng formuléieren. Wéi och ëmmer, déi grouss Nofro fir Spezialisten an den Hype ronderëm de Beruff bréngt dacks héich Ambitiounen a Gehälterfuerderungen op.
Leider sinn Interviewen an Data Science elo normalerweis esou ausgesinn: de Kandidat seet datt hie probéiert e puer Bibliothéiken ze benotzen, kann net Froen beäntweren wéi genau d'Algorithmen funktionnéieren, da freet 200, 300, 400 dausend Rubel pro Mount an der Hand.
Wéinst der grousser Unzuel u Reklamm-Slogans wéi "Jidderee kann en Datenanalytiker ginn", "Maschinn léieren an dräi Méint beherrschen a vill Sue maachen" an den Duuscht no schnelle Suen, ass e grousse Stroum vun iwwerflächleche Kandidaten an eis gegoss. Feld mat absolut keng systematesch Ausbildung.
Victor Kantor
Chief Data Scientist bei MTS
Op wien waarden d'Patronen?
All Patron hätt gär datt seng Junioren ouni stänneg Betreiung schaffen an sech ënnert der Leedung vun engem Teamleader kënnen entwéckelen. Fir dëst ze maachen, muss en Ufänger direkt déi néideg Tools besëtzen fir aktuell Problemer ze léisen, an eng genuch theoretesch Basis hunn fir lues a lues hir eege Léisungen ze proposéieren a méi komplex Probleemer unzegoen.
Newbies um Maart maachen et ganz gutt mat hiren Tools. Kuerzfristeg Coursen erlaben Iech se séier ze beherrschen an op d'Aarbecht ze kommen.
No Fuerschung vun HeadHunter a Mail.ru, ass déi meescht gefrot Fäegkeet Python. Et gëtt a 45% vun Datenwëssenschaftler Vakanzen an 51% vun Maschinnléiere Vakanzen ernimmt.
D'Patronen wëllen och datt Datenanalytiker SQL kennen (23%), Datamining (19%), mathematesch Statistiken (11%) a fäeg sinn mat Big Data ze schaffen (10%).
D'Patronen, déi no Maschinnléiere Spezialisten sichen, erwaarden datt e Kandidat fäeg ass an C++ (18%), SQL (15%), Maschinnléieralgorithmen (13%) a Linux (11%) zousätzlech zum Wëssen vu Python.
Awer wann d'Junioren gutt mat den Tools maachen, da sinn hir Manager mat engem anere Problem konfrontéiert. Déi meescht Cours Graduéierter hunn keen déiwe Verständnis vum Beruff, wat et schwéier mécht fir en Ufänger ze progresséieren.
Ech sichen de Moment no Maschinnléiere Spezialisten fir mat mengem Team matzemaachen. Zur selwechter Zäit gesinn ech datt d'Kandidaten dacks verschidde Data Science Tools beherrscht hunn, awer si hunn net déif genuch Verständnis vun den theoreteschen Fundamenter fir nei Léisungen ze kreéieren.
Emil Maharramov
Chef vun Computational Chemistry Services Group, Biocad
Déi ganz Struktur an Dauer vun de Coursen erlaabt Iech net méi déif op den erfuerderlechen Niveau ze goen. Graduéierter feelen dacks déi ganz mëll Fäegkeeten, déi normalerweis vermësst ginn wann Dir eng Aarbechtsplaz liest. Gutt, wierklech, wien vun eis wäert soen datt hien net Systemdenken oder de Wonsch ze entwéckelen huet. Wéi och ëmmer, a Relatioun mat engem Data Science Spezialist, schwätze mir vun enger méi déif Geschicht. Hei, fir sech z'entwéckelen, brauch Dir eng zimlech staark Bias an der Theorie a Wëssenschaft, wat nëmme méiglech ass duerch laangfristeg Studie, zum Beispill op enger Uni.
Vill hänkt vun der Persoun of: Wann en Dräi Méint intensive Cours vu staarken Enseignanten mat Erfahrung als Teamleader an Topfirmen ofgeschloss gëtt vun engem Student mat engem gudden Hannergrond an der Mathematik a Programméierung, sech an all Coursmaterial verdéiwen an "absorbéiert wéi e Schwamm “, wéi se an der Schoul gesot hunn, da gëtt et Problemer mat esou engem Employé spéider Nr. Awer 90-95% vun de Leit, fir fir ëmmer eppes ze léieren, mussen zéng mol méi léieren a maachen et systematesch fir e puer Joer hannereneen. An dëst mécht Master Programmer an Daten Analyse eng exzellent Optioun fir eng gutt Basis vu Wëssen ze kréien, mat deem Dir net bei engem Interview blosen musst, an et wäert vill méi einfach sinn d'Aarbecht ze maachen.
Victor Kantor
Chief Data Scientist bei MTS
Wou ze studéieren fir eng Aarbecht am Data Science ze fannen
Et gi vill gutt Data Science Coursen um Maart an eng initial Ausbildung ze kréien ass kee Problem. Awer et ass wichteg de Fokus vun dëser Ausbildung ze verstoen. Wann de Kandidat schonn e staarken techneschen Hannergrond huet, da sinn intensiv Coursen wat se brauchen. Eng Persoun wäert d'Instrumenter beherrschen, op d'Plaz kommen a séier gewinnt sinn, well hie weess scho wéi e Mathematiker ze denken, e Problem ze gesinn a Problemer ze formuléieren. Wann et keen esou Hannergrond ass, da sidd Dir nom Cours e gudde Kënschtler, awer mat limitéierten Wuesstumsméiglechkeeten.
Wann Dir mat der kuerzfristeg Aufgab konfrontéiert sidd, e Beruff z'änneren oder eng Aarbecht an dëser Spezialitéit ze fannen, da passen e puer systematesch Coursen fir Iech, déi kuerz sinn a séier e Minimum vu technesche Fäegkeeten ubidden, fir datt Dir qualifizéiere kënnt fir eng Entry-Level Positioun an dësem Beräich.
Ivan Yamschchikov
Akademesch Direkter vum Online Masterprogramm "Data Science"
De Problem mat de Coursen ass genee datt se séier awer minimal Beschleunegung ubidden. Eng Persoun flitt wuertwiertlech an de Beruff an erreecht séier d'Plafong. Fir eng laang Zäit an de Beruff ze kommen, musst Dir direkt e gudde Fundament leeën a Form vun engem méi laangfristeg Programm, zum Beispill e Masterstudium.
Héichschoul ass gëeegent wann Dir verstitt datt dëst Feld Iech laangfristeg interesséiert. Dir sidd net gär sou séier wéi méiglech op d'Aarbecht ze kommen. An Dir wëllt net eng Carrière Plafong hunn; Dir wëllt och net de Problem vum Mangel u Wëssen, Fäegkeeten, Mangel u Verständnis vum allgemengen Ökosystem mat der Hëllef vun deenen innovative Produkter entwéckelt ginn. Dofir brauch Dir eng Héichschoul, déi net nëmmen déi néideg technesch Fäegkeeten entwéckelt, mee och Äert Denken anescht strukturéiert an Iech hëlleft eng Visioun vun Ärer Karriär fir eng méi laang Dauer ze bilden.
Ivan Yamschchikov
Akademesch Direkter vum Online Masterprogramm "Data Science"
D'Feele vun enger Carrière Plafong ass den Haaptvirdeel vum Masterprogramm. An zwee Joer kritt e Spezialist eng staark theoretesch Basis. Dëst ass wéi dat éischt Semester am Data Science Programm bei NUST MISIS ausgesäit:
- Aféierung an Data Science. 2 Wochen.
- Fundamentals vun Donnéeën Analyse. Donnéeën Veraarbechtung. 2 Wochen
- Maschinn Léieren. Date Virveraarbechtung. 2 Wochen
- EDA. Intelligenz Daten Analyse. 3 Wochen
- Basis Maschinn Léieren Algorithmen. Ch1 + Ch2 (6 Wochen)
Zur selwechter Zäit kënnt Dir gläichzäiteg praktesch Erfahrung op der Aarbecht kréien. Et gëtt näischt wat Iech hält fir eng Juniorpositioun ze kréien soubal de Student déi néideg Tools beherrscht. Awer, am Géigesaz zu engem Cours-Diplom, stoppt e Masterstudium net seng Studien do, mee geet weider an de Beruff ze verdéiwen. An Zukunft erlaabt dëst Iech an Data Science ouni Restriktiounen z'entwéckelen.
Op der Websäit vun der University of Science and Technology "MISiS" fir déi, déi an Data Science schaffen wëllen. Vertrieder vun NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group an Yandex, ech soen Iech iwwer déi wichtegst Saachen:
- "Wéi fannt Dir Är Plaz an der Data Science?",
- "Ass et méiglech en Datewëssenschaftler vun Null ze ginn?",
- "Gitt de Besoin fir Datewëssenschaftler nach ëmmer an 2-5 Joer?"
- "Op wéi eng Problemer schaffen Datewëssenschaftler?"
- "Wéi bauen ech eng Karriär am Data Science?"
Online Training, ëffentlech Ausbildung Diplom. ugeholl bis Den 10 Aug.
Source: will.com