Zesumme mat Elena Gerasimova, Chef vun der Fakultéit "» An der Netologie verstinn mir weider wéi se matenee interagéieren a wéi Datewëssenschaftler an Dateingenieuren ënnerscheeden.
Am éischten Deel hu si gesot .
An dësem Material wäerte mir schwätzen iwwer wat Wëssen a Kompetenzen Spezialisten sollen hunn, wat Ausbildung vun Patronen geschätzt gëtt, wéi Interviewen gehaal ginn, a wéi vill Daten Ingenieuren an Daten Wëssenschaftler verdéngen.
Wat Wëssenschaftler an Ingenieuren solle wëssen
Déi spezialiséiert Ausbildung fir béid Spezialisten ass Informatik.
All Datewëssenschaftler - Datewëssenschaftler oder Analyst - muss fäeg sinn d'Richtegkeet vun hire Conclusiounen ze beweisen. Fir dëst kënnt Dir net ouni Wëssen maachen Statistiken a Statistik-Zesummenhang Basis Mathematik.
Maschinnléieren an Datenanalyse Tools sinn onverzichtbar an der moderner Welt. Wann déi üblech Tools net verfügbar sinn, musst Dir d'Fäegkeeten hunn séier nei Tools léieren, einfach Scripte erstellen fir Aufgaben ze automatiséieren.
Et ass wichteg ze bemierken datt den Datewëssenschaftler effektiv d'Resultater vun der Analyse muss kommunizéieren. Et wäert him mat dësem hëllefen daten Visualiséierung oder d'Resultater vun der Fuerschung an Tester vun Hypothesen. Spezialiste musse fäeg sinn Charts a Grafike ze kreéieren, Visualiséierungsinstrumenter ze benotzen an Daten aus Dashboards ze verstoen an z'erklären.
Fir en Dateingenieur kommen dräi Beräicher op de Virdergrond.
Algorithmen an Datestrukturen. Et ass wichteg fir gutt ze schreiwen Code ze schreiwen an Basisstrukturen an Algorithmen ze benotzen:
- Algorithmus Komplexitéit Analyse,
- Fäegkeet fir kloer, erhale Code ze schreiwen,
- Batch Veraarbechtung,
- Echtzäit Veraarbechtung.
Datenbanken an Datelager, Business Intelligence:
- Datelagerung a Veraarbechtung,
- Design vu komplette Systemer,
- Datenverbrauch,
- verdeelt Dateisystemer.
Hadoop a Big Data. Et gëtt ëmmer méi Daten, an iwwer den Horizont vun 3-5 Joer wäerten dës Technologien fir all Ingenieur néideg ginn. Plus:
- Daten Séien
- schafft mat Cloud Provider.
Maschinn léieren wäert iwwerall benotzt ginn, an et ass wichteg ze verstoen wat Affär Problemer et léisen hëlleft. Et ass net néideg Modeller ze maachen (Datewëssenschaftler kënnen dëst handhaben), awer Dir musst hir Uwendung an déi entspriechend Ufuerderunge verstoen.
Wéi vill verdéngen Ingenieuren a Wëssenschaftler?
Data Engineer Akommes
An der internationaler Praxis Startgehälter sinn typesch $ 100 pro Joer a klammen däitlech mat Erfahrung, laut Glassdoor. Zousätzlech, bidden Betriber oft Stock Optiounen an 000-5% alljährlechen Bonus.
An Russland am Ufank vun enger Carrière, der Pai ass normalerweis net manner wéi 50 dausend Rubelen an de Regiounen an 80 dausend zu Moskau. Keng Erfahrung aner wéi ofgeschloss Training ass op dëser Etapp néideg.
No 1-2 Joer Aarbecht - eng Gabel vun 90-100 dausend Rubelen.
D'Gabel erhéicht op 120-160 Tausend an 2-5 Joer. Faktore wéi d'Spezialisatioun vu fréiere Firmen, d'Gréisst vun de Projeten, d'Aarbecht mat Big Data, asw.
No 5 Joer Aarbecht ass et méi einfach fir Vakanzen a verbonne Departementer ze sichen oder fir héich spezialiséiert Positiounen ze gëllen wéi:
- Architekt oder Lead Entwéckler an enger Bank oder Telecom - ongeféier 250 dausend.
- Pre-Sales vum Verkeefer, deenen hir Technologien Dir am meeschte geschafft hutt - 200 dausend plus e méigleche Bonus (1-1,5 Milliounen Rubelen).
- Experten an der Ëmsetzung vun Enterprise Affär Uwendungen, wéi SAP - bis zu 350 dausend.
Akommes vun Daten Wëssenschaftler
Maart vun Analysten vun der Firma "Normal Fuerschung" an der Recrutement Agence New.HR weist datt Data Science Spezialisten am Duerchschnëtt eng méi héich Pai kréien wéi Analysten vun anere Spezialitéiten.
A Russland ass d'Startpai vun engem Datenwëssenschaftler mat bis zu engem Joer Erfahrung vun 113 Tausend Rubel.
Ofschloss vun Trainingsprogrammer gëtt elo och als Beruffserfahrung berücksichtegt.
No 1-2 Joer, kann esou e Spezialist scho bis zu 160 dausend kréien.
Fir en Employé mat 4-5 Joer Erfahrung, erhéicht d'Gabel op 310 dausend.
Wéi ginn Interviewe gemaach?
Am Westen hunn d'Absolventen vun de Beruffsausbildungsprogrammer hiren éischten Interview am Duerchschnëtt 5 Wochen nom Ofschloss. Ronn 85% fannen no 3 Méint eng Aarbecht.
Den Interviewprozess fir Dateningenieur an Datewëssenschaftler Positiounen ass praktesch d'selwecht. Normalerweis besteet aus fënnef Etappen.
Summary. Kandidaten mat Net-Kär virdrun Erfahrung (zB Marketing) sinn néideg en detailléierte Cover Bréif fir all Firma ze preparéieren oder hunn eng Referenz vun engem Vertrieder vun dëser Firma.
Technesch Duerchmusterung. Et geschitt normalerweis iwwer den Telefon. Besteet aus engem oder zwee komplexen an esou vill einfach Froen am Zesummenhang mat dem aktuellen Stack vum Patron.
HR Interview. Kann iwwer Telefon gemaach ginn. Op dëser Etapp gëtt de Kandidat fir allgemeng Adäquatitéit a Fäegkeet fir ze kommunizéieren getest.
Technesch Interview. Meeschtens geschitt et perséinlech. A verschiddene Firmen ass den Niveau vun de Positiounen am Personal Dësch anescht, a Positiounen kënnen anescht benannt ginn. Dofir ass et op dëser Etapp technesch Wëssen dat getest gëtt.
Interview mam CTO / Chef Architekt. Ingenieur a Wëssenschaftler sinn strategesch Positiounen, a fir vill Firmen sinn se och nei. Et ass wichteg datt de Manager de potenzielle Kolleg gär huet a seng Meenung mat him averstanen ass.
Wat hëlleft Wëssenschaftler an Ingenieuren an hirem Karriärwachstum?
Zimlech vill nei Tools fir mat Daten ze schaffen sinn opgetaucht. A wéineg Leit si gläich gutt bei jiddereen.
Vill Entreprisen sinn net prett Mataarbechter ouni Aarbechtserfahrung astellen. Wéi och ëmmer, Kandidaten mat engem minimalen Hannergrond a Wëssen iwwer d'Basis vun de populäre Tools kënnen déi néideg Erfarung kréien wa se eleng léieren an entwéckelen.
Nëtzlech Qualitéite fir en Dateingenieur an Datewëssenschaftler
Wonsch a Fäegkeet ze léieren. Dir musst net direkt Erfahrung verfollegen oder Aarbechtsplaze fir en neit Tool änneren, awer Dir musst gewëllt sinn an en neit Gebitt ze wiesselen.
De Wonsch fir Routineprozesser ze automatiséieren. Dëst ass wichteg net nëmme fir Produktivitéit, awer och fir héich Datequalitéit a Geschwindegkeet vun der Liwwerung un de Konsument ze halen.
Opmerksamkeet a Verständnis vu "wat ënner der Hood ass" vu Prozesser. E Spezialist deen Observatioun a grëndlech Kenntnisser vun de Prozesser huet wäert de Problem méi séier léisen.
Zousätzlech zu engem exzellente Wëssen iwwer Algorithmen, Datenstrukturen a Pipelines, braucht Dir léieren a Produkter ze denken - kuckt Architektur a Geschäftsléisung als eenzegt Bild.
Zum Beispill ass et nëtzlech fir all bekannte Service ze huelen an eng Datebank dofir ze kommen. Denkt dann un wéi Dir ETL an DW entwéckelt, déi et mat Daten fëllt, wéi eng Konsumenten wäerte sinn a wat fir si wichteg ass iwwer d'Daten ze wëssen, an och wéi Keefer mat Uwendungen interagéieren: fir Aarbechtssich an Dating, Auto Locatioun , Podcast Applikatioun, Erzéiungsplattform.
D'Positioune vun engem Analyst, Datewëssenschaftler an Ingenieur si ganz no, sou datt Dir vun enger Richtung an déi aner méi séier kënnt wéi aus anere Beräicher.
Op alle Fall wäert et méi einfach sinn fir déi mat all IT-Hannergrond wéi fir déi déi et net hunn. Am Duerchschnëtt, motivéiert Erwuessener retrainéieren an änneren Aarbecht all 1,5-2 Joer. Dëst ass méi einfach fir déi, déi an enger Grupp a mat engem Mentor studéieren, am Verglach mat deenen, déi nëmmen op oppe Quellen vertrauen.
Vun den Redaktoren vun Netology
Wann Dir de Beruff vum Data Engineer oder Data Scientist kuckt, invitéiere mir Iech fir eis Coursprogrammer ze studéieren:
- Beruff"".
- Beruff"".
- Well"".
Source: will.com