Volgens onderzoek van HeadHunter en Mail.ru is de vraag naar specialisten op het gebied van Data Science groter dan het aanbod, maar toch lukt het jonge specialisten niet altijd om werk te vinden. We vertellen je welke cursusafgestudeerden ontbreken en waar je moet studeren voor degenen die een grote carrière in Data Science plannen.
“Ze komen en denken dat ze nu 500 per seconde zullen verdienen, omdat ze de namen van de raamwerken kennen en hoe ze er een model in twee regels van kunnen maken”
Emil Maharramov hij leidt een groep computationele chemiediensten bij biocad en tijdens interviews wordt hij geconfronteerd met het feit dat kandidaten geen systematisch inzicht in het vak hebben. Ze voltooien cursussen, beschikken over goed opgeleide Python en SQL, kunnen Hadoop of Spark in 2 seconden installeren en voltooien een taak volgens een duidelijke specificatie. Maar tegelijkertijd is er geen stap meer opzij. Al is het juist flexibiliteit in oplossingen die werkgevers van hun data science specialisten verwachten.
Wat gebeurt er op de Data Science-markt
De competenties van jonge specialisten weerspiegelen de situatie op de arbeidsmarkt. Hier is de vraag aanzienlijk groter dan het aanbod, dus wanhopige werkgevers zijn vaak echt bereid om volledig groene specialisten in dienst te nemen en deze zelf op te leiden. De optie werkt, maar is alleen geschikt als het team al een ervaren teamleider heeft die de opleiding van de junior overneemt.
Volgens onderzoek van HeadHunter en Mail.ru behoren data-analysespecialisten tot de meest gevraagde op de markt:
- In 2019 waren er 9,6 keer meer vacatures op het gebied van data-analyse en 7,2 keer meer vacatures op het gebied van machine learning dan in 2015.
- Vergeleken met 2018 is het aantal vacatures voor data-analysespecialisten 1,4 keer groter geworden, en voor machine learning-specialisten 1,3 keer.
- 38% van de openstaande vacatures bevindt zich bij IT-bedrijven, 29% bij bedrijven in de financiële sector en 9% bij de zakelijke dienstverlening.
De situatie wordt aangewakkerd door talloze online scholen die dezelfde junioren opleiden. In principe duurt de opleiding drie tot zes maanden, waarin studenten de belangrijkste tools op basisniveau onder de knie krijgen: Python, SQL, data-analyse, Git en Linux. Het resultaat is een klassieke junior: hij kan een specifiek probleem oplossen, maar kan het probleem nog steeds niet begrijpen en zelfstandig formuleren. De grote vraag naar specialisten en de hype rond het vak zorgen echter vaak voor hoge ambities en salariseisen.
Helaas zien interviews bij Data Science er nu meestal zo uit: de kandidaat zegt dat hij een paar bibliotheken heeft geprobeerd te gebruiken, geen vragen kan beantwoorden over hoe de algoritmen precies werken, en vraagt vervolgens om 200, 300, 400 duizend roebel per maand in de hand .
Door het grote aantal reclameslogans als ‘iedereen kan data-analist worden’, ‘in drie maanden machine learning onder de knie krijgen en veel geld gaan verdienen’ en de honger naar snel geld, is er een enorme stroom oppervlakkige kandidaten onze kant op gestroomd. veld zonder absoluut geen systematische training.
Victor Kantor
Chief Data Scientist bij MTS
Op wie wachten werkgevers?
Elke werkgever wil graag dat zijn junioren zonder voortdurend toezicht kunnen werken en zich kunnen ontwikkelen onder leiding van een teamleider. Om dit te doen, moet een beginner onmiddellijk over de noodzakelijke hulpmiddelen beschikken om huidige problemen op te lossen, en over voldoende theoretische basis beschikken om geleidelijk zijn eigen oplossingen voor te stellen en complexere problemen te benaderen.
Nieuwkomers op de markt doen het redelijk goed met hun gereedschap. Met korte cursussen kunt u ze snel onder de knie krijgen en aan de slag gaan.
Volgens onderzoek van HeadHunter en Mail.ru is Python de meest gevraagde vaardigheid. Het wordt vermeld in 45% van de vacatures voor datawetenschappers en in 51% van de vacatures voor machine learning.
Werkgevers willen ook dat data-analisten kennis hebben van SQL (23%), datamining (19%), wiskundige statistiek (11%) en kunnen werken met big data (10%).
Werkgevers die op zoek zijn naar machine learning-specialisten verwachten dat een kandidaat naast kennis van Python ook bekwaam is in C++ (18%), SQL (15%), machine learning-algoritmen (13%) en Linux (11%).
Maar als junioren goed overweg kunnen met de tools, worden hun managers met een ander probleem geconfronteerd. De meeste afgestudeerden hebben geen diepgaande kennis van het beroep, waardoor het voor een beginner moeilijk is om vooruitgang te boeken.
Ik ben momenteel op zoek naar machine learning-specialisten om mijn team te versterken. Tegelijkertijd zie ik dat kandidaten vaak bepaalde Data Science-tools onder de knie hebben, maar dat ze niet diep genoeg inzicht hebben in de theoretische grondslagen om nieuwe oplossingen te creëren.
Emil Maharramov
Hoofd van de Computational Chemistry Services Group, Biocad
De structuur en de duur van de cursussen laten je niet toe om dieper naar het vereiste niveau te gaan. Afgestudeerden missen vaak de zachte vaardigheden die doorgaans gemist worden bij het lezen van een vacature. Nou ja, wie van ons zal zeggen dat hij niet beschikt over systeemdenken of de wens om zich te ontwikkelen? In relatie tot een Data Science specialist hebben we het echter over een dieper verhaal. Om je te kunnen ontwikkelen, heb je hier een vrij sterke vooroordeel in theorie en wetenschap nodig, wat alleen mogelijk is door langdurig studeren, bijvoorbeeld aan een universiteit.
Veel hangt af van de persoon: als een intensieve cursus van drie maanden van sterke docenten met ervaring als teamleider in topbedrijven wordt afgerond door een student met een goede achtergrond in wiskunde en programmeren, zich verdiept in alle cursusmaterialen en “absorbeert als een spons ”, zoals ze op school zeiden, dan zullen er later problemen zijn met zo’n medewerker nr. Maar 90-95% van de mensen moet, om voor altijd iets te leren, tien keer meer leren en dit meerdere jaren achter elkaar systematisch doen. En dit maakt masterprogramma's in data-analyse een uitstekende optie om een goede kennisbasis te krijgen, waarmee je niet hoeft te blozen tijdens een sollicitatiegesprek, en het veel gemakkelijker zal zijn om de klus te klaren.
Victor Kantor
Chief Data Scientist bij MTS
Waar kun je studeren om een baan in Data Science te vinden
Er zijn veel goede Data Science-cursussen op de markt en het volgen van een initiële opleiding is geen probleem. Maar het is belangrijk om de focus van dit onderwijs te begrijpen. Als de kandidaat al een sterke technische achtergrond heeft, dan zijn intensieve cursussen wat hij nodig heeft. Een persoon zal de tools onder de knie krijgen, naar de plek komen en er snel aan wennen, omdat hij al weet hoe hij als een wiskundige moet denken, een probleem moet zien en problemen moet formuleren. Als die achtergrond er niet is, presteert u na de cursus goed, maar heeft u beperkte groeimogelijkheden.
Als u op de korte termijn wordt geconfronteerd met de taak om van beroep te veranderen of een baan in deze specialiteit te vinden, dan zijn enkele systematische cursussen geschikt voor u. Deze zijn kort en bieden snel een minimum aan technische vaardigheden, zodat u in aanmerking kunt komen voor een diploma. starterspositie op dit gebied.
Ivan Yamshchikov
Academisch directeur van het online masterprogramma "Data Science"
Het probleem met de cursussen is juist dat ze een snelle maar minimale acceleratie bieden. Een persoon vliegt letterlijk het vak in en bereikt snel het plafond. Om het beroep voor langere tijd te betreden, moet je meteen een goede basis leggen in de vorm van een programma voor de langere termijn, bijvoorbeeld een masterdiploma.
Hoger onderwijs is geschikt als je begrijpt dat dit vakgebied je op de lange termijn interesseert. Je hebt geen zin om zo snel mogelijk aan de slag te gaan. En je wilt geen carrièreplafond hebben; je wilt ook niet geconfronteerd worden met het probleem van een gebrek aan kennis, vaardigheden en een gebrek aan begrip van het algemene ecosysteem met behulp waarvan innovatieve producten worden ontwikkeld. Hiervoor heb je een hogere opleiding nodig, die niet alleen de nodige technische vaardigheden creëert, maar ook je denken anders structureert en je helpt een visie op je carrière voor de langere termijn te vormen.
Ivan Yamshchikov
Academisch directeur van het online masterprogramma "Data Science"
Het ontbreken van een carrièreplafond is het belangrijkste voordeel van het masterprogramma. In twee jaar tijd krijgt een specialist een krachtige theoretische basis. Zo ziet het eerste semester van het Data Science-programma bij NUST MISIS eruit:
- Inleiding tot datawetenschap. 2 weken.
- Grondbeginselen van data-analyse. Gegevensverwerking. 2 weken
- Machinaal leren. Voorverwerking van gegevens. 2 weken
- EDA. Analyse van inlichtingengegevens. 3 weken
- Basisalgoritmen voor machinaal leren. Ch1 + Ch2 (6 weken)
Tegelijkertijd kun je tegelijkertijd praktijkervaring opdoen op het werk. Niets houdt je tegen om een juniorpositie te bemachtigen zodra de student de nodige tools onder de knie heeft. Maar in tegenstelling tot een afgestudeerde master stopt een masteropleiding daar niet, maar blijft hij dieper in het vak duiken. Hierdoor kun je je in de toekomst zonder beperkingen ontwikkelen in Data Science.
Op de website van de Universiteit voor Wetenschap en Technologie "MISiS" voor degenen die in Data Science willen werken. Vertegenwoordigers van NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group en Yandex, ik zal je over de belangrijkste dingen vertellen:
- “Hoe vind je jouw plek in Data Science?”,
- “Is het mogelijk om vanuit het niets een datawetenschapper te worden?”,
- “Zal de behoefte aan datawetenschappers over 2 tot 5 jaar nog steeds bestaan?”
- “Aan welke problemen werken datawetenschappers?”
- “Hoe bouw je een carrière op in Data Science?”
Online training, diploma openbaar onderwijs. geaccepteerd tot 10 augustus.
Bron: www.habr.com