Samen met Elena Gerasimova, hoofd van de faculteit "“Bij Netology blijven we begrijpen hoe ze met elkaar omgaan en hoe datawetenschappers en data-ingenieurs verschillen.
In het eerste deel vertelden ze .
In dit materiaal zullen we praten over welke kennis en vaardigheden specialisten moeten hebben, welk onderwijs door werkgevers wordt gewaardeerd, hoe interviews worden afgenomen en hoeveel data-ingenieurs en data-wetenschappers verdienen.
Wat wetenschappers en ingenieurs moeten weten
De specialistische opleiding voor beide specialisten is Informatica.
Elke datawetenschapper – datawetenschapper of -analist – moet de juistheid van zijn conclusies kunnen bewijzen. Hiervoor kun je niet zonder kennis statistiek en statistiekgerelateerde basiswiskunde.
Machine learning en data-analysetools zijn onmisbaar in de moderne wereld. Als de gebruikelijke hulpmiddelen niet beschikbaar zijn, moet u over de vaardigheden beschikken snel nieuwe tools leren en eenvoudige scripts maken om taken te automatiseren.
Het is belangrijk op te merken dat de datawetenschapper de resultaten van de analyse effectief moet communiceren. Het zal hem hierbij helpen data visualisatie of de resultaten van onderzoek en het testen van hypothesen. Specialisten moeten diagrammen en grafieken kunnen maken, visualisatietools kunnen gebruiken en gegevens uit dashboards kunnen begrijpen en uitleggen.
Voor een data engineer komen drie gebieden naar voren.
Algoritmen en datastructuren. Het is belangrijk om goed te worden in het schrijven van code en het gebruiken van basisstructuren en algoritmen:
- algoritme-complexiteitsanalyse,
- vermogen om duidelijke, onderhoudbare code te schrijven,
- batchverwerking,
- realtime verwerking.
Databases en datawarehouses, Business Intelligence:
- gegevensopslag en -verwerking,
- ontwerp van complete systemen,
- Gegevensopname,
- gedistribueerde bestandssystemen.
Hadoop en Big Data. Er zijn steeds meer gegevens en over een periode van drie tot vijf jaar zullen deze technologieën voor elke ingenieur noodzakelijk worden. Plus:
- Datameren
- werken met cloudproviders.
Machine learning zal overal worden gebruikt, en het is belangrijk om te begrijpen welke zakelijke problemen het zal helpen oplossen. Het is niet nodig om modellen te kunnen maken (datawetenschappers kunnen dit wel aan), maar je moet wel de toepassing ervan en de bijbehorende eisen begrijpen.
Hoeveel verdienen ingenieurs en wetenschappers?
Data Engineer Inkomen
In de internationale praktijk Volgens Glassdoor bedragen de startsalarissen doorgaans $100 per jaar en stijgen ze aanzienlijk met ervaring. Bovendien bieden bedrijven vaak aandelenopties en jaarlijkse bonussen van 000-5%.
In Rusland aan het begin van een carrière bedraagt het salaris meestal niet minder dan 50 duizend roebel in de regio's en 80 duizend in Moskou. Er is in deze fase geen andere ervaring vereist dan een voltooide opleiding.
Na 1-2 jaar werk - een vork van 90-100 duizend roebel.
De vork stijgt naar 120-160 duizend in 2-5 jaar. Factoren zoals de specialisatie van eerdere bedrijven, de omvang van projecten, het werken met big data, etc. worden toegevoegd.
Na 5 jaar werken is het gemakkelijker om vacatures te zoeken op gerelateerde afdelingen of te solliciteren op zeer gespecialiseerde functies zoals:
- Architect of hoofdontwikkelaar bij een bank of telecom - ongeveer 250 duizend.
- Pre-Sales van de leverancier met wiens technologieën u het meest nauw heeft samengewerkt - 200 duizend plus een mogelijke bonus (1-1,5 miljoen roebel).
- Experts in de implementatie van zakelijke bedrijfsapplicaties, zoals SAP - tot 350 duizend.
Inkomen van datawetenschappers
markt van analisten van het bedrijf “Normal Research” en het wervingsbureau New.HR laat zien dat Data Science-specialisten gemiddeld een hoger salaris ontvangen dan analisten van andere specialismen.
In Rusland bedraagt het startsalaris van een datawetenschapper met maximaal een jaar ervaring 113 duizend roebel.
Het voltooien van opleidingen wordt nu ook meegeteld als werkervaring.
Na 1 à 2 jaar kan zo'n specialist al tot 160 duizend ontvangen.
Voor een medewerker met 4-5 jaar ervaring neemt de vork toe tot 310 duizend.
Hoe worden interviews afgenomen?
In het Westen hebben afgestudeerden van beroepsopleidingen gemiddeld vijf weken na hun afstuderen hun eerste gesprek. Ongeveer 5% vindt na 85 maanden een baan.
Het sollicitatieproces voor de functies data-ingenieur en data-wetenschapper is vrijwel hetzelfde. Bestaat meestal uit vijf fasen.
Beknopt. Kandidaten met niet-kernervaring (bijvoorbeeld marketing) moeten voor elk bedrijf een gedetailleerde sollicitatiebrief opstellen of een referentie hebben van een vertegenwoordiger van dat bedrijf.
Technische screening. Meestal gebeurt dit via de telefoon. Bestaat uit een of twee complexe en evenveel eenvoudige vragen die verband houden met de huidige stapel van de werkgever.
HR-interview. Kan telefonisch. In deze fase wordt de kandidaat getest op algemene geschiktheid en communicatievermogen.
Technisch interview. Meestal gebeurt dit persoonlijk. In verschillende bedrijven is het niveau van de posities in de personeelstabel verschillend en kunnen posities anders worden genoemd. Daarom wordt in dit stadium de technische kennis getest.
Interview met CTO/hoofdarchitect. Ingenieur en wetenschapper zijn strategische posities, en voor veel bedrijven zijn ze ook nieuw. Het is belangrijk dat de manager de potentiële collega aardig vindt en het met hem eens is in zijn standpunten.
Wat zal wetenschappers en ingenieurs helpen bij hun carrièregroei?
Er zijn heel wat nieuwe tools verschenen om met data te werken. En weinig mensen zijn in iedereen even goed.
Veel bedrijven zijn niet bereid om werknemers zonder werkervaring aan te nemen. Kandidaten met een minimale achtergrond en kennis van de basisprincipes van populaire tools kunnen echter de nodige ervaring opdoen als ze zelfstandig leren en ontwikkelen.
Nuttige eigenschappen voor een data engineer en datawetenschapper
Verlangen en vermogen om te leren. Je hoeft niet meteen ervaring op te doen of van baan te veranderen voor een nieuw gereedschap, maar je moet wel bereid zijn om naar een nieuw gebied over te stappen.
De wens om routinematige processen te automatiseren. Dit is niet alleen belangrijk voor de productiviteit, maar ook voor het behoud van een hoge datakwaliteit en snelheid van levering aan de consument.
Aandacht en begrip voor “wat zich onder de motorkap bevindt” van processen. Een specialist die inzicht heeft en gedegen kennis heeft van de processen, lost het probleem sneller op.
Naast uitstekende kennis van algoritmen, datastructuren en pipelines heb je dit nodig leren denken in producten — architectuur en bedrijfsoplossing als één geheel zien.
Het is bijvoorbeeld handig om elke bekende dienst te nemen en er een database voor te bedenken. Denk vervolgens na over hoe u ETL en DW kunt ontwikkelen die deze met gegevens zullen vullen, wat voor soort consumenten zullen zijn en wat voor hen belangrijk is om te weten over de gegevens, en ook hoe kopers omgaan met applicaties: voor het zoeken naar werk en daten, autoverhuur , podcastapplicatie, educatief platform.
De posities van een analist, datawetenschapper en ingenieur liggen heel dicht bij elkaar, waardoor je sneller van de ene naar de andere richting kunt gaan dan van andere gebieden.
Voor wie een IT-achtergrond heeft, zal het in ieder geval makkelijker zijn dan voor wie die niet heeft. Gemotiveerde volwassenen laten zich gemiddeld elke 1,5 à 2 jaar omscholen en veranderen van baan. Dit is gemakkelijker voor degenen die in een groep en met een mentor studeren, vergeleken met degenen die alleen op open bronnen vertrouwen.
Van de redactie van Netology
Als u kijkt naar het beroep van Data Engineer of Data Scientist, nodigen wij u uit om onze cursusprogramma's te bestuderen:
- Beroep ".
- Beroep ".
- We zullen ".
Bron: www.habr.com