De acordo com pesquisas da HeadHunter e Mail.ru, a demanda por especialistas em Data Science supera a oferta, mas mesmo assim, os jovens profissionais nem sempre conseguem encontrar emprego. Vamos explicar o que falta para os graduados dos cursos e onde aprender para aqueles que planejam uma grande carreira em Data Science.
“Eles chegam e pensam que agora vão ganhar 500 mil por segundo, porque sabem os nomes dos frameworks e como rodar um modelo em duas linhas”
Emil Mageramov comanda um grupo de serviços de química computacional na empresa biocad e, em entrevistas, percebe que os candidatos não têm uma compreensão sistemática da profissão. Eles saem dos cursos com Python e SQL bem desenvolvidos, podem levantar o Hadoop ou Spark em 2 segundos e executar tarefas com base em um TFG claro. Mas, ao mesmo tempo, um passo ao lado — já não conseguem. Contudo, é essa flexibilidade de soluções que os empregadores esperam de seus especialistas em Data Science.
O que está acontecendo no mercado de Data Science
As competências dos jovens profissionais refletem a situação no mercado de trabalho. Aqui, a demanda supera em muito a oferta, por isso os empregadores desesperados muitas vezes estão realmente dispostos a contratar profissionais iniciantes e desenvolvê-los para suas necessidades. Essa é uma opção viável, mas apenas se a equipe já tiver um líder experiente, que possa assumir o treinamento do júnior.
De acordo com uma pesquisa da HeadHunter e Mail.ru, os especialistas em análise de dados estão entre os mais procurados no mercado:
- Em 2019, o número de vagas na área de análise de dados aumentou 9,6 vezes e na área de aprendizado de máquina – 7,2 vezes, comparado a 2015.
- Em comparação com 2018, o número de vagas para especialistas em análise de dados aumentou 1,4 vezes, e para aprendizado de máquina – 1,3 vezes.
- 38% das vagas abertas estão em empresas de TI, 29% – em empresas do setor financeiro, 9% – em serviços para negócios.
A situação é aquecida por inúmeras escolas online que preparam os juniores. Em geral, o treinamento dura de três a seis meses, durante os quais os alunos conseguem dominar, em nível básico, as principais ferramentas: Python, SQL, análise de dados, Git e Linux. No final, o resultado é um verdadeiro júnior: consegue resolver uma tarefa específica, mas ainda não consegue entender o problema e formular a tarefa sozinho. No entanto, a alta demanda por especialistas e o hype em torno da profissão frequentemente geram grandes ambições e exigências salariais.
Infelizmente, as entrevistas para Data Science agora geralmente se parecem assim: o candidato conta que tentou aplicar algumas bibliotecas, mas não consegue responder a perguntas sobre como os algoritmos funcionam, e então pede 200, 300, 400 mil rublos por mês.
Devido ao grande número de slogans publicitários como 'qualquer um pode se tornar um analista de dados', 'aprenda machine learning em três meses e comece a ganhar muito dinheiro' e à busca por ganhos rápidos, nossa área foi inundada por um enorme fluxo de candidatos superficiais sem preparação sistemática.
Victor Kantor
Chief Data Scientist na MTS
Quem os empregadores estão esperando
Qualquer empregador gostaria que seus juniores trabalhassem sem supervisão constante e pudessem se desenvolver sob a orientação de um líder de equipe. Para isso, o novato deve já dominar as ferramentas necessárias para resolver as tarefas atuais e ter uma base teórica suficiente para, gradualmente, propor suas próprias soluções e abordar problemas mais complexos.
As ferramentas estão em boas condições para os novatos no mercado. Cursos de curta duração permitem que eles as dominem rapidamente e comecem a trabalhar.
De acordo com a pesquisa da HeadHunter e Mail.ru, a habilidade mais demandada é o domínio do Python. Ela é mencionada em 45% das vagas para especialistas em análise de dados e em 51% das vagas na área de machine learning.
Além disso, os empregadores querem que os especialistas em análise de dados conheçam SQL (23%), tenham conhecimento em mineração de dados (Data Mining) (19%), estatística matemática (11%) e saibam trabalhar com grandes volumes de dados (10%).
Os empregadores que buscam especialistas em machine learning, além do conhecimento de Python, esperam que o candidato domine C++ (18%), SQL (15%), algoritmos de machine learning (13%) e Linux (11%).
Mas se as ferramentas dos júniores estão em ordem, seus supervisores enfrentam outro problema. A maioria dos graduados em cursos não possui uma compreensão profunda da profissão, por isso é difícil para um novato progredir.
Estou procurando especialistas em aprendizado de máquina para minha equipe. No entanto, percebo que muitas vezes os candidatos dominaram ferramentas específicas de Data Science, mas não têm uma compreensão teórica suficiente para criar novas soluções.
Emil Mageramov
Líder do grupo de serviços de química computacional, Biocad
A própria estrutura e a duração dos cursos não permitem uma profundidade necessária. Os formados frequentemente carecem das soft skills que geralmente são deixadas de lado ao ler uma descrição de vaga. Afinal, quem de nós diria que não tem raciocínio sistemático ou vontade de se desenvolver? No entanto, no que diz respeito ao especialista em Data Science, esse é um assunto mais profundo. Para se desenvolver, é necessário um foco bastante forte em teoria e ciência, o que só é possível com um aprendizado prolongado, por exemplo, na universidade.
Muito depende da pessoa: se um aluno com uma boa base em matemática e programação completa um intensivo de três meses com professores fortes que têm experiência de liderança em grandes empresas, absorvendo todo o material do curso como uma esponja, como dizíamos na escola, esse empregado não terá problemas depois. Mas 90-95% das pessoas precisam aprender dez vezes mais e fazer isso sistematicamente por vários anos para assimilar algo permanentemente. E isso torna os programas de mestrado em análise de dados uma excelente opção para obter uma boa base de conhecimento, que permitirá não passar vergonha em entrevistas e facilitará o trabalho.
Victor Kantor
Chief Data Scientist na MTS
Onde estudar para conseguir um emprego em Data Science
No mercado há muitos bons cursos de Data Science, e obter uma formação inicial não é um problema. Mas é importante entender a direção dessa formação. Se o candidato já tem uma sólida formação técnica, cursos intensivos são exatamente o que ele precisa. A pessoa dominará as ferramentas, chegará ao seu lugar e se adaptará rapidamente, porque já sabe pensar como um matemático, ver problemas e formular tarefas. Se não tiver esse background, após o curso ele será um bom executante, mas com oportunidades limitadas para crescimento.
Se você tem uma tarefa de curto prazo, como mudar de profissão ou encontrar um emprego nessa área, então cursos sistemáticos que são curtos e rapidamente fornecem um conjunto mínimo de habilidades técnicas são os mais adequados, para que você possa se candidatar a uma posição inicial nessa área.
Ivan Yamshchikov
Diretor acadêmico do mestrado online em 'Ciência de Dados'
O problema dos cursos é exatamente que eles oferecem um impulso rápido, mas mínimo. A pessoa literalmente entra na profissão e rapidamente atinge um teto. Para entrar na profissão de forma duradoura, é necessário já estabelecer uma boa base por meio de um programa mais longo, como em um mestrado.
A educação superior é adequada quando você entende que essa área é de seu interesse a longo prazo. Você não está ansioso para entrar no mercado de trabalho o mais rápido possível. E não quer ter um teto de carreira, também não deseja enfrentar o problema da falta de conhecimento, habilidades e compreensão insuficiente do ecossistema geral, que dá origem a produtos inovadores. Para isso, a educação superior é essencial, pois não apenas fornece um conjunto necessário de habilidades técnicas, mas também estrutura de maneira diferente seu pensamento e ajuda a formar uma visão da carreira a longo prazo.
Ivan Yamshchikov
Diretor acadêmico do mestrado online em 'Ciência de Dados'
A ausência de teto de carreira é a principal vantagem do programa de mestrado. Em dois anos, o especialista adquire uma base teórica robusta. Veja como é o primeiro semestre do programa de Data Science da NITU 'MISIS':
- Introdução à Data Science. 2 semanas.
- Fundamentos da análise de dados. Processamento de dados. 2 semanas.
- Aprendizado de máquina. Pré-processamento de dados. 2 semanas.
- EDA. Análise exploratória de dados. 3 semanas.
- Principais algoritmos de aprendizado de máquina. Parte 1 + Parte 2 (6 semanas)
Ao mesmo tempo, é possível adquirir experiência prática no trabalho. Nada impede de conseguir uma posição de júnior assim que o estudante dominar as ferramentas necessárias. No entanto, ao contrário de um graduado em cursos, um mestre não para sua formação por aí, mas continua se aprofundando na profissão. No futuro, isso permite um desenvolvimento sem limitações na área de Data Science.
No site da universidade de ciência e tecnologia "MISiS" estão ocorrendo para aqueles que desejam trabalhar em Data Science. Representantes do NITU "MISiS", SkillFactory, HeadHunter, Facebook, Mail.ru Group e Yandex discutem os pontos mais importantes:
- "Como encontrar seu lugar em Data Science?",
- "É possível se tornar um data scientist do zero?",
- "Haverá necessidade de data scientists nos próximos 2-5 anos?",
- "Em quais tarefas trabalham os especialistas em data science?",
- "Como construir uma carreira em Data Science?"
Educação online, diploma de formação estadual. são aceitas até 10 de agosto.
Fonte: habr.com
