Segundo pesquisas do HeadHunter e Mail.ru, a demanda por especialistas na área de Data Science supera a oferta, mas mesmo assim, nem sempre os jovens especialistas conseguem encontrar trabalho. Contamos quais cursos faltam aos formandos e onde estudar para quem está planejando uma grande carreira em Ciência de Dados.
“Eles chegam e pensam que agora vão ganhar 500 mil por segundo, porque sabem os nomes dos frameworks e como rodar um modelo a partir deles em duas linhas”
Emil Maharramov ele lidera um grupo de serviços de química computacional no biocad e durante as entrevistas se depara com o fato de os candidatos não terem um conhecimento sistemático da profissão. Eles concluem os cursos, vêm com Python e SQL bem treinados, podem instalar o Hadoop ou Spark em 2 segundos e concluem uma tarefa de acordo com uma especificação clara. Mas, ao mesmo tempo, não há mais um passo para o lado. Embora seja flexibilidade nas soluções que os empregadores esperam de seus especialistas em ciência de dados.
O que está acontecendo no mercado de Ciência de Dados
As competências dos jovens especialistas refletem a situação do mercado de trabalho. Aqui, a procura excede significativamente a oferta, por isso os empregadores desesperados estão muitas vezes realmente prontos para contratar especialistas completamente verdes e treiná-los por si próprios. A opção funciona, mas só é adequada se a equipe já contar com um líder experiente que assumirá o treinamento do júnior.
De acordo com pesquisas da HeadHunter e Mail.ru, os especialistas em análise de dados estão entre os mais procurados do mercado:
- Em 2019, havia 9,6 vezes mais vagas na área de análise de dados e 7,2 vezes mais na área de aprendizado de máquina do que em 2015.
- Em comparação com 2018, o número de vagas para especialistas em análise de dados aumentou 1,4 vezes e para especialistas em aprendizado de máquina 1,3 vezes.
- 38% das vagas abertas estão em empresas de TI, 29% em empresas do setor financeiro e 9% em serviços empresariais.
A situação é alimentada por inúmeras escolas online que treinam esses mesmos juniores. Basicamente, o treinamento dura de três a seis meses, durante os quais os alunos conseguem dominar as principais ferramentas em nível básico: Python, SQL, análise de dados, Git e Linux. O resultado é um júnior clássico: ele pode resolver um problema específico, mas ainda não consegue entendê-lo e formulá-lo sozinho. No entanto, a elevada procura de especialistas e o entusiasmo em torno da profissão dão frequentemente origem a grandes ambições e exigências salariais.
Infelizmente, as entrevistas em Data Science agora costumam ser assim: o candidato diz que tentou usar algumas bibliotecas, não consegue responder perguntas sobre como exatamente os algoritmos funcionam e depois pede 200, 300, 400 mil rublos por mês em mãos.
Devido ao grande número de slogans publicitários como “qualquer um pode se tornar um analista de dados”, “dominar o aprendizado de máquina em três meses e começar a ganhar muito dinheiro” e a sede de dinheiro rápido, um enorme fluxo de candidatos superficiais derramou-se em nosso campo sem absolutamente nenhum treinamento sistemático.
Victor Kantor
Cientista-chefe de dados da MTS
Quem os empregadores estão esperando?
Qualquer empregador gostaria que seus juniores trabalhassem sem supervisão constante e fossem capazes de se desenvolver sob a orientação de um líder de equipe. Para isso, o iniciante deve possuir imediatamente as ferramentas necessárias para resolver os problemas atuais, e ter base teórica suficiente para propor gradativamente suas próprias soluções e abordar problemas mais complexos.
Os novatos no mercado estão se saindo muito bem com suas ferramentas. Os cursos de curta duração permitem que você os domine rapidamente e comece a trabalhar.
De acordo com uma pesquisa de HeadHunter e Mail.ru, a habilidade mais procurada é Python. É mencionado em 45% das vagas de cientistas de dados e em 51% das vagas de aprendizado de máquina.
Os empregadores também querem que os analistas de dados conheçam SQL (23%), mineração de dados (19%), estatística matemática (11%) e sejam capazes de trabalhar com big data (10%).
Os empregadores que procuram especialistas em aprendizado de máquina esperam que o candidato seja proficiente em C++ (18%), SQL (15%), algoritmos de aprendizado de máquina (13%) e Linux (11%), além de conhecimento de Python.
Mas se os juniores estão se saindo bem com as ferramentas, então seus gestores enfrentam outro problema. A maioria dos egressos do curso não possui um conhecimento profundo da profissão, dificultando o progresso do iniciante.
Atualmente estou procurando especialistas em aprendizado de máquina para se juntarem à minha equipe. Ao mesmo tempo, vejo que muitas vezes os candidatos dominam certas ferramentas de Data Science, mas não têm uma compreensão profunda o suficiente dos fundamentos teóricos para criar novas soluções.
Emil Maharramov
Chefe do Grupo de Serviços de Química Computacional, Biocad
A própria estrutura e duração dos cursos não permitem aprofundar-se no nível exigido. Os graduados muitas vezes carecem daquelas habilidades sociais que geralmente passam despercebidas ao ler uma vaga de emprego. Bem, realmente, quem entre nós dirá que não tem pensamento sistêmico ou desejo de se desenvolver. Porém, em relação a um especialista em Data Science, estamos falando de uma história mais profunda. Aqui, para se desenvolver, é necessário um viés bastante forte na teoria e na ciência, o que só é possível por meio de estudos de longo prazo, por exemplo, em uma universidade.
Muito depende da pessoa: se um curso intensivo de três meses ministrado por professores fortes com experiência como líderes de equipe em empresas de ponta for concluído por um aluno com boa formação em matemática e programação, aprofunda todos os materiais do curso e “absorve como uma esponja ”, como disseram na escola, então haverá problemas com esse funcionário mais tarde. Mas 90-95% das pessoas, para aprender algo para sempre, precisam aprender dez vezes mais e fazê-lo sistematicamente durante vários anos consecutivos. E isso faz dos programas de mestrado em análise de dados uma excelente opção para obter uma boa base de conhecimento, com a qual você não terá que corar em uma entrevista e será muito mais fácil realizar o trabalho.
Victor Kantor
Cientista-chefe de dados da MTS
Onde estudar para encontrar um emprego em Ciência de Dados
Existem muitos bons cursos de Ciência de Dados no mercado e obter uma formação inicial não é um problema. Mas é importante entender o foco dessa educação. Se o candidato já possui uma sólida formação técnica, então ele precisa de cursos intensivos. A pessoa vai dominar as ferramentas, chegar ao local e se acostumar rapidamente, porque já sabe pensar como um matemático, ver um problema e formular problemas. Se não houver esse histórico, após o curso você terá um bom desempenho, mas com oportunidades limitadas de crescimento.
Se você se depara com a tarefa de curto prazo de mudar de profissão ou encontrar um emprego nesta especialidade, então alguns cursos sistemáticos são adequados para você, que são curtos e rápidos e fornecem um conjunto mínimo de habilidades técnicas para que você possa se qualificar para um posição de nível de entrada neste campo.
Ivan Yamshchikov
Diretor Acadêmico do programa de mestrado online "Data Science"
O problema dos percursos é justamente que eles proporcionam aceleração rápida, mas mínima. Uma pessoa literalmente voa para a profissão e rapidamente atinge o teto. Para ingressar na profissão por um longo período, você precisa estabelecer imediatamente uma boa base na forma de um programa de longo prazo, por exemplo, um mestrado.
O ensino superior é adequado quando você entende que esta área lhe interessa a longo prazo. Você não está ansioso para começar a trabalhar o mais rápido possível. E você não quer ter um teto de carreira; você também não quer enfrentar o problema da falta de conhecimento, de habilidades, de falta de compreensão do ecossistema geral com a ajuda do qual são desenvolvidos produtos inovadores. Para isso, você precisa de um ensino superior, que não apenas crie o conjunto necessário de competências técnicas, mas também estruture seu pensamento de forma diferente e o ajude a formar uma visão de sua carreira no longo prazo.
Ivan Yamshchikov
Diretor Acadêmico do programa de mestrado online "Data Science"
A ausência de teto de carreira é a principal vantagem do programa de mestrado. Em dois anos, um especialista recebe uma base teórica poderosa. Esta é a aparência do primeiro semestre do programa de Ciência de Dados da NUST MISIS:
- Introdução à Ciência de Dados. 2 semanas.
- Fundamentos da análise de dados. Processamento de dados. 2 semanas
- Aprendizado de máquina. Pré-processamento de dados. 2 semanas
- EDA. Análise de dados de inteligência. 3 semanas
- Algoritmos básicos de aprendizado de máquina. Ch1 + Ch2 (6 semanas)
Ao mesmo tempo, você pode ganhar simultaneamente experiência prática no trabalho. Nada impede você de conseguir uma posição júnior assim que o aluno dominar as ferramentas necessárias. Mas, diferentemente de um curso de pós-graduação, o mestrado não para aí os estudos, mas continua se aprofundando na profissão. No futuro, isso permitirá que você se desenvolva em Data Science sem restrições.
No site da Universidade de Ciência e Tecnologia "MISiS" para quem quer trabalhar em Data Science. Representantes da NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group e Yandex, falarei sobre as coisas mais importantes:
- “Como encontrar o seu lugar na Ciência de Dados?”,
- “É possível se tornar um cientista de dados do zero?”,
- “A necessidade de cientistas de dados ainda existirá dentro de 2 a 5 anos?”
- “Em quais problemas os cientistas de dados trabalham?”
- “Como construir uma carreira em Ciência de Dados?”
Treinamento on-line, diploma de educação pública. aceito até 10 agosto.
Fonte: habr.com