Conform cercetărilor HeadHunter și Mail.ru, cererea de specialiști în domeniul Data Science depășește oferta, dar chiar și așa, tinerii specialiști nu reușesc întotdeauna să își găsească un loc de muncă. Vă explicăm de ce le lipsesc absolvenților cursurilor și unde pot învăța cei care planifică o carieră de succes în Data Science.
„Ei vin și cred că acum vor câștiga 500k pe secundă, deoarece știu denumirile framework-urilor și cum să lanseze un model în două linii”
Emil Magheramov conduce un grup de servicii de chimie computațională în compania biocad și se confruntă în interviuri cu situația în care candidații nu au o înțelegere sistematică a profesiei. Ei termină cursurile, vin cu cunoștințe avansate de Python și SQL, pot ridica Hadoop sau Spark în 2 secunde, îndeplinind sarcina conform unui TGA clar. Dar să facă un pas în lateral — nu pot. Deși exact această flexibilitate a soluțiilor o așteaptă angajatorii de la specialiștii în Data Science.
Ce se întâmplă pe piața Data Science
Competențele tinerilor specialiști reflectă situația de pe piața muncii. Aici, cererea depășește cu mult oferta, motiv pentru care angajatorii disperați sunt adesea în realitate dispuși să angajeze specialiști complet neexperimentați și să-i dezvolte conform nevoilor lor. Aceasta este o opțiune viabilă, dar este adecvată doar în cazul în care în echipă există deja un team lead experimentat care va prelua formarea juniorului.
Conform unui studiu realizat de HeadHunter și Mail.ru, specialiștii în analiză de date sunt printre cei mai căutați pe piață:
- În 2019, numărul locurilor de muncă în domeniul analizei datelor a crescut de 9,6 ori, iar în domeniul învățării automate – de 7,2 ori, comparativ cu 2015.
- Comparativ cu 2018, numărul locurilor de muncă pentru specialiști în analiză de date a crescut de 1,4 ori, iar în domeniul învățării automate – de 1,3 ori.
- 38% din locurile de muncă disponibile aparțin companiilor IT, 29% – companiilor din sectorul financiar, 9% – domeniului serviciilor pentru afaceri.
Situația este amplificată de numeroasele școli online care pregătesc acești juniori. În general, cursurile durează între trei și șase luni, timp în care studenții reușesc să dobândească, la un nivel de bază, principalele instrumente: Python, SQL, analiza datelor, Git și Linux. La final, obținem un junior clasic: poate rezolva o sarcină specifică, dar nu poate înțelege problema și formula independent o sarcină. Cu toate acestea, cererea mare de specialiști și hype-ul din jurul profesiei generează adesea așteptări și cerințe ridicate în privința salariului.
Din păcate, interviul pentru Data Science arată, de obicei, astfel: candidatul povestește că a încercat să aplice câteva biblioteci, dar nu poate răspunde la întrebările legate de modul în care funcționează algoritmii, apoi solicită 200, 300, 400 de mii de ruble pe lună net.
Din cauza numărului mare de sloganuri publicitare precum «orice persoană poate deveni analist de date», «învață învățarea automată în trei luni și începe să câștigi mulți bani» și a dorinței de câștig rapid, domeniul nostru a fost inundat de un val enorm de candidați superficiali, complet fără o pregătire sistematică.
Victor Cantor
Chief Data Scientist la MTS
Ce așteaptă angajatorii
Orice angajator și-ar dori ca juniorii săi să lucreze fără control constant și să se dezvolte sub îndrumarea unui team leader. Pentru aceasta, un nou venit trebuie să stăpânească imediat instrumentele necesare pentru a rezolva sarcinile actuale și să aibă o bază teoretică suficientă pentru a propune treptat soluții proprii și a aborda sarcini mai complexe.
În ceea ce privește instrumentele, juniorii de pe piață se descurcă destul de bine. Cursurile pe termen scurt permit o asimilare rapidă a acestora și inițierea în muncă.
Conform unui studiu HeadHunter și Mail.ru, cea mai cerută abilitate este stăpânirea Python. Aceasta este menționată în 45% din anunțurile de angajare pentru specialiști în analiza datelor și în 51% din anunțurile pentru domeniul învățării automate.
De asemenea, angajatorii doresc ca specialiștii în analiza datelor să știe SQL (23%), să aibă cunoștințe în analiza datelor (Data Mining) (19%), statistică matematică (11%) și să știe să lucreze cu big data (10%).
Angajatorii care caută specialiști în învățarea automată, pe lângă cunoașterea Python, se așteaptă ca candidatul să dețină cunoștințe de C++ (18%), SQL (15%), algoritmi de învățare automată (13%) și Linux (11%).
Dar dacă instrumentele pentru juniori sunt bine, atunci viitorii lor superiori se confruntă cu o altă problemă. Majoritatea absolvenților cursurilor nu au o înțelegere profundă a profesiei, așa că este dificil pentru un începător să progreseze.
Acum caut specialiști în învățarea automată pentru echipa mea. Totuși, observ că de multe ori candidații au stăpânit unelte specifice din Data Science, dar nu au o înțelegere suficient de profundă a fundamentelor teoretice pentru a crea soluții noi.
Emil Magheramov
Șef de grup pentru serviciile de chimie computațională, Biocad
Structura și durata cursurilor nu permit o aprofundare la nivelul necesar. Absolvenților le lipsesc adesea acele soft skills care de obicei sunt neglijate la citirea anunțurilor de angajare. Dar, să fim sinceri, cine dintre noi ar spune că nu are gândire sistemică sau dorința de a se dezvolta? Totuși, pentru un specialist în Data Science, este vorba despre o poveste mult mai profundă. Aici, pentru a se dezvolta, este nevoie de un accent suficient de puternic pe teorie și știință, care poate fi obținut doar printr-o formare de lungă durată, de exemplu, la universitate.
Multe depind de persoană: dacă un intensiv de trei luni de la profesori puternici cu experiență în conducerea echipelor de la companii de top este urmat de un student cu o bază solidă în matematică și programare, care se implică în toate materialele cursului și "absoarbe ca un burete", cum se spunea la școală, atunci nu există probleme cu un astfel de angajat. Dar 90-95% dintre oameni au nevoie să învețe de zece ori mai mult pentru a reține ceva permanent și trebuie să facă acest lucru sistematic timp de câțiva ani la rând. Și asta face programele de masterat în analiză de date o opțiune excelentă pentru a obține o bază bună de cunoștințe, cu care nu va trebui să roșim la interviu și va fi mult mai ușor de lucrat.
Victor Cantor
Chief Data Scientist la MTS
Unde să învăț pentru a găsi un loc de muncă în Data Science
Pe piață există multe cursuri bune de Data Science, iar obținerea unei educații inițiale nu este o problemă. Dar este important să înțelegem direcția acestei educații. Dacă candidatul are deja un fundal tehnic solid, atunci cursurile intensive sunt exact ceea ce trebuie. Persoana va învăța instrumentele, va începe să lucreze și se va adapta rapid, deoarece deja știe să gândească ca un matematician, să observe problemele și să formuleze sarcini. Dacă nu există un astfel de fundal, atunci după curs va deveni un bun executant, dar cu oportunități limitate de creștere.
Dacă aveți o sarcină pe termen scurt, cum ar fi schimbarea profesiei sau găsirea unui loc de muncă în acest domeniu, atunci vă sunt potrivite cursuri sistematice, care sunt scurte și oferă rapid un set minimal de abilități tehnice, astfel încât să puteți candida pentru o poziție de început în acest domeniu.
Ivan Iamsikov
Director academic al programului online de masterat "Știința datelor"
Problema cursurilor constă tocmai în faptul că oferă o accelerare rapidă, dar minimă. Persoana intră efectiv în profesie și atinge rapid un platou. Pentru a rămâne în profesie pe termen lung, este necesar să se pună din start o bază bună printr-un program de mai lungă durată, de exemplu, un master.
Educația superioară este potrivită atunci când înțelegeți că acest domeniu vă interesează pe termen lung. Nu doriți să ieșiți la muncă cât mai repede posibil. De asemenea, nu doriți să aveți un plafon în carieră și nu doriți să vă confruntați cu problema lipsei de cunoștințe, abilități sau a lipsei de înțelegere a întregii ecosisteme prin care se dezvoltă produsele inovatoare. Pentru aceasta, este nevoie de o educație superioară care să formeze nu doar setul necesar de abilități tehnice, ci și să structureze altfel modul dumneavoastră de gândire și să vă ajute să formați o anumită viziune asupra carierei dumneavoastră pe termen lung.
Ivan Iamsikov
Director academic al programului online de masterat "Știința datelor"
Absența unui plafon de carieră este principalul avantaj al programului de masterat. În decurs de doi ani, specialistul obține o bază teoretică solidă. Iată cum arată deja primul semestru în programul Data Science la NITU "MISiS":
- Introducere în Data Science. 2 săptămâni.
- Bazele analizei datelor. Prelucrarea datelor. 2 săptămâni.
- Învățare automată. Pre-procesarea datelor. 2 săptămâni.
- EDA. Analiza exploratorie a datelor. 3 săptămâni.
- Algoritmi principali de învățare automată. Partea 1 + Partea 2 (6 săptămâni)
În același timp, poți obține experiență practică la locul de muncă. Nimic nu te oprește să te angajezi pe o poziție de junior de îndată ce studentul a învățat instrumentele necesare. Totuși, spre deosebire de un absolvent de cursuri, un masterand nu își oprește pregătirea aici, ci continuă să se adâncească în profesie. În viitor, acest lucru îi permite să se dezvolte în Data Science fără restricții.
Pe site-ul Universității de Științe și Tehnologii „MISIS” au loc pentru cei care doresc să lucreze în Data Science. Reprezentanți ai NITU „MISIS”, SkillFactory, HeadHunter, Facebook, Mail.ru Group și Yandex vor vorbi despre cele mai importante aspecte:
- „Cum să îți găsești locul în Data Science?”
- „Poate cineva deveni data scientist de la zero?”
- „Va mai exista nevoie de data scientist în următorii 2-5 ani?”
- „La ce probleme lucrează specialiștii în data science?”
- „Cum să îți construiești o carieră în Data Science?”
Învățare online, diplomă de educație de stat. sunt acceptate până la 10 august.
Sursa: habr.com
