Podľa výskumu HeadHunter a Mail.ru dopyt po špecialistoch v oblasti Data Science prevyšuje ponuku, no aj tak sa mladým špecialistom nie vždy podarí nájsť si prácu. Povieme vám, ktorí absolventi kurzov chýbajú a kde študovať pre tých, ktorí plánujú veľkú kariéru v Data Science.
"Prichádzajú a myslia si, že teraz budú zarábať 500 XNUMX za sekundu, pretože poznajú názvy rámcov a ako z nich spustiť model v dvoch riadkoch."
Emil Maharramov vedie skupinu služieb výpočtovej chémie v biocad a pri pohovoroch sa stretáva s tým, že kandidáti nemajú systematické chápanie profesie. Absolvujú kurzy, prichádzajú s dobre vyškoleným Pythonom a SQL, dokážu nainštalovať Hadoop alebo Spark za 2 sekundy a dokončia úlohu podľa jasnej špecifikácie. No zároveň už nie je krok vedľa. Hoci práve flexibilitu riešení zamestnávatelia od svojich špecialistov na vedu údajov očakávajú.
Čo sa deje na trhu Data Science
Kompetencie mladých špecialistov odrážajú situáciu na trhu práce. Tu dopyt výrazne prevyšuje ponuku, takže zúfalí zamestnávatelia sú často naozaj pripravení najať úplne zelených špecialistov a vyškoliť ich pre seba. Možnosť funguje, ale je vhodná len vtedy, ak už má tím skúseného vedúceho mužstva, ktorý prevezme prípravu juniorky.
Podľa prieskumu HeadHunter a Mail.ru patria špecialisti na analýzu údajov medzi najžiadanejších na trhu:
- V roku 2019 bolo voľných 9,6-krát viac pracovných miest v oblasti analýzy dát a 7,2-krát viac v oblasti strojového učenia ako v roku 2015.
- V porovnaní s rokom 2018 sa počet voľných pracovných miest pre špecialistov na dátovú analýzu zvýšil 1,4-krát a pre špecialistov na strojové učenie 1,3-krát.
- 38 % voľných pracovných miest je v IT spoločnostiach, 29 % v spoločnostiach finančného sektora a 9 % v obchodných službách.
Situáciu podporujú mnohé online školy, ktoré trénujú tých istých juniorov. Školenie trvá v zásade od troch do šiestich mesiacov, počas ktorých študenti zvládajú na základnej úrovni hlavné nástroje: Python, SQL, analýzu dát, Git a Linux. Výsledkom je klasický junior: dokáže vyriešiť konkrétny problém, no aj tak nedokáže problém pochopiť a sám problém sformulovať. Vysoký dopyt po špecialistoch a humbuk okolo profesie však často vyvolávajú vysoké ambície a platové požiadavky.
Bohužiaľ, pohovory v Data Science teraz zvyčajne vyzerajú takto: kandidát hovorí, že sa pokúsil použiť niekoľko knižníc, nemôže odpovedať na otázky o tom, ako presne fungujú algoritmy, a potom žiada 200, 300, 400 tisíc rubľov mesačne na ruku.
Kvôli veľkému množstvu reklamných sloganov ako „každý sa môže stať dátovým analytikom“, „ovládnite strojové učenie za tri mesiace a začnite zarábať veľa peňazí“ a smäd po rýchlych peniazoch sa do našej spoločnosti nalial obrovský prúd povrchných kandidátov. oblasti absolútne bez systematického vzdelávania.
Viktor Kantor
Hlavný dátový vedec v MTS
Na koho čakajú zamestnávatelia?
Každý zamestnávateľ by chcel, aby jeho juniori pracovali bez neustáleho dozoru a mohli sa rozvíjať pod vedením tímového vedúceho. Na to musí začiatočník okamžite disponovať potrebnými nástrojmi na riešenie aktuálnych problémov a mať dostatočný teoretický základ na postupné navrhovanie vlastných riešení a pristupovanie k zložitejším problémom.
Nováčikom na trhu sa s ich nástrojmi celkom darí. Krátkodobé kurzy vám umožňujú rýchlo ich zvládnuť a pustiť sa do práce.
Podľa výskumu HeadHunter a Mail.ru je najžiadanejšou zručnosťou Python. Spomína sa v 45 % voľných pozícií dátových vedcov a 51 % voľných pozícií strojového učenia.
Zamestnávatelia tiež chcú, aby dátoví analytici poznali SQL (23 %), data mining (19 %), matematické štatistiky (11 %) a vedeli pracovať s veľkými dátami (10 %).
Zamestnávatelia, ktorí hľadajú špecialistov na strojové učenie, očakávajú, že kandidát bude okrem znalosti jazyka Python ovládať aj C++ (18 %), SQL (15 %), algoritmy strojového učenia (13 %) a Linux (11 %).
No ak sa juniorom darí s nástrojmi, tak ich manažéri stoja pred ďalším problémom. Väčšina absolventov kurzov nemá hlboké pochopenie pre túto profesiu, čo sťažuje začiatočníkovi napredovanie.
Momentálne hľadám do svojho tímu špecialistov na strojové učenie. Zároveň vidím, že kandidáti často ovládajú určité nástroje Data Science, ale nemajú dostatočne hlboké pochopenie teoretických základov na vytváranie nových riešení.
Emil Maharramov
Vedúci skupiny služieb pre výpočtovú chémiu, Biocad
Samotná štruktúra a trvanie kurzov neumožňuje ísť hlbšie na požadovanú úroveň. Absolventom často chýbajú tie veľmi mäkké zručnosti, ktoré zvyčajne chýbajú pri čítaní voľných pracovných miest. No veru, kto z nás povie, že nemá systémové myslenie ani chuť sa rozvíjať. Vo vzťahu k špecialistovi na Data Science však hovoríme o hlbšom príbehu. Tu na to, aby ste sa mohli rozvíjať, potrebujete pomerne silné zaujatie v teórii a vede, čo je možné len dlhodobým štúdiom napríklad na univerzite.
Veľa závisí od človeka: ak trojmesačný intenzívny kurz od silných učiteľov so skúsenosťami s vedením tímu v špičkových firmách absolvuje študent s dobrým vzdelaním v matematike a programovaní, ponorí sa do všetkých materiálov kurzu a „nasáva ako špongia ,“ ako hovorili v škole, tak s takýmto zamestnancom budú neskôr problémy Č. Ale 90-95% ľudí na to, aby sa niečo naučili navždy, sa potrebuje učiť desaťkrát viac a robiť to systematicky niekoľko rokov po sebe. A to robí magisterské programy v oblasti analýzy údajov vynikajúcou možnosťou, ako získať dobrý základ vedomostí, s ktorými sa na pohovore nebudete musieť červenať a bude oveľa jednoduchšie robiť prácu.
Viktor Kantor
Hlavný dátový vedec v MTS
Kde študovať a nájsť si prácu v Data Science
Na trhu je veľa dobrých kurzov Data Science a získať počiatočné vzdelanie nie je problém. Ale je dôležité pochopiť zameranie tohto vzdelávania. Ak už má kandidát silné technické zázemie, tak intenzívne kurzy sú to, čo potrebuje. Človek si osvojí nástroje, príde na miesto a rýchlo si zvykne, pretože už vie myslieť ako matematik, vidieť problém a formulovať problémy. Ak takéto zázemie neexistuje, potom po kurze budete dobrý umelec, ale s obmedzenými možnosťami rastu.
Ak stojíte pred krátkodobou úlohou zmeniť povolanie alebo nájsť si prácu v tejto špecializácii, potom sú pre vás vhodné niektoré systematické kurzy, ktoré sú krátke a rýchlo poskytujú minimálny súbor technických zručností, aby ste sa mohli kvalifikovať na vstupná pozícia v tejto oblasti.
Ivan Jamščikov
Akademický riaditeľ online magisterského programu "Data Science"
Problém kurzov je práve v tom, že poskytujú rýchle, ale minimálne zrýchlenie. Človek doslova vletí do profesie a rýchlo dosiahne strop. Ak chcete vstúpiť do profesie na dlhú dobu, musíte okamžite položiť dobrý základ v podobe dlhodobejšieho programu, napríklad magisterského štúdia.
Vysokoškolské vzdelanie je vhodné vtedy, keď pochopíte, že vás tento odbor dlhodobo zaujíma. Nemáte chuť pustiť sa do práce čo najskôr. A nechcete mať kariérny strop; tiež nechcete čeliť problému nedostatku vedomostí, zručností, nepochopenia všeobecného ekosystému, pomocou ktorého sa vyvíjajú inovatívne produkty. Na to potrebujete vysokoškolské vzdelanie, ktoré nielen vytvorí potrebný súbor technických zručností, ale aj inak štruktúruje vaše myslenie a pomôže vám vytvoriť si víziu vašej kariéry na dlhšie obdobie.
Ivan Jamščikov
Akademický riaditeľ online magisterského programu "Data Science"
Absencia kariérneho stropu je hlavnou výhodou magisterského programu. Za dva roky dostane špecialista silný teoretický základ. Takto vyzerá prvý semester v programe Data Science na NUST MISIS:
- Úvod do vedy o údajoch. 2 týždne.
- Základy analýzy dát. Spracovanie dát. 2 týždne
- Strojové učenie. Predspracovanie údajov. 2 týždne
- EDA. Analýza spravodajských údajov. 3 týždne
- Základné algoritmy strojového učenia. Ch1 + Ch2 (6 týždňov)
Zároveň môžete získať praktické skúsenosti v práci. Nič vám nebráni získať juniorskú pozíciu hneď, ako si študent osvojí potrebné nástroje. Na rozdiel od absolventa kurzu však magisterský titul nezastaví jeho štúdium, ale pokračuje v hlbšom ponorení sa do profesie. V budúcnosti vám to umožňuje rozvíjať sa v Data Science bez obmedzení.
Na webovej stránke Vysokej školy vedy a techniky „MISiS“ pre tých, ktorí chcú pracovať v Data Science. Zástupcovia NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group a Yandex, poviem vám o najdôležitejších veciach:
- "Ako nájsť svoje miesto v Data Science?",
- "Je možné stať sa dátovým vedcom od nuly?",
- "Bude o 2-5 rokov stále potreba dátových vedcov?"
- "Na akých problémoch pracujú dátoví vedci?"
- "Ako si vybudovať kariéru v Data Science?"
Online školenie, štátny diplom. prijaté do 10 augusta.
Zdroj: hab.com