Sipas studimeve të HeadHunter dhe Mail.ru, kërkesa për specialistë në fushën e Data Science tejkalon ofertën, por megjithatë, specialistët e rinj nuk arrijnë gjithmonë të gjejnë punë. Po flasim për atë që i mungon diplomantëve të kurseve dhe ku duhet të mësojnë ata që planifikojnë një karrierë të madhe në Data Science.
«Ata vijnë dhe mendojnë se tani do të fitojnë 500k në sekondë, sepse dinë emrat e framworkeve dhe si të fillojnë një model në dy rreshta»
Emil Magerramov drejton grupin e shërbimeve të kimisë llogaritëse në kompaninë biocad dhe gjatë intervistave përballët me faktin se kandidatët nuk kanë një kuptim sistematik të profesionit. Ata përfundojnë kurset, vijnë me njohuri të mira në Python dhe SQL, mund të ngritin Hadoop ose Spark për 2 sekonda, të realizojnë një detyrë sipas një TZ-je të saktë. Por një hap në anë — tashmë nuk funksionon. Megjithatë, pikërisht fleksibilitetin në zgjidhje e presin punëdhënësit nga specialistët e Data Science.
Çfarë ndodh në tregun e Data Science
Aftësitë e specialistëve të rinj reflektojnë situatën në tregun e punës. Këtu kërkesa tejkalon ndjeshëm ofertën, prandaj punëdhënësit e dëshpëruar shpesh janë vërtet të gatshëm të punësojnë specialistë të papërvojë dhe t'i formojnë ata sipas nevojave të tyre. Ky variant funksionon, por i përshtatet vetëm nëse në ekip ka një lider të përvojës, i cili do të marrë përsipër trajnimin e një juniori.
Sipas një studimi të HeadHunter dhe Mail.ru, specialistët e analizës së të dhënave janë një nga grupet më të kërkuara në treg:
- Në vitin 2019, numri i vendeve të punës në fushën e analizës së të dhënave u rrit 9.6 herë, ndërsa në fushën e mësimit të makinerive – 7.2 herë, krahasuar me vitin 2015.
- Në krahasim me vitin 2018, numri i vendeve të punës për specialistët e analizës së të dhënave u rrit 1.4 herë, për mësimin e makinerive – 1.3 herë.
- 38% e vendeve të hapura të punës i përkasin kompanive IT, 29% kompanive nga sektori financiar, 9% sektorit të shërbimeve për biznesin.
Situata po përkeqësohet nga numri i madh i shkollave online që përgatisin këta juniorë. Në përgjithësi, arsimimi përfshin një periudhë prej tre deri në gjashtë muajsh, gjatë të cilës nxënësit arrijnë të zotërojnë në një nivel të bazuar mjetet kryesore: Python, SQL, analizën e të dhënave, Git dhe Linux. Në fund, rezultati është një klasik junior: mund të zgjidhë një detyrë specifike, por nuk mund ta kuptojë problemin dhe ta formulojë detyrën vetë. Megjithatë, kërkesa e lartë për specialistë dhe hype rreth profesionit shpesh krijon ambicie të larta dhe kërkesa për pagë.
Fatkeqësisht, intervista për Data Science tani zakonisht duket kështu: kandidati tregon se ka provuar të aplikoje disa biblioteka, por nuk mund të përgjigjet në pyetje se si funksionojnë algoritmet, pastaj kërkon 200, 300, 400 mijë rubla në muaj në dorë.
Për shkak të shumicës së sloganeve reklamues si "çdo njeri mund të bëhet analist i të dhënave", "në të mësosh mësimin e makineri për tri muaj dhe fillo të fitojë shumë para" dhe dëshira për fitim të shpejtë, në fushën tonë ka hyrë një numër i madh kandidatësh superficialë pa përgatitje sistematike.
Viktor Kantor
Krye Shkencëtar i Të Dhënave në MTS
Kë kanë pritur punëdhënësit
Çdo punëdhënës dëshiron që juniorët e tij të punojnë pa kontroll të vazhdueshëm dhe të mund të zhvillohen nën udhëheqjen e një timlidi. Për këtë, fillestari duhet të zotërojë menjëherë mjetet e nevojshme për të zgjidhur problemet aktuale dhe të ketë një bazë teorike të mjaftueshme për të propozuar gradualisht zgjidhje të veta dhe për të përballuar detyra më të komplikuara.
Me mjetet, fillestarët në treg janë në një pozita të mirë. Kursi të shkurtra lejon që ata të zotërojnë shpejt mjetet dhe të fillojnë punën.
Sipas një hulumtimi nga HeadHunter dhe Mail.ru, aftësia më e kërkuar është zotërimi i Python. Ajo përmendet në 45% të vendeve të punës për specialistë të analizës së të dhënave dhe në 51% të vendeve të punës në fushën e mësimit të makinerive.
Po ashtu, punëdhënësit dëshirojnë që specialistët e analizës së të dhënave të dinë SQL (23%), të zotërojnë analizën e inteligjencës së të dhënave (DataMining) (19%), statistikën matematikore (11%) dhe të dinë të punojnë me të dhëna të mëdha (10%).
Punëdhënësit që kërkojnë specialistë në mësimin e makinerive, përveç diturisë në Python, presin që kandidati të zotërojë C++ (18%), SQL (15%), algoritmet e mësimit të makinerive (13%) dhe Linux (11%).
Porosit, nëse me mjetet juniorët janë në rregull, drejtuesit e tyre përballen me një tjetër problem. Shumica e diplomuarve të kurseve nuk kanë një kuptim të thellë të profesionit, prandaj të rinjve u vështirësohet avancimi.
Aktualisht po kërkoj specialistë të mësimit të makinerisë për ekipin tim. Në të njëjtën kohë, shoh se shpesh kandidatët kanë mësuar mjete të veçanta të Data Science, por nuk kanë një kuptim të mjaftueshëm të bazave teorike për të krijuar zgjidhje të reja.
Emil Magerramov
Kryetari i grupit të shërbimeve të kimisë kompjuterike, Biocad
Struktura dhe periudha e kursit nuk lejon një ndalesë në nivelin e nevojshëm. Shpesh, diplomuarve u mungojnë ato soft skills që zakonisht injorohen kur lexojnë një ofertë pune. E vërteta është, kush nga ne do të thoshte se nuk ka mendim sistematik apo dëshirë për tu zhvilluar. Megjithatë, në kontekstin e specialistit të Data Science, kjo është një histori më e thellë. Këtu, për tu zhvilluar, nevojitet një përkushtim i fortë në teori dhe shkencë, i cili është i mundur vetëm në një mësim të zgjatur, siç është universiteti.
Shumë varet nga individi: nëse një intensiv tre-mujor nga pedagogët e fortë me përvojë si liderë në kompani të njohura kalon një nxënës me një themel të mirë në matematikë dhe programim, që kupton të gjithë materialin e kursit dhe «përthith si një shpongjë», siç thonë në shkollë, atëherë nuk ka probleme me atë punonjës më vonë. Por 90-95% e njerëzve, për të mësuar diçka përherë, duhet të mësojnë dhjetë herë më shumë dhe ta praktikojnë këtë sistematikisht për disa vite rresht. Dhe kjo e bën programin e masterit në analizën e të dhënave një mundësi të shkëlqyer për të fituar një themel të mirë njohurish, me të cilin as në intervistë nuk do të ndiheni të turpëruar, dhe punën do ta bëni shumë më lehtë.
Viktor Kantor
Krye Shkencëtar i Të Dhënave në MTS
Ku të studiojmë për të gjetur punë në Data Science
Në treg ka shumë kurse të mira për Data Science dhe të marrësh një arsim fillestar nuk është problem. Por është e rëndësishme të kuptosh orientimin e këtij arsimi. Nëse kandidati tashmë ka një sfond të fortë teknik, atëherë kursit intensiv është ajo që nevojitet. Njeriu do të zotërojë mjetet, do të vijë në vend dhe do të adaptohet shpejt, sepse tashmë di të mendojë si një matematicien, të shohë problemin dhe të formulojë detyra. Nëse nuk ka një sfond të tillë, atëherë pas kursit do të jetë një ekzekutues i mirë, por me mundësi të kufizuara për rritje.
Nëse para jush qëndron një detyrë afatshkurtër për të ndryshuar profesionin ose për të kërkuar punë në këtë specialitet, atëherë ju përshtaten disa kurse sistematike, të cilat janë të shkurtra dhe shpejt japin një grup minimal teknike aftësish, në mënyrë që të mund të pretendoni për një pozita fillestare në këtë fushë.
Ivan Yamshchikov
Drejtori Akademik i programit online të Masterit "Shkenca e të Dhënave"
Problemi i kurseve është se ato japin një shpërthim të shpejtë, por minimal. Njeriu literalmente hyn në profesion dhe arrin shpejt një majë. Për të hyrë në profesion për një kohë të gjatë, është e nevojshme të vendoset një bazë e mirë që si një program më afatgjatë, për shembull, në master.
Arsimimi i lartë është i përshtatshëm kur kuptoni se kjo fushë ju intereson për një periudhë afatgjatë. Ju nuk përpiqeni të dilni në punë sa më shpejt të jetë e mundur. Dhe nuk dëshironi të keni një majë karriere, gjithashtu nuk dëshiron të përballeni me problemin e mungesës së njohurive, aftësive, mungesës së kuptimit të ekosistemit të përgjithshëm, me anë të të cilit zhvillohen produktet novatore. Për këtë ju nevojitet në mënyrë specifike arsimi i lartë, i cili formon jo vetëm grupin e nevojshëm të aftësive teknike, por gjithashtu strukturohet ndryshe mendimin tuaj dhe ndihmon në formimin e një vizioni për karrierën tuaj në një perspektivë më afatgjatë.
Ivan Yamshchikov
Drejtori Akademik i programit online të Masterit "Shkenca e të Dhënave"
Mungesa e majës në karrierë është përparësia kryesore e programit të masterit. Brenda dy viteve, specialisti merr një bazë teorike të fortë. Kështu duket semestri i parë në programin Data Science të NITU "MISiS":
- Hyrja në Data Science. 2 javë.
- Të dhëna analizash. Procesimi i të dhënave. 2 javë.
- Mësimi makinerik. Paraprocesimi i të dhënave. 2 javë.
- EDA. Analiza eksploruese e të dhënave. 3 javë.
- Algoritmet kryesore të mësimit makinerik. Pjesa 1 + Pjesa 2 (6 javë)
Në këtë mënyrë, mund të fitohet përvojë praktike në punë. Asgjë nuk e pengon të zbatohet në një pozita junior, sapo studentët të zotërojnë mjetet e nevojshme. Megjithatë, ndryshe nga një diplomë nga kurset, një master nuk e ndalon këtu mësimin e tij, por vazhdon të thellohet në profesion. Në të ardhmen, kjo lejon zhvillim të pakufizuar në Data Science.
Në faqen e internetit të universitetit të shkencave dhe teknologjive "MISiS" po zhvillohen për ata që duan të punojnë në Data Science. Përfaqësues të NITU "MISiS", SkillFactory, HeadHunter, Facebook, Mail.ru Group dhe Yandex, flasin për gjërat më të rëndësishme:
- "Si të gjejmë vendin tonë në Data Science?",
- "A mund të bëhesh data scientist nga zero?",
- "A do të ketë ende nevojë për data scientistë në 2-5 vjet?",
- "Për çfarë probleme punojnë specialistët e data science?",
- "Si të ndërtojmë një karrierë në Data Science?"
Mësim online, diplomë shtetërore. pranohet deri më 10 gusht.
Burimi: habr.com
