Kulingana na utafiti wa HeadHunter na Mail.ru, mahitaji ya wataalam katika uwanja wa Sayansi ya Takwimu huzidi usambazaji, lakini hata hivyo, wataalam wachanga sio kila wakati wanasimamia kupata kazi. Tunakuambia ni wahitimu wa kozi gani wanakosa na wapi pa kusoma kwa wale wanaopanga taaluma kubwa katika Sayansi ya Data.
"Wanakuja na kufikiria kuwa sasa watapata 500k kwa sekunde, kwa sababu wanajua majina ya mifumo na jinsi ya kuendesha mfano kutoka kwao katika mistari miwili"
Emil Maharramov anaongoza kundi la huduma za kemia ya hesabu katika biocad na wakati wa mahojiano anakabiliwa na ukweli kwamba watahiniwa hawana ufahamu wa utaratibu wa taaluma. Wanakamilisha kozi, wanakuja na Python na SQL waliofunzwa vizuri, wanaweza kusakinisha Hadoop au Spark katika sekunde 2, na kukamilisha kazi kulingana na vipimo vilivyo wazi. Lakini wakati huo huo, hakuna hatua tena kwa upande. Ingawa ni kubadilika kwa suluhu ambazo waajiri wanatarajia kutoka kwa wataalamu wao wa sayansi ya data.
Nini kinatokea katika soko la Sayansi ya Data
Uwezo wa wataalam wachanga unaonyesha hali katika soko la ajira. Hapa, mahitaji yanazidi usambazaji, kwa hivyo waajiri wanaokata tamaa mara nyingi wako tayari kuajiri wataalam wa kijani kibichi na kuwafundisha wao wenyewe. Chaguo hufanya kazi, lakini inafaa tu ikiwa timu tayari ina kiongozi wa timu mwenye uzoefu ambaye atachukua mafunzo ya mdogo.
Kulingana na utafiti wa HeadHunter na Mail.ru, wataalam wa uchambuzi wa data ni kati ya wanaohitajika sana kwenye soko:
- Mnamo 2019, kulikuwa na nafasi mara 9,6 zaidi katika uwanja wa uchanganuzi wa data, na mara 7,2 zaidi katika uwanja wa kujifunza kwa mashine kuliko mwaka wa 2015.
- Ikilinganishwa na 2018, idadi ya nafasi za kazi za wataalamu wa uchanganuzi wa data iliongezeka kwa mara 1,4, na kwa wataalamu wa kujifunza mashine kwa mara 1,3.
- 38% ya nafasi zilizo wazi ziko katika kampuni za IT, 29% katika kampuni za sekta ya kifedha, na 9% katika huduma za biashara.
Hali hiyo inachochewa na shule nyingi za mtandaoni zinazofundisha vijana hao hao. Kimsingi, mafunzo hudumu kutoka miezi mitatu hadi sita, wakati ambapo wanafunzi huweza kujua zana kuu katika kiwango cha msingi: Python, SQL, uchambuzi wa data, Git na Linux. Matokeo yake ni junior classic: anaweza kutatua tatizo maalum, lakini bado hawezi kuelewa tatizo na kuunda tatizo peke yake. Walakini, mahitaji makubwa ya wataalam na hype karibu na taaluma mara nyingi husababisha matarajio ya juu na mahitaji ya mishahara.
Kwa bahati mbaya, mahojiano katika Sayansi ya Data sasa kawaida huonekana kama hii: mgombea anasema kwamba alijaribu kutumia maktaba kadhaa, hawezi kujibu maswali kuhusu jinsi algorithms inavyofanya kazi, kisha anauliza rubles 200, 300, 400 kwa mwezi mkononi .
Kwa sababu ya idadi kubwa ya kauli mbiu za utangazaji kama vile "mtu yeyote anaweza kuwa mchambuzi wa data", "kujifunza kwa mashine ndani ya miezi mitatu na kuanza kupata pesa nyingi" na kiu ya pesa za haraka, mkondo mkubwa wa wagombeaji wa juu juu umemiminika. uwanja usio na mafunzo ya kimfumo kabisa.
Victor Kantor
Mwanasayansi Mkuu wa Takwimu katika MTS
Waajiri wanangojea nani?
Mwajiri yeyote angependa vijana wake wafanye kazi bila usimamizi wa mara kwa mara na kuweza kujiendeleza chini ya uongozi wa timu. Ili kufanya hivyo, anayeanza lazima awe na zana muhimu za kutatua shida za sasa, na awe na msingi wa kutosha wa kinadharia wa kupendekeza hatua kwa hatua masuluhisho yao na kukabiliana na shida ngumu zaidi.
Wapya kwenye soko wanafanya vizuri kabisa na zana zao. Kozi za muda mfupi hukuruhusu kuzijua haraka na kufanya kazi.
Kulingana na utafiti wa HeadHunter na Mail.ru, ujuzi unaohitajika zaidi ni Python. Inatajwa katika 45% ya nafasi za kazi za wanasayansi wa data na 51% ya nafasi za kujifunza mashine.
Waajiri pia wanataka wachambuzi wa data kujua SQL (23%), madini ya data (19%), takwimu za hisabati (11%) na waweze kufanya kazi na data kubwa (10%).
Waajiri wanaotafuta wataalamu wa kujifunza kwa mashine wanatarajia mtahiniwa kuwa na ujuzi katika C++ (18%), SQL (15%), algoriti za kujifunza kwa mashine (13%) na Linux (11%) pamoja na ujuzi wa Python.
Lakini ikiwa vijana wanafanya vizuri na zana, basi wasimamizi wao wanakabiliwa na tatizo jingine. Wahitimu wengi wa kozi hiyo hawana uelewa wa kina wa taaluma hiyo, na hivyo kufanya iwe vigumu kwa anayeanza kuendelea.
Kwa sasa ninatafuta wataalamu wa kujifunza mashine ili wajiunge na timu yangu. Wakati huo huo, naona kwamba watahiniwa wamejua zana fulani za Sayansi ya Data, lakini hawana uelewa wa kutosha wa misingi ya kinadharia kuunda masuluhisho mapya.
Emil Maharramov
Mkuu wa Kikundi cha Huduma za Kemia ya Kompyuta, Biocad
Muundo sana na muda wa kozi haukuruhusu kwenda zaidi kwa kiwango kinachohitajika. Wahitimu mara nyingi hukosa ujuzi huo laini ambao kwa kawaida hukosa wakati wa kusoma nafasi ya kazi. Kweli, ni nani kati yetu atasema kuwa hana mifumo ya kufikiria au hamu ya kukuza. Walakini, kuhusiana na mtaalam wa Sayansi ya Takwimu, tunazungumza juu ya hadithi ya kina. Hapa, ili kukuza, unahitaji upendeleo wenye nguvu katika nadharia na sayansi, ambayo inawezekana tu kupitia masomo ya muda mrefu, kwa mfano, katika chuo kikuu.
Mengi inategemea mtu huyo: ikiwa kozi kubwa ya miezi mitatu kutoka kwa walimu hodari na uzoefu kama timu inaongoza katika kampuni za juu inakamilishwa na mwanafunzi aliye na historia nzuri ya hisabati na programu, anachunguza nyenzo zote za kozi na "kunyonya kama sifongo. ,β kama walivyosema shuleni, basi kutakuwa na shida na mfanyakazi kama huyo baadaye Na. Lakini 90-95% ya watu, ili kujifunza kitu milele, wanahitaji kujifunza mara kumi zaidi na kuifanya kwa utaratibu kwa miaka kadhaa mfululizo. Na hii inafanya mipango ya bwana katika uchanganuzi wa data kuwa chaguo bora kupata msingi mzuri wa maarifa, ambayo hautalazimika kuona haya usoni kwenye mahojiano, na itakuwa rahisi zaidi kufanya kazi hiyo.
Victor Kantor
Mwanasayansi Mkuu wa Takwimu katika MTS
Mahali pa kusoma ili kupata kazi katika Sayansi ya Data
Kuna kozi nyingi nzuri za Sayansi ya Takwimu kwenye soko na kupata elimu ya awali sio shida. Lakini ni muhimu kuelewa lengo la elimu hii. Ikiwa mgombea tayari ana msingi dhabiti wa kiufundi, basi kozi kubwa ndizo wanazohitaji. Mtu atasimamia zana, aje mahali hapo na aizoea haraka, kwa sababu tayari anajua jinsi ya kufikiria kama mtaalam wa hesabu, kuona shida na kuunda shida. Ikiwa hakuna historia kama hiyo, basi baada ya kozi utakuwa mtendaji mzuri, lakini na fursa ndogo za ukuaji.
Ikiwa unakabiliwa na kazi ya muda mfupi ya kubadilisha taaluma au kupata kazi katika utaalam huu, basi kozi zingine za kimfumo zinafaa kwako, ambazo ni fupi na hutoa haraka seti ya chini ya ustadi wa kiufundi ili uweze kufuzu. nafasi ya kuingia katika uwanja huu.
Ivan Yamshchikov
Mkurugenzi wa Masomo wa programu ya bwana mtandaoni "Sayansi ya data"
Shida na kozi ni kwamba hutoa kasi ya haraka lakini ndogo. Mtu huruka kwenye taaluma na haraka hufikia dari. Ili kuingia taaluma kwa muda mrefu, unahitaji mara moja kuweka msingi mzuri kwa namna ya mpango wa muda mrefu, kwa mfano, shahada ya bwana.
Elimu ya juu inafaa unapoelewa kuwa uwanja huu unakuvutia kwa muda mrefu. Huna hamu ya kupata kazi haraka iwezekanavyo. Na hutaki kuwa na dari ya kazi; pia hutaki kukabiliwa na shida ya ukosefu wa maarifa, ustadi, ukosefu wa ufahamu wa mfumo wa ikolojia wa jumla kwa msaada wa ambayo bidhaa za ubunifu zinatengenezwa. Kwa hili, unahitaji elimu ya juu, ambayo sio tu inajenga seti muhimu ya ujuzi wa kiufundi, lakini pia inaunda mawazo yako tofauti na kukusaidia kuunda maono fulani ya kazi yako kwa muda mrefu.
Ivan Yamshchikov
Mkurugenzi wa Masomo wa programu ya bwana mtandaoni "Sayansi ya data"
Kutokuwepo kwa dari ya kazi ni faida kuu ya mpango wa bwana. Katika miaka miwili, mtaalamu hupokea msingi wa kinadharia wenye nguvu. Hivi ndivyo muhula wa kwanza katika mpango wa Sayansi ya Data huko NUST MISIS unavyoonekana:
- Utangulizi wa Sayansi ya Data. Wiki 2.
- Misingi ya uchambuzi wa data. Usindikaji wa data. Wiki 2
- Kujifunza kwa mashine. Usindikaji wa data. Wiki 2
- EDA. Uchambuzi wa data ya akili. Wiki 3
- Kanuni za msingi za kujifunza mashine. Ch1 + Ch2 (wiki 6)
Wakati huo huo, unaweza kupata uzoefu wa vitendo wakati huo huo kazini. Hakuna kitu kinachokuzuia kupata nafasi ya chini mara tu mwanafunzi anapopata zana muhimu. Lakini, tofauti na mhitimu wa kozi, shahada ya uzamili haimalizi masomo yake huko, lakini inaendelea kuzama zaidi katika taaluma. Katika siku zijazo, hii inakuwezesha kuendeleza katika Sayansi ya Data bila vikwazo.
Kwenye tovuti ya Chuo Kikuu cha Sayansi na Teknolojia "MISiS" kwa wale wanaotaka kufanya kazi katika Sayansi ya Data. Wawakilishi wa NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru Group na Yandex, nitawaambia kuhusu mambo muhimu zaidi:
- "Jinsi ya kupata nafasi yako katika Sayansi ya Data?",
- "Inawezekana kuwa mwanasayansi wa data kutoka mwanzo?",
- "Je, hitaji la wanasayansi wa data bado lipo katika miaka 2-5?"
- "Ni matatizo gani ambayo wanasayansi wa data hufanya kazi?"
- "Jinsi ya kujenga kazi katika Sayansi ya Data?"
Mafunzo ya mtandaoni, diploma ya elimu ya umma. kukubaliwa mpaka 10 Agosti.
Chanzo: mapenzi.com