వేగవంతమైన ప్రారంభం మరియు తక్కువ పైకప్పు. లేబర్ మార్కెట్లో యువ డేటా సైన్స్ నిపుణుల కోసం ఏమి వేచి ఉంది

HeadHunter మరియు Mail.ru పరిశోధన ప్రకారం, డేటా సైన్స్ రంగంలో నిపుణుల డిమాండ్ సరఫరాను మించిపోయింది, అయినప్పటికీ, యువ నిపుణులు ఎల్లప్పుడూ పనిని కనుగొనలేరు. డేటా సైన్స్‌లో పెద్ద కెరీర్‌ను ప్లాన్ చేస్తున్న వారి కోసం ఏ కోర్సు గ్రాడ్యుయేట్లు తప్పిపోయారో మరియు ఎక్కడ చదవాలో మేము మీకు తెలియజేస్తాము.

"వారు వచ్చి ఇప్పుడు సెకనుకు 500k సంపాదిస్తారని అనుకుంటారు, ఎందుకంటే ఫ్రేమ్‌వర్క్‌ల పేర్లు మరియు వాటి నుండి మోడల్‌ను రెండు లైన్లలో ఎలా అమలు చేయాలో వారికి తెలుసు"

ఎమిల్ మహర్రామోవ్ అతను బయోకాడ్‌లో కంప్యూటేషనల్ కెమిస్ట్రీ సేవల సమూహానికి నాయకత్వం వహిస్తాడు మరియు ఇంటర్వ్యూల సమయంలో అభ్యర్థులకు వృత్తిపై క్రమబద్ధమైన అవగాహన లేదనే వాస్తవాన్ని అతను ఎదుర్కొన్నాడు. వారు కోర్సులను పూర్తి చేస్తారు, బాగా శిక్షణ పొందిన పైథాన్ మరియు SQLతో వస్తారు, హడూప్ లేదా స్పార్క్‌ని 2 సెకన్లలో ఇన్‌స్టాల్ చేయవచ్చు మరియు స్పష్టమైన స్పెసిఫికేషన్ ప్రకారం పనిని పూర్తి చేయవచ్చు. కానీ అదే సమయంలో, ఇకపై వైపుకు ఒక అడుగు లేదు. యజమానులు వారి డేటా సైన్స్ నిపుణుల నుండి ఆశించే పరిష్కారాలలో ఇది వశ్యత అయినప్పటికీ.

డేటా సైన్స్ మార్కెట్‌లో ఏమి జరుగుతోంది

యువ నిపుణుల సామర్థ్యాలు కార్మిక మార్కెట్లో పరిస్థితిని ప్రతిబింబిస్తాయి. ఇక్కడ, డిమాండ్ గణనీయంగా సరఫరాను మించిపోయింది, కాబట్టి నిరాశకు గురైన యజమానులు తరచుగా పూర్తిగా గ్రీన్ స్పెషలిస్ట్‌లను నియమించుకోవడానికి మరియు వారికి శిక్షణ ఇవ్వడానికి సిద్ధంగా ఉంటారు. ఎంపిక పని చేస్తుంది, కానీ జట్టులో ఇప్పటికే అనుభవజ్ఞుడైన టీమ్ లీడర్ ఉన్నట్లయితే మాత్రమే తగినది, అతను జూనియర్ శిక్షణను తీసుకుంటాడు.

HeadHunter మరియు Mail.ru పరిశోధన ప్రకారం, డేటా విశ్లేషణ నిపుణులు మార్కెట్లో అత్యధిక డిమాండ్‌లో ఉన్నారు:

  • 2019లో, డేటా విశ్లేషణ రంగంలో 9,6 రెట్లు ఎక్కువ ఖాళీలు ఉన్నాయి మరియు 7,2 కంటే మెషిన్ లెర్నింగ్ రంగంలో 2015 రెట్లు ఎక్కువ.
  • 2018తో పోలిస్తే, డేటా అనాలిసిస్ స్పెషలిస్ట్‌ల ఖాళీల సంఖ్య 1,4 రెట్లు పెరిగింది మరియు మెషీన్ లెర్నింగ్ నిపుణుల కోసం 1,3 రెట్లు పెరిగింది.
  • 38% ఓపెన్ వేకెన్సీలు IT కంపెనీలలో, 29% ఆర్థిక రంగ కంపెనీలలో మరియు 9% వ్యాపార సేవల్లో ఉన్నాయి.

అదే జూనియర్‌లకు శిక్షణ ఇచ్చే అనేక ఆన్‌లైన్ పాఠశాలల ద్వారా పరిస్థితికి ఆజ్యం పోసింది. ప్రాథమికంగా, శిక్షణ మూడు నుండి ఆరు నెలల వరకు ఉంటుంది, ఈ సమయంలో విద్యార్థులు ప్రాథమిక స్థాయిలో ప్రధాన సాధనాలను నేర్చుకోవచ్చు: పైథాన్, SQL, డేటా విశ్లేషణ, Git మరియు Linux. ఫలితంగా ఒక క్లాసిక్ జూనియర్: అతను ఒక నిర్దిష్ట సమస్యను పరిష్కరించగలడు, కానీ ఇప్పటికీ సమస్యను అర్థం చేసుకోలేడు మరియు సమస్యను స్వయంగా రూపొందించలేడు. అయినప్పటికీ, నిపుణుల కోసం అధిక డిమాండ్ మరియు వృత్తి చుట్టూ ఉన్న హైప్ తరచుగా అధిక ఆశయాలు మరియు జీతం అవసరాలకు దారి తీస్తుంది.

దురదృష్టవశాత్తు, డేటా సైన్స్‌లోని ఇంటర్వ్యూలు ఇప్పుడు సాధారణంగా ఇలా కనిపిస్తాయి: అభ్యర్థి తాను రెండు లైబ్రరీలను ఉపయోగించడానికి ప్రయత్నించానని, అల్గోరిథంలు ఎలా పనిచేస్తాయనే ప్రశ్నలకు సమాధానం ఇవ్వలేనని, ఆపై చేతిలో నెలకు 200, 300, 400 వేల రూబిళ్లు అడుగుతాడు .

“ఎవరైనా డేటా అనలిస్ట్‌గా మారవచ్చు”, “మూడు నెలల్లో మెషిన్ లెర్నింగ్‌లో నైపుణ్యం సాధించండి మరియు చాలా డబ్బు సంపాదించడం ప్రారంభించండి” వంటి పెద్ద సంఖ్యలో ప్రకటనల నినాదాలు మరియు త్వరగా డబ్బు సంపాదించాలనే దాహం కారణంగా, మిడిమిడి అభ్యర్థులు పెద్ద సంఖ్యలో మనలోకి ప్రవేశించారు. క్రమబద్ధమైన శిక్షణ లేని ఫీల్డ్.

విక్టర్ కాంటర్
MTSలో చీఫ్ డేటా సైంటిస్ట్

యజమానులు ఎవరి కోసం ఎదురు చూస్తున్నారు?

ఏ యజమాని అయినా తన జూనియర్లు నిరంతర పర్యవేక్షణ లేకుండా పని చేయాలని మరియు టీమ్ లీడ్ మార్గదర్శకత్వంలో అభివృద్ధి చెందాలని కోరుకుంటారు. ఇది చేయుటకు, ఒక అనుభవశూన్యుడు తక్షణమే ప్రస్తుత సమస్యలను పరిష్కరించడానికి అవసరమైన సాధనాలను కలిగి ఉండాలి మరియు వారి స్వంత పరిష్కారాలను క్రమంగా ప్రతిపాదించడానికి మరియు మరింత క్లిష్టమైన సమస్యలను చేరుకోవడానికి తగిన సైద్ధాంతిక ఆధారాన్ని కలిగి ఉండాలి.

మార్కెట్‌లోని కొత్తవారు తమ సాధనాలతో చాలా బాగా పని చేస్తున్నారు. స్వల్పకాలిక కోర్సులు మీరు వాటిని త్వరగా నైపుణ్యం మరియు పని పొందడానికి అనుమతిస్తుంది.

HeadHunter మరియు Mail.ru పరిశోధన ప్రకారం, అత్యంత డిమాండ్ ఉన్న నైపుణ్యం పైథాన్. ఇది 45% డేటా సైంటిస్ట్ ఖాళీలలో మరియు 51% మెషిన్ లెర్నింగ్ ఖాళీలలో పేర్కొనబడింది.

డేటా విశ్లేషకులు SQL (23%), డేటా మైనింగ్ (19%), గణిత గణాంకాలు (11%) మరియు పెద్ద డేటా (10%)తో పని చేయగలరని కూడా యజమానులు కోరుకుంటున్నారు.

మెషీన్ లెర్నింగ్ స్పెషలిస్ట్‌ల కోసం వెతుకుతున్న యజమానులు అభ్యర్థి పైథాన్ పరిజ్ఞానంతో పాటు C++ (18%), SQL (15%), మెషీన్ లెర్నింగ్ అల్గారిథమ్‌లు (13%) మరియు Linux (11%)లో ప్రావీణ్యం కలిగి ఉండాలని ఆశిస్తున్నారు.

కానీ జూనియర్లు టూల్స్‌తో బాగా పనిచేస్తుంటే, వారి నిర్వాహకులు మరొక సమస్యను ఎదుర్కొంటారు. చాలా మంది కోర్సు గ్రాడ్యుయేట్‌లకు వృత్తిపై లోతైన అవగాహన లేదు, ఇది ఒక అనుభవశూన్యుడు పురోగతి సాధించడం కష్టతరం చేస్తుంది.

నేను ప్రస్తుతం నా బృందంలో చేరడానికి మెషిన్ లెర్నింగ్ నిపుణుల కోసం వెతుకుతున్నాను. అదే సమయంలో, అభ్యర్థులు తరచుగా నిర్దిష్ట డేటా సైన్స్ సాధనాలను ప్రావీణ్యం కలిగి ఉన్నారని నేను చూస్తున్నాను, అయితే కొత్త పరిష్కారాలను రూపొందించడానికి సైద్ధాంతిక పునాదులపై వారికి తగినంత లోతైన అవగాహన లేదు.

ఎమిల్ మహర్రామోవ్
కంప్యూటేషనల్ కెమిస్ట్రీ సర్వీసెస్ గ్రూప్ హెడ్, బయోకాడ్

కోర్సుల యొక్క చాలా నిర్మాణం మరియు వ్యవధి మీరు అవసరమైన స్థాయికి లోతుగా వెళ్ళడానికి అనుమతించదు. గ్రాడ్యుయేట్‌లకు తరచుగా చాలా మృదువైన నైపుణ్యాలు ఉండవు, అవి ఉద్యోగ ఖాళీని చదివేటప్పుడు సాధారణంగా తప్పిపోతాయి. బాగా, నిజంగా, మనలో ఎవరు తనకు వ్యవస్థల ఆలోచన లేదా అభివృద్ధి చెందాలనే కోరిక లేదని చెబుతారు. అయితే, డేటా సైన్స్ స్పెషలిస్ట్‌కు సంబంధించి, మేము లోతైన కథ గురించి మాట్లాడుతున్నాము. ఇక్కడ, అభివృద్ధి చెందడానికి, మీకు సిద్ధాంతం మరియు విజ్ఞాన శాస్త్రంలో చాలా బలమైన పక్షపాతం అవసరం, ఇది దీర్ఘకాలిక అధ్యయనం ద్వారా మాత్రమే సాధ్యమవుతుంది, ఉదాహరణకు, విశ్వవిద్యాలయంలో.

వ్యక్తిపై చాలా ఆధారపడి ఉంటుంది: గణితం మరియు ప్రోగ్రామింగ్‌లో మంచి నేపథ్యం ఉన్న విద్యార్థి, అగ్రశ్రేణి కంపెనీలలో టీమ్ లీడ్‌గా అనుభవం ఉన్న బలమైన ఉపాధ్యాయుల నుండి మూడు నెలల ఇంటెన్సివ్ కోర్సును పూర్తి చేస్తే, అన్ని కోర్సు మెటీరియల్‌లను పరిశోధించి “స్పాంజి లాగా గ్రహిస్తుంది. ,” వారు పాఠశాలలో చెప్పినట్లుగా, అటువంటి ఉద్యోగితో తరువాత సమస్యలు ఉంటాయి No. కానీ 90-95% మంది వ్యక్తులు, ఎప్పటికీ ఏదైనా నేర్చుకోవడానికి, పది రెట్లు ఎక్కువ నేర్చుకోవాలి మరియు వరుసగా చాలా సంవత్సరాలు క్రమపద్ధతిలో చేయాలి. మరియు ఇది డేటా విశ్లేషణలో మాస్టర్స్ ప్రోగ్రామ్‌లను జ్ఞానం యొక్క మంచి పునాదిని పొందడానికి అద్భుతమైన ఎంపికగా చేస్తుంది, దానితో మీరు ఇంటర్వ్యూలో బ్లష్ చేయవలసిన అవసరం లేదు మరియు పని చేయడం చాలా సులభం అవుతుంది.

విక్టర్ కాంటర్
MTSలో చీఫ్ డేటా సైంటిస్ట్

డేటా సైన్స్‌లో ఉద్యోగం కోసం ఎక్కడ చదువుకోవాలి

మార్కెట్లో చాలా మంచి డేటా సైన్స్ కోర్సులు ఉన్నాయి మరియు ప్రాథమిక విద్యను పొందడం సమస్య కాదు. కానీ ఈ విద్య యొక్క దృష్టిని అర్థం చేసుకోవడం ముఖ్యం. అభ్యర్థి ఇప్పటికే బలమైన సాంకేతిక నేపథ్యాన్ని కలిగి ఉన్నట్లయితే, ఇంటెన్సివ్ కోర్సులు వారికి అవసరం. ఒక వ్యక్తి సాధనాలను ప్రావీణ్యం చేస్తాడు, స్థలానికి వచ్చి త్వరగా అలవాటు చేసుకుంటాడు, ఎందుకంటే అతను గణిత శాస్త్రజ్ఞుడిలా ఎలా ఆలోచించాలో, సమస్యను చూడటం మరియు సమస్యలను రూపొందించడం ఎలాగో అతనికి ఇప్పటికే తెలుసు. అటువంటి నేపథ్యం లేనట్లయితే, కోర్సు తర్వాత మీరు మంచి ప్రదర్శనకారుడిగా ఉంటారు, కానీ వృద్ధికి పరిమిత అవకాశాలతో ఉంటారు.

మీరు వృత్తిని మార్చడం లేదా ఈ స్పెషాలిటీలో ఉద్యోగాన్ని కనుగొనడం అనే స్వల్పకాలిక పనిని ఎదుర్కొంటున్నట్లయితే, కొన్ని క్రమబద్ధమైన కోర్సులు మీకు అనుకూలంగా ఉంటాయి, ఇవి చిన్నవి మరియు త్వరగా కనీస సాంకేతిక నైపుణ్యాలను అందిస్తాయి, తద్వారా మీరు అర్హత సాధించవచ్చు. ఈ రంగంలో ప్రవేశ స్థాయి స్థానం.

ఇవాన్ యమ్షికోవ్
ఆన్‌లైన్ మాస్టర్స్ ప్రోగ్రామ్ "డేటా సైన్స్" అకడమిక్ డైరెక్టర్

కోర్సుల సమస్య ఏమిటంటే అవి వేగంగా కానీ తక్కువ త్వరణాన్ని అందిస్తాయి. ఒక వ్యక్తి అక్షరాలా వృత్తిలోకి ఎగురుతాడు మరియు త్వరగా పైకప్పుకు చేరుకుంటాడు. చాలా కాలం పాటు వృత్తిలోకి ప్రవేశించడానికి, మీరు వెంటనే దీర్ఘకాలిక ప్రోగ్రామ్ రూపంలో మంచి పునాదిని వేయాలి, ఉదాహరణకు, మాస్టర్స్ డిగ్రీ.

ఈ రంగం మీకు దీర్ఘకాలిక ఆసక్తిని కలిగిస్తుందని మీరు అర్థం చేసుకున్నప్పుడు ఉన్నత విద్య అనుకూలంగా ఉంటుంది. మీరు వీలైనంత త్వరగా పని చేయడానికి ఆసక్తి చూపడం లేదు. మరియు మీరు కెరీర్ సీలింగ్ కలిగి ఉండకూడదనుకుంటున్నారు; వినూత్న ఉత్పత్తులు అభివృద్ధి చేయబడిన సహాయంతో జ్ఞానం, నైపుణ్యాలు, సాధారణ పర్యావరణ వ్యవస్థపై అవగాహన లేకపోవడం వంటి సమస్యలను కూడా మీరు ఎదుర్కోకూడదు. దీని కోసం, మీకు ఉన్నత విద్య అవసరం, ఇది అవసరమైన సాంకేతిక నైపుణ్యాల సమితిని సృష్టించడమే కాకుండా, మీ ఆలోచనను విభిన్నంగా రూపొందిస్తుంది మరియు దీర్ఘకాలికంగా మీ కెరీర్‌పై కొంత దృష్టిని ఏర్పరచడంలో మీకు సహాయపడుతుంది.

ఇవాన్ యమ్షికోవ్
ఆన్‌లైన్ మాస్టర్స్ ప్రోగ్రామ్ "డేటా సైన్స్" అకడమిక్ డైరెక్టర్

కెరీర్ సీలింగ్ లేకపోవడం మాస్టర్స్ ప్రోగ్రామ్ యొక్క ప్రధాన ప్రయోజనం. రెండు సంవత్సరాలలో, ఒక నిపుణుడు శక్తివంతమైన సైద్ధాంతిక పునాదిని పొందుతాడు. NUST MISISలో డేటా సైన్స్ ప్రోగ్రామ్‌లోని మొదటి సెమిస్టర్ ఇలా ఉంటుంది:

  • డేటా సైన్స్ పరిచయం. 2 వారాల.
  • డేటా విశ్లేషణ యొక్క ప్రాథమిక అంశాలు. డేటా ప్రాసెసింగ్. 2 వారాల
  • యంత్ర అభ్యాస. డేటా ప్రిప్రాసెసింగ్. 2 వారాల
  • EDA. ఇంటెలిజెన్స్ డేటా విశ్లేషణ. 3 వారాలు
  • ప్రాథమిక యంత్ర అభ్యాస అల్గోరిథంలు. Ch1 + Ch2 (6 వారాలు)

అదే సమయంలో, మీరు పనిలో ఆచరణాత్మక అనుభవాన్ని ఏకకాలంలో పొందవచ్చు. విద్యార్థి అవసరమైన సాధనాల్లో ప్రావీణ్యం సంపాదించిన వెంటనే జూనియర్ స్థానం పొందకుండా మిమ్మల్ని ఆపేది ఏమీ లేదు. కానీ, కోర్సు గ్రాడ్యుయేట్ వలె కాకుండా, మాస్టర్స్ డిగ్రీ తన అధ్యయనాలను అక్కడ ఆపదు, కానీ వృత్తిని లోతుగా పరిశోధించడం కొనసాగిస్తుంది. భవిష్యత్తులో, ఇది పరిమితులు లేకుండా డేటా సైన్స్‌లో అభివృద్ధి చెందడానికి మిమ్మల్ని అనుమతిస్తుంది.

యూనివర్సిటీ ఆఫ్ సైన్స్ అండ్ టెక్నాలజీ "MISiS" వెబ్‌సైట్‌లో ఓపెన్ రోజులు మరియు వెబ్‌నార్లు డేటా సైన్స్‌లో పని చేయాలనుకునే వారికి. NUST MISIS, SkillFactory, HeadHunter, Facebook, Mail.ru గ్రూప్ మరియు Yandex యొక్క ప్రతినిధులు, నేను చాలా ముఖ్యమైన విషయాల గురించి మీకు చెప్తాను:

  • "డేటా సైన్స్‌లో మీ స్థానాన్ని ఎలా కనుగొనాలి?",
  • "మొదటి నుండి డేటా సైంటిస్ట్ అవ్వడం సాధ్యమేనా?",
  • "డేటా సైంటిస్టుల అవసరం ఇంకా 2-5 సంవత్సరాలలో ఉంటుందా?"
  • "డేటా శాస్త్రవేత్తలు ఏ సమస్యలపై పని చేస్తారు?"
  • "డేటా సైన్స్‌లో వృత్తిని ఎలా నిర్మించాలి?"

ఆన్‌లైన్ శిక్షణ, పబ్లిక్ ఎడ్యుకేషన్ డిప్లొమా. ప్రోగ్రామ్ కోసం దరఖాస్తులు వరకు ఆమోదించబడింది ఆగష్టు ఆగష్టు.

మూలం: www.habr.com

ఒక వ్యాఖ్యను జోడించండి