Fakülte başkanı Elena Gerasimova ile birlikte "» Netolojide birbirleriyle nasıl etkileşimde bulunduklarını ve Veri Bilimcileri ile Veri Mühendislerinin nasıl farklılaştığını anlamaya devam ediyoruz.
İlk bölümde anlattılar .
Bu materyalde uzmanların hangi bilgi ve becerilere sahip olması gerektiği, işverenler tarafından hangi eğitime değer verildiği, görüşmelerin nasıl yapıldığı, veri mühendisleri ve veri bilimcilerinin ne kadar kazandığı hakkında konuşacağız.
Bilim adamlarının ve mühendislerin bilmesi gerekenler
Her iki uzman için uzmanlık eğitimi Bilgisayar Bilimidir.
Herhangi bir veri bilimci (veri bilimci veya analist) sonuçlarının doğruluğunu kanıtlayabilmelidir. Bunun için bilgi olmadan yapamazsınız istatistik ve istatistikle ilgili temel matematik.
Makine öğrenimi ve veri analitiği araçları modern dünyanın vazgeçilmezidir. Her zamanki araçlar mevcut değilse, becerilere sahip olmanız gerekir yeni araçları hızlı bir şekilde öğrenmek, görevleri otomatikleştirmek için basit komut dosyaları oluşturmak.
Veri bilimcinin analiz sonuçlarını etkili bir şekilde iletmesi gerektiğini unutmamak önemlidir. Bu konuda ona yardımcı olacak veri goruntuleme veya hipotezlerin araştırılması ve test edilmesinin sonuçları. Uzmanlar çizelge ve grafikler oluşturabilmeli, görselleştirme araçlarını kullanabilmeli ve gösterge tablolarındaki verileri anlayıp açıklayabilmelidir.
Bir veri mühendisi için üç alan ön plana çıkıyor.
Algoritmalar ve veri yapıları. Kod yazma ve temel yapıları ve algoritmaları kullanma konusunda iyi olmak önemlidir:
- algoritma karmaşıklık analizi,
- Açık, sürdürülebilir kod yazma yeteneği,
- toplu işleme,
- gerçek zamanlı işleme.
Veritabanları ve veri ambarları, İş Zekası:
- Veri depolama ve işleme,
- komple sistemlerin tasarımı,
- Veri Alma,
- dağıtılmış dosya sistemleri.
Hadoop ve Büyük Veri. Giderek daha fazla veri var ve 3-5 yıllık bir ufukta bu teknolojiler her mühendis için gerekli hale gelecek. Artı:
- Veri Gölleri
- bulut sağlayıcılarla çalışmak.
Makine öğrenme her yerde kullanılacaktır ve hangi iş sorunlarının çözülmesine yardımcı olacağını anlamak önemlidir. Model yapabilmeniz gerekli değildir (veri bilimcileri bunu halledebilir), ancak bunların uygulamalarını ve ilgili gereksinimleri anlamanız gerekir.
Mühendisler ve bilim adamları ne kadar kazanıyor?
Veri Mühendisi Geliri
uluslararası uygulamada Glassdoor'a göre başlangıç maaşları genellikle yıllık 100 dolardır ve tecrübe arttıkça önemli ölçüde artmaktadır. Ayrıca şirketler sıklıkla hisse senedi opsiyonları ve yıllık %000-5 oranında ikramiye sağlamaktadır.
Rusya'da Bir kariyerin başlangıcında maaş genellikle bölgelerde 50 bin ruble, Moskova'da 80 bin ruble'den az değildir. Bu aşamada tamamlanmış eğitim dışında herhangi bir deneyim gerekmemektedir.
1-2 yıllık çalışmadan sonra - 90-100 bin ruble çatal.
Çatal 120-160 yılda 2-5 bine çıkıyor. Önceki firmaların uzmanlaşması, projelerin büyüklüğü, büyük veri ile çalışılması vb. faktörler eklenir.
5 yıllık çalışmanın ardından ilgili departmanlardaki açık pozisyonları aramak veya aşağıdaki gibi yüksek uzmanlık gerektiren pozisyonlara başvurmak daha kolaydır:
- Bir banka veya telekomünikasyon şirketinde mimar veya baş geliştirici - yaklaşık 250 bin.
- Teknolojileri ile en yakın çalıştığınız satıcıdan ön satışlar - 200 bin artı olası bir bonus (1-1,5 milyon ruble).
- SAP gibi Kurumsal iş uygulamalarının uygulanmasında uzman sayısı - 350 bine kadar.
Veri bilimcilerinin geliri
“Normal Research” şirketinin analistleri pazarı ve işe alım ajansı New.HR, Veri Bilimi uzmanlarının diğer uzmanlık analistlerinden ortalama olarak daha yüksek maaş aldığını gösteriyor.
Rusya'da, bir yıla kadar deneyime sahip bir veri bilimcisinin başlangıç maaşı 113 bin ruble'den başlıyor.
Eğitim programlarının tamamlanması artık iş deneyimi olarak da dikkate alınıyor.
1-2 yıl sonra böyle bir uzman zaten 160 bine kadar alabilir.
4-5 yıllık tecrübeye sahip bir çalışan için çatal 310 bine çıkıyor.
Mülakatlar nasıl yapılıyor?
Batı'da mesleki eğitim programlarından mezun olanlar ilk mülakatlarını mezuniyetten ortalama 5 hafta sonra yapıyorlar. Yaklaşık %85'i 3 ay sonra iş buluyor.
Veri mühendisi ve veri bilimci pozisyonları için mülakat süreci neredeyse aynıdır. Genellikle beş aşamadan oluşur.
Özet. Temel olmayan deneyime (örneğin pazarlama) sahip adayların, her şirket için ayrıntılı bir ön yazı hazırlaması veya o şirketin bir temsilcisinden referans alması gerekmektedir.
Teknik tarama. Genellikle telefonla gerçekleşir. İşverenin mevcut yığınıyla ilgili bir veya iki karmaşık ve bir o kadar da basit sorudan oluşur.
İK röportajı. Telefonla yapılabilir. Bu aşamada adayın genel yeterliliği ve iletişim yeteneği test edilir.
Teknik görüşme. Çoğu zaman şahsen gerçekleşir. Farklı şirketlerde personel tablosundaki pozisyonların düzeyi farklıdır ve pozisyonlar farklı şekilde adlandırılabilir. Dolayısıyla bu aşamada test edilen teknik bilgidir.
CTO/Baş Mimar ile röportaj. Mühendis ve bilim insanı stratejik pozisyonlardır ve birçok şirket için aynı zamanda yenidirler. Yöneticinin potansiyel çalışma arkadaşını sevmesi ve görüşlerinde onunla aynı fikirde olması önemlidir.
Bilim insanlarına ve mühendislere kariyer gelişimlerinde ne yardımcı olacak?
Verilerle çalışmak için pek çok yeni araç ortaya çıktı. Ve çok az insan herkeste eşit derecede iyidir.
Pek çok şirket, iş deneyimi olmayan çalışanları işe almaya hazır değil. Bununla birlikte, popüler araçların temelleri hakkında asgari düzeyde bilgi birikimine ve altyapıya sahip olan adaylar, kendi başlarına öğrenmeleri ve kendilerini geliştirmeleri halinde gerekli deneyimi kazanabilirler.
Bir veri mühendisi ve veri bilimcisi için faydalı nitelikler
Öğrenme arzusu ve yeteneği. Yeni bir araç için hemen deneyim peşinde koşmanıza veya iş değiştirmenize gerek yok, ancak yeni bir alana geçmeye istekli olmanız gerekir.
Rutin süreçleri otomatikleştirme arzusu. Bu yalnızca üretkenlik açısından değil, aynı zamanda yüksek veri kalitesinin ve tüketiciye teslimat hızının korunması açısından da önemlidir.
Süreçlerin “kaportasının altında ne olduğuna” yönelik dikkat ve anlayış. Süreçleri gözlemleyen ve derinlemesine bilgi sahibi olan bir uzman, sorunu daha hızlı çözecektir.
Algoritmalar, veri yapıları ve işlem hatları hakkında mükemmel bilgiye ek olarak, ürünlerle düşünmeyi öğrenin — mimariyi ve iş çözümünü tek bir resim olarak görün.
Örneğin, iyi bilinen herhangi bir hizmeti alıp bunun için bir veritabanı oluşturmak faydalıdır. Ardından onu verilerle dolduracak ETL ve DW'yi nasıl geliştireceğinizi, ne tür tüketiciler olacağını ve veriler hakkında bilmenin onlar için neyin önemli olduğunu ve ayrıca alıcıların uygulamalarla nasıl etkileşime girdiğini düşünün: iş arama ve buluşma, araba kiralama için , podcast uygulaması, eğitim platformu.
Bir analistin, veri bilimcinin ve mühendisin pozisyonları birbirine çok yakındır, dolayısıyla bir yönden diğerine diğer alanlara göre daha hızlı geçebilirsiniz.
Her durumda, herhangi bir BT geçmişine sahip olanlar için, bu bilgiye sahip olmayanlara göre daha kolay olacaktır. Ortalama olarak motive olmuş yetişkinler her 1,5-2 yılda bir yeniden eğitim alır ve işlerini değiştirirler. Bu, yalnızca açık kaynaklara güvenenlerle karşılaştırıldığında, bir grupta ve bir mentorla çalışanlar için daha kolaydır.
Netoloji editörlerinden
Veri Mühendisi veya Veri Bilimcisi mesleğine bakıyorsanız sizi kurs programlarımızı incelemeye davet ediyoruz:
- Meslek "'.
- Meslek "'.
- Peki "'.
Kaynak: habr.com