Paapọ pẹlu Elena Gerasimov, ori ti awọn Oluko "“Ninu Netology a tẹsiwaju lati loye bi wọn ṣe nlo pẹlu ara wọn ati bii awọn onimọ-jinlẹ data ati Awọn Onimọ-ẹrọ data ṣe yatọ.
Ni akọkọ apakan ti won so fun .
Ninu ohun elo yii a yoo sọrọ nipa kini imọ ati oye awọn alamọja yẹ ki o ni, kini eto-ẹkọ jẹ idiyele nipasẹ awọn agbanisiṣẹ, bawo ni awọn ifọrọwanilẹnuwo ṣe nṣe, ati iye awọn ẹlẹrọ data ati awọn onimọ-jinlẹ data n gba.
Kini awọn onimọ-jinlẹ ati awọn onimọ-ẹrọ yẹ ki o mọ
Ẹkọ amọja fun awọn alamọja mejeeji jẹ Imọ-ẹrọ Kọmputa.
Onimọ-ijinlẹ data eyikeyi — onimọ-jinlẹ data tabi atunnkanka — gbọdọ ni anfani lati jẹrisi deede awọn ipinnu wọn. Fun eyi o ko le ṣe laisi imọ awọn iṣiro ati awọn iṣiro-jẹmọ mathimatiki ipilẹ.
Ẹkọ ẹrọ ati awọn irinṣẹ atupale data jẹ pataki ni agbaye ode oni. Ti awọn irinṣẹ deede ko ba wa, o nilo lati ni awọn ọgbọn ni kiakia kọ ẹkọ awọn irinṣẹ titun, ṣiṣẹda awọn iwe afọwọkọ ti o rọrun lati ṣe adaṣe awọn iṣẹ-ṣiṣe.
O ṣe pataki lati ṣe akiyesi pe onimọ-jinlẹ data gbọdọ ṣe ibaraẹnisọrọ ni imunadoko awọn abajade ti itupalẹ naa. Yoo ṣe iranlọwọ fun u pẹlu eyi iworan data tabi awọn abajade ti iwadii ati idanwo awọn idawọle. Awọn alamọja gbọdọ ni anfani lati ṣẹda awọn shatti ati awọn aworan, lo awọn irinṣẹ iworan, ati loye ati ṣalaye data lati awọn dasibodu.
Fun ẹlẹrọ data, awọn agbegbe mẹta wa si iwaju.
Awọn alugoridimu ati awọn ẹya data. O ṣe pataki lati dara ni kikọ koodu ati lilo awọn ẹya ipilẹ ati awọn algoridimu:
- itupalẹ idiju algorithm,
- agbara lati kọ ko o, koodu itọju,
- processing ipele,
- gidi-akoko processing.
Databases ati data warehouses, Business oye:
- ibi ipamọ data ati ṣiṣe,
- apẹrẹ ti awọn eto pipe,
- Gbigba data,
- pin faili awọn ọna šiše.
Hadoop ati Big Data. Awọn data siwaju ati siwaju sii wa, ati lori ipade ti awọn ọdun 3-5, awọn imọ-ẹrọ wọnyi yoo di pataki fun gbogbo ẹlẹrọ. Ni afikun:
- Data Lakes
- ṣiṣẹ pẹlu awọn olupese awọsanma.
Ẹrọ ẹrọ yoo ṣee lo nibi gbogbo, ati pe o ṣe pataki lati ni oye kini awọn iṣoro iṣowo yoo ṣe iranlọwọ lati yanju. Ko ṣe pataki lati ni anfani lati ṣe awọn awoṣe (awọn onimọ-jinlẹ data le mu eyi), ṣugbọn o nilo lati loye ohun elo wọn ati awọn ibeere ti o baamu.
Elo ni awọn onimọ-ẹrọ ati awọn onimọ-jinlẹ n gba?
Owo oya Engineer Data
Ni agbaye iwa Awọn owo osu ti o bẹrẹ jẹ deede $ 100 fun ọdun kan ati pọ si ni pataki pẹlu iriri, ni ibamu si Glassdoor. Ni afikun, awọn ile-iṣẹ nigbagbogbo pese awọn aṣayan iṣura ati 000-5% awọn imoriri lododun.
Ni Russia ni ibẹrẹ iṣẹ kan, owo-oya nigbagbogbo ko kere ju 50 ẹgbẹrun rubles ni awọn agbegbe ati 80 ẹgbẹrun ni Ilu Moscow. Ko si iriri miiran ju ikẹkọ ti o pari ni a nilo ni ipele yii.
Lẹhin ọdun 1-2 ti iṣẹ - orita ti 90-100 ẹgbẹrun rubles.
Orita naa pọ si 120-160 ẹgbẹrun ni ọdun 2-5. Awọn okunfa bii iyasọtọ ti awọn ile-iṣẹ iṣaaju, iwọn awọn iṣẹ akanṣe, ṣiṣẹ pẹlu data nla, bbl ti wa ni afikun.
Lẹhin ọdun 5 ti iṣẹ, o rọrun lati wa awọn aye ni awọn ẹka ti o jọmọ tabi beere fun awọn ipo amọja giga gẹgẹbi:
- Ayaworan tabi asiwaju Olùgbéejáde ni a ifowo tabi Telikomu - nipa 250 ẹgbẹrun.
- Awọn tita-tẹlẹ lati ọdọ olutaja ti awọn imọ-ẹrọ ti o ṣiṣẹ pẹlu pupọ julọ - 200 ẹgbẹrun pẹlu ajeseku ti o ṣeeṣe (1-1,5 million rubles).
- Awọn amoye ni imuse awọn ohun elo iṣowo Iṣowo, gẹgẹbi SAP - to 350 ẹgbẹrun.
Owo ti n wọle ti awọn onimọ-jinlẹ data
oja ti atunnkanka ti awọn ile-"Deede Research" ati awọn igbanisiṣẹ ibẹwẹ New.HR fihan wipe Data Science ojogbon gba lori apapọ kan ti o ga ekunwo ju atunnkanka ti miiran Imo.
Ni Russia, owo-ori ibẹrẹ ti onimọ-jinlẹ data pẹlu to ọdun kan ti iriri jẹ lati 113 ẹgbẹrun rubles.
Ipari awọn eto ikẹkọ ni bayi tun ṣe akiyesi bi iriri iṣẹ.
Lẹhin ọdun 1-2, iru alamọja kan le gba tẹlẹ to 160 ẹgbẹrun.
Fun oṣiṣẹ ti o ni iriri ọdun 4-5, orita naa pọ si 310 ẹgbẹrun.
Bawo ni awọn ifọrọwanilẹnuwo ṣe nṣe?
Ni Oorun, awọn ọmọ ile-iwe giga ti awọn eto ikẹkọ iṣẹ-iṣẹ ni ifọrọwanilẹnuwo akọkọ wọn ni apapọ awọn ọsẹ 5 lẹhin ayẹyẹ ipari ẹkọ. O fẹrẹ to 85% wa iṣẹ kan lẹhin oṣu mẹta.
Ilana ifọrọwanilẹnuwo fun ẹlẹrọ data ati awọn ipo onimọ-jinlẹ data jẹ ohun kanna. Nigbagbogbo ni awọn ipele marun.
Akopọ. Awọn oludije pẹlu iriri iṣaaju ti kii ṣe pataki (fun apẹẹrẹ, titaja) ni a nilo lati mura lẹta ideri alaye fun ile-iṣẹ kọọkan tabi ni itọkasi lati ọdọ aṣoju ti ile-iṣẹ yẹn.
Imọ ibojuwo. O maa n waye lori foonu. Ni eka kan tabi meji ati bii ọpọlọpọ awọn ibeere ti o rọrun ti o ni ibatan si akopọ lọwọlọwọ agbanisiṣẹ.
HR lodo. Le ṣee ṣe lori foonu. Ni ipele yii, oludije jẹ idanwo fun pipe gbogbogbo ati agbara lati baraẹnisọrọ.
Ifọrọwanilẹnuwo imọ-ẹrọ. Nigbagbogbo o waye ni eniyan. Ni awọn ile-iṣẹ ti o yatọ, ipele ti awọn ipo ti o wa ninu tabili oṣiṣẹ yatọ, ati awọn ipo le jẹ orukọ ọtọtọ. Nitorinaa, ni ipele yii o jẹ imọ-ẹrọ imọ-ẹrọ ti o ni idanwo.
Ifọrọwanilẹnuwo pẹlu CTO/Chief Architect. Onimọ-ẹrọ ati onimọ-jinlẹ jẹ awọn ipo ilana, ati fun ọpọlọpọ awọn ile-iṣẹ wọn tun jẹ tuntun. O ṣe pataki ki oluṣakoso fẹran ẹlẹgbẹ ti o ni agbara ati gba pẹlu rẹ ni awọn iwo rẹ.
Kini yoo ṣe iranlọwọ fun awọn onimọ-jinlẹ ati awọn onimọ-ẹrọ ninu idagbasoke iṣẹ wọn?
Pupọ awọn irinṣẹ tuntun fun ṣiṣẹ pẹlu data ti han. Ati diẹ eniyan ni o wa se dara ni gbogbo eniyan.
Ọpọlọpọ awọn ile-iṣẹ ko ṣetan lati bẹwẹ awọn oṣiṣẹ laisi iriri iṣẹ. Sibẹsibẹ, awọn oludije ti o ni ipilẹ kekere ati imọ ti awọn ipilẹ ti awọn irinṣẹ olokiki le ni iriri pataki ti wọn ba kọ ẹkọ ati dagbasoke lori tirẹ.
Awọn agbara iwulo fun ẹlẹrọ data ati onimọ-jinlẹ data
Ifẹ ati agbara lati kọ ẹkọ. O ko ni lati lepa iriri lẹsẹkẹsẹ tabi yi awọn iṣẹ pada fun ọpa tuntun, ṣugbọn o nilo lati ṣetan lati yipada si agbegbe tuntun.
Awọn ifẹ lati automate baraku lakọkọ. Eyi ṣe pataki kii ṣe fun iṣelọpọ nikan, ṣugbọn tun fun mimu didara data giga ati iyara ifijiṣẹ si alabara.
Ifarabalẹ ati oye ti "kini labẹ hood" ti awọn ilana. Amọja ti o ni akiyesi ati oye kikun ti awọn ilana yoo yanju iṣoro naa ni iyara.
Ni afikun si imọ ti o dara julọ ti awọn algoridimu, awọn ẹya data ati awọn opo gigun ti epo, o nilo kọ ẹkọ lati ronu ninu awọn ọja - wo faaji ati ojutu iṣowo bi aworan kan.
Fun apẹẹrẹ, o wulo lati mu eyikeyi iṣẹ ti a mọ daradara ki o wa pẹlu aaye data kan fun rẹ. Lẹhinna ronu bi o ṣe le ṣe idagbasoke ETL ati DW ti yoo kun pẹlu data, iru awọn alabara yoo jẹ ati kini o ṣe pataki fun wọn lati mọ nipa data naa, ati bii awọn ti onra ṣe nlo pẹlu awọn ohun elo: fun wiwa iṣẹ ati ibaṣepọ, iyalo ọkọ ayọkẹlẹ , ohun elo adarọ-ese, pẹpẹ ẹkọ.
Awọn ipo ti oluyanju, onimọ-jinlẹ data ati ẹlẹrọ jẹ isunmọ pupọ, nitorinaa o le gbe lati itọsọna kan si omiiran yiyara ju awọn agbegbe miiran lọ.
Ni eyikeyi idiyele, yoo rọrun fun awọn ti o ni ipilẹ IT eyikeyi ju fun awọn ti ko ni. Ni apapọ, awọn agbalagba ti o ni itara ṣe atunṣe ati yi awọn iṣẹ pada ni gbogbo ọdun 1,5-2. Eyi rọrun fun awọn ti o kawe ni ẹgbẹ kan ati pẹlu olutọran, ni akawe si awọn ti o gbẹkẹle awọn orisun ṣiṣi nikan.
Lati awọn olootu ti Netology
Ti o ba n wo oojọ ti Onimọ-ẹrọ Data tabi Onimọ-jinlẹ data, a pe ọ lati kawe awọn eto iṣẹ-ẹkọ wa:
- Oṣiṣẹ"».
- Oṣiṣẹ"».
- O dara"».
orisun: www.habr.com