根据 HeadHunter 和 Mail.ru 的研究，数据科学领域对专家的需求超过了供给，但即便如此，年轻的专家也并不总能找到工作。 我们会告诉您哪些毕业生缺少哪些课程，以及那些计划在数据科学领域取得重大职业生涯的毕业生应该在哪里学习。
“他们认为现在他们每秒可以赚 500 万美元，因为他们知道框架的名称以及如何在两行中运行它们的模型”
埃米尔·马哈拉莫夫 他在 Biocad 领导着一个计算化学服务小组，在面试中，他面临着这样一个事实：候选人对该专业没有系统的了解。 他们完成课程，配备训练有素的Python和SQL，可以在2秒内安装Hadoop或Spark，并根据明确的规范完成任务。 但与此同时，旁边却再也没有了一步。 尽管雇主期望数据科学专家提供解决方案的灵活性。
数据科学市场正在发生什么
年轻专家的能力反映了劳动力市场的状况。 在这里，需求大大超过供应，因此绝望的雇主往往真的准备好雇用完全的绿色专家并为自己培训他们。 这个选项是可行的，但只有当团队已经有一位经验丰富的队长来接管初级球员的训练时才适用。
根据 HeadHunter 和 Mail.ru 的研究，数据分析专家是市场上最紧缺的人才之一：
- 2019年，数据分析领域的职位空缺数量比9,6年增加了7,2倍，机器学习领域的空缺数量是2015年的XNUMX倍。
- 与2018年相比，数据分析专家的职位空缺数量增加了1,4倍，机器学习专家的空缺数量增加了1,3倍。
- 38% 的空缺职位位于 IT 公司，29% 位于金融部门公司，9% 位于商业服务公司。
众多培训这些青少年的在线学校加剧了这种情况。 基本上，培训持续三到六个月，在此期间，学生能够初步掌握主要工具：Python、SQL、数据分析、Git 和 Linux。 结果就是一个典型的大三：他可以解决一个特定的问题，但仍然无法理解问题并自己阐述问题。 然而，对专家的高需求和围绕该职业的炒作往往会带来很高的野心和薪资要求。
不幸的是，现在数据科学领域的面试通常是这样的：候选人说他尝试使用几个库，无法回答有关算法到底如何工作的问题，然后要求每月 200、300、400 万卢布。
由于“任何人都可以成为数据分析师”、“三个月掌握机器学习，开始赚大钱”等广告口号以及对快钱的渴求，大量肤浅的候选人涌入了我们的市场。完全没有经过系统训练的领域。
维克多·坎特
MTS 首席数据科学家
雇主在等谁？
任何雇主都希望其初级员工在没有持续监督的情况下工作，并能够在团队领导的指导下发展。 为此，初学者必须立即拥有解决当前问题所需的工具，并有足够的理论基础来逐步提出自己的解决方案并处理更复杂的问题。
市场上的新手使用他们的工具做得很好。 短期课程可以让您快速掌握并开始工作。
根据 HeadHunter 和 Mail.ru 的研究，最受欢迎的技能是 Python。 45% 的数据科学家职位空缺和 51% 的机器学习职位空缺中提到了这一点。
雇主还希望数据分析师了解 SQL (23%)、数据挖掘 (19%)、数理统计 (11%) 并能够处理大数据 (10%)。
寻找机器学习专家的雇主希望候选人除了了解 Python 之外，还应精通 C++ (18%)、SQL (15%)、机器学习算法 (13%) 和 Linux (11%)。
但如果初级员工能够很好地使用这些工具，那么他们的经理就会面临另一个问题。 大多数课程毕业生对这个专业没有深入的了解，这使得初学者很难进步。
我目前正在寻找机器学习专家加入我的团队。 与此同时，我发现候选人往往掌握了某些数据科学工具，但他们对创建新解决方案的理论基础没有足够深入的理解。
埃米尔·马哈拉莫夫
Biocad 计算化学服务组负责人
课程的结构和持续时间不允许您更深入地达到所需的水平。 毕业生往往缺乏那些在阅读职位空缺时通常会被忽略的软技能。 好吧，说实话，我们谁会说自己没有系统思维，没有发展欲望。 然而，关于数据科学专家，我们正在谈论一个更深层次的故事。 在这里，为了发展，你需要在理论和科学上有相当强的偏见，这只有通过长期学习才能实现，例如在大学。
很大程度上因人而异：如果由具有顶级公司团队领导经验的实力老师授课的为期三个月的强化课程，由具有良好数学和编程背景的学生完成，深入研究所有课程材料并“像海绵一样吸收” ，”正如他们在学校所说的那样，那么以后这样的员工就会出现问题。 但90-95%的人，为了永远学习某样东西，需要多学十倍，并连续几年系统地做。 这使得数据分析硕士课程成为获得良好知识基础的绝佳选择，有了这些基础知识，你就不必在面试时脸红，而且做工作也会容易得多。
维克多·坎特
MTS 首席数据科学家
在哪里学习才能找到数据科学方面的工作
市场上有很多优秀的数据科学课程，获得初步教育不是问题。 但了解这种教育的重点很重要。 如果候选人已经拥有强大的技术背景，那么强化课程就是他们所需要的。 一个人会掌握工具，来到这个地方并很快习惯它，因为他已经知道如何像数学家一样思考，看到问题并提出问题。 如果没有这样的背景，那么课程结束后你将成为一名优秀的表演者，但成长的机会有限。
如果您面临着换专业或找本专业工作的短期任务，那么一些系统课程适合您，这些课程简短且快速提供最低限度的技术技能，使您有资格获得该领域的入门级职位。
伊万·亚姆希科夫
在线硕士课程“数据科学”学术总监
这些课程的问题恰恰在于它们提供了快速但最小的加速。 一个人真正进入这个行业并很快达到天花板。 要长期进入该行业，您需要立即以长期计划的形式打下良好的基础，例如硕士学位。
当您了解您对该领域的长期兴趣时，高等教育是合适的。 你并不急于尽快上班。 你不想有职业上限；你也不想面对缺乏知识、技能、缺乏对开发创新产品所帮助的总体生态系统的了解的问题。 为此，您需要接受高等教育，这不仅可以培养必要的技术技能，还可以以不同的方式构建您的思维，并帮助您形成长期的职业愿景。
伊万·亚姆希科夫
在线硕士课程“数据科学”学术总监
没有职业上限是硕士课程的主要优势。 在两年内，专家获得了强大的理论基础。 这是 NUST MISIS 数据科学项目第一学期的内容：
- 数据科学简介。 2周。
- 数据分析基础知识。 数据处理。 2周
- 机器学习。 数据预处理。 2周
- 电子设计自动化。 情报数据分析。 3周
- 基本机器学习算法。 Ch1 + Ch2（6 周）
同时，你可以同时获得工作中的实践经验。 一旦学生掌握了必要的工具，就没有什么可以阻止你获得初级职位。 但是，与课程毕业生不同的是，硕士学位并不会就此停止学习，而是继续深入研究该职业。 未来，这可以让你不受限制地在数据科学领域进行发展。
科技大学网站“MISiS” 对于那些想从事数据科学工作的人。 NUST MISIS、SkillFactory、HeadHunter、Facebook、Mail.ru Group 和 Yandex 的代表，我将告诉您最重要的事情：
- “如何在数据科学领域找到自己的位置？”,
- “有可能从零开始成为一名数据科学家吗？”,
- “2-5年后，对数据科学家的需求还会存在吗？”
- “数据科学家研究什么问题？”
- “如何在数据科学领域建立职业生涯？”
在线培训，公共教育文凭。 接受直到 八月10.
来源： habr.com