根據 HeadHunter 和 Mail.ru 的研究，資料科學領域對專家的需求超過了供給，但即便如此，年輕的專家也不總是能找到工作。 我們會告訴您畢業生缺少哪些課程，以及那些計劃在數據科學領域尋求大發展的畢業生應該在哪裡學習。
“他們認為現在他們每秒可以賺 500 萬美元，因為他們知道框架的名稱以及如何在兩行中運行它們的模型”
埃米爾·馬哈拉莫夫 他在 Biocad 領導一個計算化學服務小組，在面試中他面臨著這樣一個事實：候選人對該專業沒有系統的了解。 他們完成課程，配備訓練有素的Python和SQL，可以在2秒內安裝Hadoop或Spark，並根據明確的規格完成任務。 但同時，旁邊卻再也沒有一步了。 儘管雇主期望數據科學專家提供解決方案的靈活性。
數據科學市場正在發生什麼
年輕專家的能力反映了勞動市場的狀況。 在這裡，需求大大超過供應，因此絕望的雇主往往真的準備好僱用完全的綠色專家並為自己培訓他們。 這個選項是可行的，但只有當球隊已經有一位經驗豐富的隊長來接管初級球員的訓練時才適用。
根據 HeadHunter 和 Mail.ru 的研究，數據分析專家是市場上最稀缺的人才之一：
- 2019年，資料分析領域的職缺數量比9,6年增加了7,2倍，機器學習領域的空缺數量是2015年的XNUMX倍。
- 與2018年相比，數據分析專家的職缺數量增加了1,4倍，機器學習專家的空缺數量增加了1,3倍。
- 38% 的職缺位於 IT 公司，29% 位於金融部門公司，9% 位於商業服務公司。
眾多培訓這些青少年的線上學校加劇了這種情況。 基本上，培訓持續三到六個月，在此期間，學生能夠初步掌握主要工具：Python、SQL、資料分析、Git 和 Linux。 結果就是一個典型的大三：他可以解決一個特定的問題，但仍然無法理解問題並自己闡述問題。 然而，對專家的高需求和圍繞該職業的炒作往往會帶來很高的野心和薪資要求。
不幸的是，現在資料科學領域的面試通常是這樣的：候選人說他嘗試使用幾個函式庫，無法回答有關演算法到底如何運作的問題，然後要求每月 200、300、400 萬盧布。
由於「任何人都可以成為數據分析師」、「三個月掌握機器學習，開始賺大錢」等廣告口號以及對快錢的渴求，大量膚淺的候選人湧入了我們的市場。完全沒有經過系統訓練的領域。
維克多·坎特
MTS 首席資料科學家
雇主在等誰？
任何雇主都希望下屬在沒有持續監督的情況下工作，並且能夠在團隊領導的指導下發展。 為此，初學者必須立即擁有解決當前問題所需的工具，並有足夠的理論基礎來逐步提出自己的解決方案並處理更複雜的問題。
市場上的新手使用他們的工具做得很好。 短期課程可以讓您快速掌握並開始工作。
根據 HeadHunter 和 Mail.ru 的研究，最受歡迎的技能是 Python。 45% 的資料科學家職缺和 51% 的機器學習職缺中提到了這一點。
雇主也希望資料分析師了解 SQL (23%)、資料探勘 (19%)、數理統計 (11%) 並能夠處理大數據 (10%)。
尋找機器學習專家的雇主希望候選人除了了解 Python 之外，還應精通 C++ (18%)、SQL (15%)、機器學習演算法 (13%) 和 Linux (11%)。
但如果初級員工能夠善用這些工具，那麼他們的經理就會面臨另一個問題。 大多數課程畢業生對這個專業沒有深入的了解，這使得初學者很難進步。
我目前正在尋找機器學習專家加入我的團隊。 同時，我發現候選人往往掌握了某些數據科學工具，但他們對創建新解決方案的理論基礎沒有足夠深入的理解。
埃米爾·馬哈拉莫夫
Biocad 計算化學服務組負責人
課程的結構和持續時間不允許您更深入地達到所需的水平。 畢業生往往缺乏那些在閱讀職缺時通常會被忽略的軟技能。 好吧，說實話，我們誰會說自己沒有系統思維，沒有發展慾望。 然而，關於數據科學專家，我們正在談論一個更深層的故事。 在這裡，為了發展，你需要在理論和科學上有相當強烈的偏見，這只有透過長期學習才能實現，例如在大學。
很大程度上因人而異：如果由具有頂級公司團隊領導經驗的實力老師授課的為期三個月的密集課程，由具有良好數學和編程背景的學生完成，深入研究所有課程材料並“像海綿一樣吸收」 ，」正如他們在學校所說的那樣，那麼以後這樣的員工就會出現問題。 但90-95%的人，為了永遠學習某樣東西，需要多學十倍，並且連續幾年有系統地做。 這使得數據分析碩士課程成為獲得良好知識基礎的絕佳選擇，有了這些基礎知識，你就不必在面試時臉紅，而且做工作也會容易得多。
維克多·坎特
MTS 首席資料科學家
在哪裡學習才能找到數據科學的工作
市面上有許多優秀的數據科學課程，獲得初步教育不是問題。 但了解這種教育的重點很重要。 如果候選人已經擁有強大的技術背景，那麼強化課程就是他們所需要的。 一個人會掌握工具，來到這個地方並很快習慣它，因為他已經知道如何像數學家一樣思考，看到問題並提出問題。 如果沒有這樣的背景，那麼課程結束後你將成為一名優秀的表演者，但成長的機會有限。
如果您面臨著換專業或找本專業工作的短期任務，那麼一些系統課程適合您，這些課程簡短且快速提供最低限度的技術技能，使您有資格獲得該領域的入門級職位。
伊凡·亞姆希科夫
線上碩士課程「數據科學」學術總監
這些課程的問題恰恰在於它們提供了快速但最小的加速。 一個人真正進入這個行業並很快達到天花板。 要長期進入該行業，您需要立即以長期計劃的形式打下良好的基礎，例如碩士學位。
當您了解您對該領域的長期興趣時，高等教育是合適的。 你並不急於盡快上班。 你不想有職業上限；你也不想面對缺乏知識、技能、缺乏對開發創新產品所幫助的整體生態系統的了解的問題。 為此，您需要接受高等教育，這不僅可以培養必要的技術技能，還可以以不同的方式建立您的思維，並幫助您形成長期的職業願景。
伊凡·亞姆希科夫
線上碩士課程「數據科學」學術總監
沒有職業上限是碩士課程的主要優勢。 在兩年內，專家獲得了強大的理論基礎。 這是 NUST MISIS 資料科學計畫第一學期的內容：
- 數據科學簡介。 2週。
- 數據分析基礎知識。 數據處理。 2週
- 機器學習。 資料預處理。 2週
- 電子設計自動化。 情報數據分析。 3週
- 基本機器學習演算法。 Ch1 + Ch2（6 週）
同時，你可以同時獲得工作上的實務經驗。 一旦學生掌握了必要的工具，就沒有什麼可以阻止你獲得初級職位。 但是，與課程畢業生不同的是，碩士學位並不會就此停止學習，而是繼續深入研究該職業。 未來，這可以讓你不受限制地在數據科學領域發展。
科技大學網站“MISiS” 對於那些想從事數據科學工作的人。 NUST MISIS、SkillFactory、HeadHunter、Facebook、Mail.ru Group 和 Yandex 的代表，我將告訴您最重要的事情：
- 「如何在數據科學領域找到自己的位置？」,
- 「有可能從零開始成為資料科學家嗎？」,
- “2-5年後，對數據科學家的需求還會存在嗎？”
- “數據科學家研究什麼問題？”
- “如何在數據科學領域建立職業生涯？”
線上培訓，公共教育文憑。 接受直到 八月10.
來源： www.habr.com