與系主任 Elena Gerasimova 一起“» 在網路學中，我們繼續了解他們如何互動以及資料科學家和資料工程師有何不同。
在第一部分他們告訴 .
在本資料中，我們將討論專家應具備哪些知識和技能、雇主重視哪些教育、如何進行面試以及資料工程師和資料科學家的收入。
科學家和工程師應該知道什麼
兩位專家的專業教育都是電腦科學。
任何資料科學家（資料科學家或分析師）都必須能夠證明其結論的正確性。 為此，沒有知識就無法做到 統計學和統計相關的基礎數學.
機器學習和數據分析工具在現代世界中不可或缺。 如果沒有常用的工具，您需要具備技能 快速學習新工具，建立簡單的腳本來自動執行任務.
值得注意的是，資料科學家必須有效傳達分析結果。 這將有助於他解決這個問題 數據視覺化 或研究和假設檢定的結果。 專家必須能夠創建圖表和圖形、使用視覺化工具以及理解和解釋儀表板中的數據。
對於資料工程師來說，有三個領域尤其突出。
算法和數據結構。 擅長編寫程式碼並使用基本結構和演算法非常重要：
- 演算法複雜度分析，
- 能夠編寫清晰、可維護的程式碼，
- 批量處理，
- 即時處理。
數據庫和數據倉庫，商業智能:
- 資料儲存和處理，
- 完整系統的設計，
- 資料攝取，
- 分散式檔案系統。
Hadoop 和大數據。 數據越來越多，在 3-5 年內，這些技術將成為每個工程師的必需品。 加：
- 資料湖
- 與雲端提供者合作。
機器學習 將在任何地方使用，了解它將幫助解決哪些業務問題非常重要。 不一定會做模型（資料科學家可以搞定），但你需要了解它們的應用和相應的要求。
工程師和科學家賺多少錢？
資料工程師收入
在國際實踐中 據 Glassdoor 稱，起薪通常為每年 100 萬美元，並且隨著經驗的增加而大幅增加。 此外，公司通常提供股票選擇權和000-5%的年度獎金。
在俄羅斯 在職業生涯的開始，工資通常不低於50萬盧佈在地區和80萬盧佈在莫斯科。 此階段除了完成培訓外不需要任何經驗。
經過1-2年的工作 - 90-100萬盧布的叉子。
120-160年內分叉將增加至2-5萬。 增加了諸如先前公司的專業化、專案規模、使用大數據等因素。
工作5年後，更容易尋找相關部門的職缺或申請高度專業化的職位，例如：
- 銀行或電信公司的架構師或首席開發人員 - 約 250 萬人。
- 與您合作最密切的技術的供應商的預售 - 200 萬加上可能的獎金（1-1,5 萬盧布）。
- 實施企業業務應用程式（例如 SAP）的專家多達 350 萬名。
數據科學家的收入
「Normal Research」公司和招聘機構 New.HR 的分析師市場顯示，數據科學專家的平均薪資高於其他專業的分析師。
在俄羅斯，具有一年經驗的資料科學家的起薪為 113 萬盧布。
完成培訓計劃現在也被視為工作經驗。
1-2年後，這樣的專家已經可以領到160萬。
對於一個有4-5年經驗的員工來說，叉子增加到310萬。
採訪是如何進行的？
在西方，職業訓練課程的畢業生平均在畢業後 5 週內進行第一次面試。 大約85%的人在3個月後找到工作。
資料工程師和資料科學家職位的面試過程其實是相同的。 通常由五個階段組成。
總結。 具有非核心先前經驗（例如行銷）的候選人需要為每家公司準備一份詳細的求職信或獲得該公司代表的推薦信。
技術篩選。 它通常透過電話進行。 由一兩個與雇主當前堆疊相關的複雜問題和盡可能多的簡單問題組成。
人力資源面試。 可以透過電話完成。 在此階段，將測試候選人的整體能力和溝通能力。
技術面試。 大多數情況下，它是親自進行的。 在不同的公司，人員配置表中的職位等級不同，職位的命名也可能不同。 因此，這個階段考驗的是技術知識。
CTO/首席架構師專訪。 工程師和科學家是策略職位，對許多公司來說也是新鮮事。 經理喜歡潛在同事並同意他的觀點很重要。
什麼將有助於科學家和工程師的職業發展？
出現了許多處理資料的新工具。 很少有人對每個人都一樣擅長。
許多公司還沒有準備好僱用沒有工作經驗的員工。 然而，對於流行工具的基礎知識只有最少背景和了解的候選人如果自己學習和開發，可以獲得必要的經驗。
對資料工程師和資料科學家有用的品質
學習慾望和能力。 您不必立即追求經驗或換工作來尋找新工具，但您需要願意切換到新領域。
實現日常流程自動化的願望。 這不僅對於生產力很重要，而且對於維持高數據品質和向消費者交付的速度也很重要。
對流程「幕後內容」的關注與理解。 對流程有觀察力和透徹了解的專家將更快解決問題。
除了演算法、資料結構和管道方面的豐富知識之外，您還需要 學會用產品思考 — 將架構和業務解決方案視為單一圖片。
例如，採用任何眾所周知的服務並為其提供一個資料庫是很有用的。 然後考慮如何開發 ETL 和 DW 來填充數據，什麼樣的消費者以及他們了解數據的重要內容，以及買家如何與應用程式互動：用於求職和約會、汽車租賃、播客應用、教育平台。
分析師、資料科學家和工程師的職位非常接近，因此您可以比從其他領域更快地從一個方向轉移到另一個方向。
無論如何，對於那些有任何 IT 背景的人來說，這都會比沒有 IT 背景的人更容易。 平均而言，積極進取的成年人每 1,5-2 年接受一次再培訓並更換工作。 與那些僅依賴開源的人相比，這對於那些在小組和導師的指導下學習的人來說更容易。
來自 Netology 編輯
如果您正在尋找資料工程師或資料科學家的職業，我們邀請您學習我們的課程計畫：
- 職業 ”“。
- 職業 ”“。
- 出色地 ”“。
來源： www.habr.com