“Eles chegam e acham que agora vão ganhar 500 mil por segundo, porque sabem os nomes dos frameworks e como rodar o modelo em duas linhas a partir deles”.
Emil Maharramov lidera o Grupo de Serviços de Química Computacional no biocad e, em entrevistas, enfrenta o fato de que os candidatos não têm uma compreensão sistemática da profissão. Eles terminam os cursos, vêm com Python e SQL bem ajustados, podem acionar o Hadoop ou Spark em 2 segundos, concluem uma tarefa de acordo com uma atribuição técnica clara. Mas, ao mesmo tempo, um passo para o lado não é mais. Embora seja a flexibilidade das soluções que os empregadores esperam de seus especialistas em ciência de dados.
O que está acontecendo no mercado de Data Science
As competências dos jovens profissionais refletem a situação do mercado de trabalho. Aqui, a demanda excede significativamente a oferta, portanto, empregadores desesperados geralmente estão realmente prontos para contratar especialistas totalmente verdes e cultivá-los para si próprios. A opção está funcionando, mas só é adequada se a equipe já tiver um líder de equipe experiente que assumirá a formação dos juniores.
Segundo pesquisas da HeadHunter e Mail.ru, os analistas de dados estão entre os mais solicitados do mercado:
- Em 2019, havia 9,6 vezes mais vagas em análise de dados e 7,2 vezes mais em aprendizado de máquina do que em 2015.
- Na comparação com 2018, o número de vagas para analistas de dados aumentou 1,4 vezes, para aprendizado de máquina - 1,3 vezes.
- 38% das vagas abertas são em empresas de TI, 29% - empresas do setor financeiro, 9% - serviços para empresas.
A situação é alimentada por inúmeras escolas online que treinam esses mesmos jovens. Basicamente, o treinamento dura de três a seis meses, durante os quais os alunos têm tempo para dominar as principais ferramentas em um nível básico: Python, SQL, análise de dados, Git e Linux. O resultado é um junior clássico: ele pode resolver um problema específico, mas ainda não consegue entender o problema e formular o problema sozinho. No entanto, a alta demanda por especialistas e o entusiasmo em torno da profissão freqüentemente dão origem a grandes ambições e exigências salariais.
, Data Science : , - , , , , 200, 300, 400 .
- « », « » , .
Chief Data Scientist
Qualquer empregador gostaria que seus juniores trabalhassem sem supervisão constante e fossem capazes de se desenvolver sob a liderança de um líder de equipe. Para fazer isso, um iniciante deve possuir imediatamente as ferramentas necessárias para resolver os problemas atuais, e ter uma base teórica suficiente para propor gradualmente suas próprias soluções e abordar problemas mais complexos.
Os recém-chegados ao mercado estão se saindo muito bem com as ferramentas. Os cursos de curta duração permitem que você os domine rapidamente e dê os primeiros passos.
De acordo com a pesquisa do HeadHunter e Mail.ru, a habilidade mais exigida é o Python. É destaque em 45% dos empregos de ciência de dados e 51% dos empregos de aprendizado de máquina.
Os empregadores também querem que os cientistas de dados conheçam SQL (23%), sejam proficientes em mineração de dados (19%), estatística matemática (11%) e sejam capazes de trabalhar com big data (10%).
Os empregadores que procuram especialistas em aprendizado de máquina, juntamente com conhecimento de Python, esperam que o candidato seja proficiente em C ++ (18%), SQL (15%), algoritmos de aprendizado de máquina (13%) e Linux (11%).
Mas se os juniores estão se saindo bem com as ferramentas, seus líderes enfrentam outro problema. A maioria dos formandos do curso não tem um conhecimento profundo da profissão, então é difícil para um iniciante progredir.
. , Data Science, , .A própria estrutura e duração dos cursos não permitem que você se aprofunde no nível exigido. Os graduados muitas vezes não possuem as habilidades básicas que geralmente são perdidas ao ler as vagas. Bem, a verdade é, qual de nós dirá que não tem pensamento sistêmico ou desejo de se desenvolver. No entanto, aplicado a um especialista em Data Science, estamos falando de uma história mais profunda. Aqui, para se desenvolver, é necessário um viés suficientemente forte na teoria e na ciência, o que só é possível em estudos de longo prazo, por exemplo, em uma universidade.
, Biocad
: , « », , . 90-95% , - , . , , .
Chief Data Scientist
, Data Science
Existem muitos cursos de Ciência de Dados bons no mercado e obter uma educação inicial não é um problema. Mas é importante entender a direção dessa educação. Se o candidato já possui uma sólida formação técnica, então você precisa de cursos intensivos. Uma pessoa vai dominar as ferramentas, chegará ao local e malhará rápido, porque já sabe pensar como um matemático, ver o problema e formular problemas. Se não houver esse histórico, depois do curso haverá um bom executante, mas com oportunidades limitadas de crescimento.
Se você se depara com a tarefa de curto prazo de mudar de profissão ou encontrar um emprego nesta especialidade, então alguns cursos sistemáticos são adequados para você, que são curtos e fornecem rapidamente um conjunto mínimo de habilidades técnicas para que você possa se candidatar a uma posição inicial nesta área.O problema com os cursos é que eles fornecem aceleração rápida, mas mínima. Uma pessoa literalmente voa para a profissão e rapidamente atinge o teto. Para entrar na profissão por muito tempo, você precisa estabelecer imediatamente uma boa base na forma de um programa de longo prazo, por exemplo, um mestrado.
Ivan Yamshchikov
Diretor Acadêmico do Online Master of Science in Data Science
, , . . , , , , , . , , - .A falta de teto para a carreira é a principal vantagem do programa de mestrado. Em dois anos, o especialista recebe uma forte base teórica. É assim que o primeiro semestre do programa de Ciência de Dados na NUST MISIS se parece:
- « »
- Introdução à ciência de dados. 2 semanas.
- Noções básicas de análise de dados. Processamento de dados. 2 semanas
- Aprendizado de máquina. Pré-processamento de dados. 2 semanas
- EDA. Análise de dados de inteligência. 3 semanas
- Algoritmos básicos de aprendizado de máquina. Ch1 + Ch2 (6 semanas)
Ao mesmo tempo, você pode obter simultaneamente experiência prática no trabalho. Nada o impede de conseguir uma posição júnior assim que o aluno domina as ferramentas necessárias. Mas, ao contrário da pós-graduação dos cursos, o mestre não para por aí, mas continua se aprofundando na profissão. No futuro, isso permitirá que você desenvolva em Ciência de Dados sem restrições.
«» , Data Science. «», SkillFactory, HeadHunter, Facebook, Mail.ru Group , :
- « Data Science?»,
- « data scientist ?»,
- « data scientist- 2-5 ?»,
- « data science?»,
- « Data Science?»
, . 10 .