Arranque rápido y techo bajo. Lo que les espera a los jóvenes científicos de datos en el mercado laboral

Según la investigación de HeadHunter y Mail.ru, la demanda de especialistas en ciencia de datos supera la oferta, pero aun así, los especialistas jóvenes no siempre logran encontrar un trabajo. Te contamos qué faltan los egresados ​​de los cursos y dónde estudiar para quienes están planeando una gran carrera en Data Science.

"Vienen y piensan que ahora ganarán 500k por segundo, porque conocen los nombres de los frameworks y cómo ejecutar el modelo en dos líneas de ellos".

Emil Maharramov dirige el Grupo de Servicios de Química Computacional en biocad y en las entrevistas se enfrenta al hecho de que los candidatos no tienen una comprensión sistemática de la profesión. Terminan los cursos, vienen con Python y SQL bien ajustados, pueden activar Hadoop o Spark en 2 segundos, completar una tarea de acuerdo con una asignación técnica clara. Pero al mismo tiempo, un paso hacia un lado ya no es. Aunque es la flexibilidad de las soluciones lo que los empleadores esperan de sus especialistas en ciencia de datos.

Qué está pasando en el mercado de la ciencia de datos

Las competencias de los jóvenes profesionales reflejan la situación del mercado laboral. Aquí, la demanda excede significativamente la oferta, por lo que los empleadores desesperados a menudo están realmente dispuestos a contratar especialistas completamente ecológicos y cultivarlos por sí mismos. La opción está funcionando, pero solo es adecuada si el equipo ya tiene un líder de equipo experimentado que se hará cargo del entrenamiento del junior.



Según una investigación de HeadHunter y Mail.ru, los analistas de datos se encuentran entre los más demandados en el mercado:

• En 2019, hubo 9,6 veces más vacantes en análisis de datos y 7,2 veces más en aprendizaje automático que en 2015.
• En comparación con 2018, el número de puestos vacantes para analistas de datos aumentó 1,4 veces, para el aprendizaje automático, 1,3 veces.
• El 38% de las vacantes abiertas se encuentran en empresas de TI, el 29% - empresas del sector financiero, el 9% - servicios para empresas.

La situación se ve impulsada por numerosas escuelas en línea que capacitan a esos jóvenes. Básicamente, la formación tiene una duración de tres a seis meses, durante los cuales los alumnos tienen tiempo para dominar las principales herramientas a nivel básico: Python, SQL, análisis de datos, Git y Linux. El resultado es un junior clásico: puede resolver un problema específico, pero aún no puede entender el problema y formularlo por sí mismo. Sin embargo, la gran demanda de especialistas y la exageración en torno a la profesión a menudo dan lugar a grandes ambiciones y requisitos salariales.

, Data Science : , - , , , , 200, 300, 400 .



- « », « » , .





Chief Data Scientist

A cualquier empleador le gustaría que sus juniors trabajen sin supervisión constante y puedan desarrollarse bajo el liderazgo de un líder de equipo. Para ello, un principiante debe poseer inmediatamente las herramientas necesarias para resolver problemas actuales, y tener una base teórica suficiente para proponer gradualmente sus propias soluciones y abordar problemas más complejos.



A los recién llegados al mercado les va bastante bien con las herramientas. Los cursos de corta duración le permiten dominarlos rápidamente y comenzar.



Según una investigación de HeadHunter y Mail.ru, la habilidad más solicitada es Python. Aparece en el 45% de los trabajos de ciencia de datos y en el 51% de los trabajos de aprendizaje automático.



Los empleadores también quieren que los científicos de datos conozcan SQL (23%), sean competentes en minería de datos (19%), estadísticas matemáticas (11%) y puedan trabajar con big data (10%).



Los empleadores que buscan especialistas en aprendizaje automático, junto con conocimientos de Python, esperan que el candidato sea competente en C ++ (18%), SQL (15%), algoritmos de aprendizaje automático (13%) y Linux (11%).



Pero si a los jóvenes les va bien con las herramientas, sus líderes se enfrentan a otro problema. La mayoría de los graduados de los cursos no tienen un conocimiento profundo de la profesión, por lo que es difícil para un principiante progresar.

. , Data Science, , .





, Biocad

La propia estructura y duración de los cursos no le permite profundizar en el nivel requerido. Los graduados a menudo carecen de las habilidades muy blandas que generalmente se pierden al leer las vacantes. Bueno, la verdad es, quién de nosotros dirá que no tiene un pensamiento sistémico ni deseos de desarrollarse. Sin embargo, aplicado a un especialista en ciencia de datos, estamos hablando de una historia más profunda. Aquí, para desarrollarse, se necesita un sesgo suficientemente fuerte en la teoría y la ciencia, que solo es posible en estudios a largo plazo, por ejemplo, en una universidad.

: , « », , . 90-95% , - , . , , .





Chief Data Scientist

, Data Science

Hay muchos buenos cursos de ciencia de datos en el mercado y obtener una educación inicial no es un problema. Pero es importante comprender la dirección de esta educación. Si el candidato ya tiene una sólida formación técnica, entonces lo que necesita son cursos intensivos. Una persona dominará las herramientas, llegará al lugar y trabajará rápidamente, porque ya sabe pensar como un matemático, ver un problema y formular problemas. Si no existe tal experiencia, luego del curso habrá un buen desempeño, pero con oportunidades limitadas de crecimiento.

Si se enfrenta a la tarea a corto plazo de cambiar de profesión o encontrar un trabajo en esta especialidad, entonces algunos cursos sistemáticos son adecuados para usted, que son cortos y proporcionan rápidamente un conjunto mínimo de habilidades técnicas para que pueda postularse para un puesto inicial en este campo.



Ivan Yamshchikov

Director académico de la Maestría en Ciencias en Ciencia de Datos en Línea

El problema con los cursos es que dan una aceleración rápida pero mínima. Una persona, literalmente, vuela hacia la profesión y rápidamente alcanza el techo. Para ingresar a la profesión durante mucho tiempo, debe sentar de inmediato una buena base en forma de un programa a más largo plazo, por ejemplo, una maestría.

, , . . , , , , , . , , - .





- « »

La falta de un techo de carrera es la principal ventaja del programa de maestría. En dos años, el especialista recibe una poderosa base teórica. Así es como se ve el primer semestre del programa Data Science en NUST MISIS:

• Introducción a la ciencia de datos. 2 semanas.
• Conceptos básicos del análisis de datos. Procesamiento de datos. 2 semanas
• Aprendizaje automático. Preprocesamiento de datos. 2 semanas
• EDA. Análisis de datos de inteligencia. 3 semanas
• Algoritmos básicos de aprendizaje automático. Ch1 + Ch2 (6 semanas)

Al mismo tiempo, puede adquirir simultáneamente experiencia práctica en el trabajo. Nada le impide obtener un puesto junior tan pronto como el estudiante domine las herramientas necesarias. Pero, a diferencia del egresado de los cursos, el maestro no detiene sus estudios en esto, sino que continúa profundizando en la profesión. En el futuro, esto le permitirá desarrollarse en Data Science sin restricciones.

«» , Data Science. «», SkillFactory, HeadHunter, Facebook, Mail.ru Group , :

• « Data Science?»,
• « data scientist ?»,
• « data scientist- 2-5 ?»,
• « data science?»,
• « Data Science?»

, . 10 .