"يأتون ويعتقدون أنهم الآن سيربحون 500 ألف في الثانية ، لأنهم يعرفون أسماء الأطر وكيفية تشغيل النموذج في سطرين منها."
يقود إميل مهراموف مجموعة خدمات الكيمياء الحاسوبية في biocad وفي المقابلات يواجه حقيقة أن المرشحين ليس لديهم فهم منهجي للمهنة. إنهم ينهون الدورات ، التي تأتي مع Python و SQL مضبوطة جيدًا ، ويمكنهم رفع Hadoop أو Spark في ثانيتين ، وإكمال مهمة وفقًا لمهمة فنية واضحة. ولكن في نفس الوقت لم تعد الخطوة إلى الجانب. على الرغم من مرونة الحلول التي يتوقعها أصحاب العمل من المتخصصين في علوم البيانات.
ما يحدث في سوق علوم البيانات
تعكس كفاءات المهنيين الشباب الوضع في سوق العمل. هنا ، يتجاوز الطلب العرض بشكل كبير ، لذلك غالبًا ما يكون أصحاب العمل اليائسون مستعدين حقًا لتوظيف متخصصين صديقين تمامًا وتنميتهم لأنفسهم. الخيار يعمل ، لكنه مناسب فقط إذا كان لدى الفريق بالفعل قائد فريق متمرس سيتولى تدريب المبتدئين.
وفقًا لبحث أجراه HeadHunter و Mail.ru ، فإن محللي البيانات هم من بين الأكثر طلبًا في السوق:
- في عام 2019 ، كان هناك 9.6 أضعاف الوظائف الشاغرة في تحليل البيانات ، و 7.2 ضعف الوظائف الشاغرة في التعلم الآلي مقارنة بعام 2015.
- مقارنة بعام 2018 ، زاد عدد الوظائف الشاغرة لمحللي البيانات 1.4 مرة ، للتعلم الآلي - 1.3 مرة.
- 38٪ من الوظائف الشاغرة في شركات تكنولوجيا المعلومات ، و 29٪ - شركات من القطاع المالي ، و 9٪ - خدمات للأعمال.
يغذي الموقف العديد من المدارس عبر الإنترنت التي تدرب هؤلاء الصغار جدًا. في الأساس ، يستمر التدريب من ثلاثة إلى ستة أشهر ، يتاح للطلاب خلالها الوقت لإتقان الأدوات الرئيسية على مستوى أساسي: Python و SQL وتحليل البيانات و Git و Linux. والنتيجة هي مبتدئ كلاسيكي: يمكنه حل مشكلة معينة ، لكنه لا يزال غير قادر على فهم المشكلة وصياغة المشكلة بمفرده. ومع ذلك ، فإن ارتفاع الطلب على المتخصصين والضجيج حول المهنة غالبًا ما يؤدي إلى طموحات عالية ومتطلبات الرواتب.
, Data Science : , - , , , , 200, 300, 400 .
- « », « » , .
Chief Data Scientist
يرغب أي صاحب عمل في أن يعمل صغارهم دون إشراف مستمر وأن يكونوا قادرين على التطور تحت قيادة قائد الفريق. للقيام بذلك ، يجب أن يمتلك المبتدئ على الفور الأدوات اللازمة لحل المشكلات الحالية ، وأن يكون لديه قاعدة نظرية كافية لاقتراح الحلول الخاصة به تدريجياً والتعامل مع المشكلات الأكثر تعقيدًا.
الوافدون الجدد إلى السوق يقومون بعمل جيد باستخدام الأدوات. تسمح لك الدورات قصيرة المدى بإتقانها بسرعة والبدء.
وفقًا لبحث أجراه HeadHunter و Mail.ru ، فإن أكثر المهارات المطلوبة هي Python. يتم عرضه في 45٪ من وظائف علوم البيانات و 51٪ من وظائف التعلم الآلي.
يريد أصحاب العمل أيضًا أن يعرف علماء البيانات SQL (23٪) ، وأن يكونوا بارعين في استخراج البيانات (19٪) ، والإحصاءات الرياضية (11٪) وأن يكونوا قادرين على العمل مع البيانات الضخمة (10٪).
يتوقع أصحاب العمل الذين يبحثون عن متخصصين في التعلم الآلي ، جنبًا إلى جنب مع معرفة لغة Python ، أن يكون المرشح ماهرًا في C ++ (18٪) ، SQL (15٪) ، خوارزميات التعلم الآلي (13٪) و Linux (11٪).
ولكن إذا كان أداء المبتدئين جيدًا باستخدام الأدوات ، فإن قادتهم يواجهون مشكلة أخرى. لا يتمتع معظم خريجي الدورات بفهم عميق للمهنة ، لذلك يصعب على المبتدئين التقدم.
. , Data Science, , .لا يسمح لك هيكل ومدة الدورات بالتعمق أكثر في المستوى المطلوب. غالبًا ما يفتقر الخريجون إلى المهارات الناعمة جدًا التي عادةً ما تُفتقد عند قراءة الوظائف الشاغرة. حسنًا ، الحقيقة هي ، أي منا سيقول أنه ليس لديه تفكير منهجي أو رغبة في التطور. ومع ذلك ، كما هو مطبق على متخصص في علوم البيانات ، فإننا نتحدث عن تاريخ أعمق. هنا ، من أجل التطور ، يحتاج المرء إلى تحيز قوي بما فيه الكفاية في النظرية والعلوم ، وهو أمر ممكن فقط في الدراسات طويلة الأجل ، على سبيل المثال ، في الجامعة.
, Biocad
: , « », , . 90-95% , - , . , , .
Chief Data Scientist
, Data Science
هناك العديد من دورات علوم البيانات الجيدة في السوق والحصول على تعليم أولي ليس مشكلة. لكن من المهم فهم اتجاه هذا التعليم. إذا كان المرشح لديه بالفعل خلفية تقنية قوية ، فإن الدورات المكثفة هي ما تحتاجه. سيتقن الشخص الأدوات ، ويأتي إلى المكان ويمارسها بسرعة ، لأنه يعرف بالفعل كيف يفكر مثل عالم الرياضيات ، ويرى المشكلة ويصوغ المشاكل. إذا لم تكن هناك مثل هذه الخلفية ، فسيكون هناك أداء جيد بعد الدورة ، ولكن مع فرص محدودة للنمو.
إذا كنت تواجه مهمة قصيرة المدى تتمثل في تغيير مهنة أو البحث عن وظيفة في هذا التخصص ، فإن بعض الدورات المنهجية مناسبة لك ، وهي قصيرة وتوفر بسرعة الحد الأدنى من مجموعة المهارات الفنية بحيث يمكنك التقدم للحصول على وظيفة أولية في هذا المجال.تكمن مشكلة الدورات التدريبية في أنها تعطي تسارعًا سريعًا ولكنه ضئيل للغاية. يطير الشخص حرفيًا إلى المهنة ويصل بسرعة إلى السقف. للدخول في المهنة لفترة طويلة ، تحتاج إلى وضع أساس جيد على الفور في شكل برنامج طويل الأجل ، على سبيل المثال ، درجة الماجستير.
إيفان يامشيكوف
المدير الأكاديمي لبرنامج ماجستير العلوم عبر الإنترنت في علوم البيانات
, , . . , , , , , . , , - .يعد عدم وجود سقف وظيفي الميزة الرئيسية لبرنامج الماجستير. في غضون عامين ، يتلقى المتخصص قاعدة نظرية قوية. هكذا يبدو الفصل الدراسي الأول من برنامج علوم البيانات بجامعة NUST MISIS:
- « »
- مقدمة في علوم البيانات. 2 أسابيع.
- أساسيات تحليل البيانات. معالجة البيانات. 2 أسابيع
- التعلم الالي. معالجة البيانات. 2 أسابيع
- EDA. تحليل بيانات الذكاء. 3 أسابيع
- خوارزميات تعلم الآلة الأساسية. Ch1 + Ch2 (6 أسابيع)
في الوقت نفسه ، يمكنك اكتساب خبرة عملية في نفس الوقت في العمل. لا شيء يمنعك من الحصول على منصب مبتدئ بمجرد أن يتقن الطالب الأدوات اللازمة. ولكن ، على عكس خريج الدورات ، لا يتوقف المعلم عن دراسته عند هذا الحد ، بل يواصل الخوض في المهنة. في المستقبل ، سيسمح لك هذا بالتطوير في Data Science دون قيود.
«» , Data Science. «», SkillFactory, HeadHunter, Facebook, Mail.ru Group , :
- « Data Science?»,
- « data scientist ?»,
- « data scientist- 2-5 ?»,
- « data science?»,
- « Data Science?»
, . 10 .