Clever Geek Handbook

クイックスタートと低い天井。労働市場で若いデータ科学者を待っているもの

HeadHunterとMail.ruの調査によると、データサイエンスのスペシャリストの需要は供給を上回っていますが、それでも、若いスペシャリストが常に仕事を見つけることができるとは限りません。データサイエンスで大きなキャリアを計画している人のために、コースの卒業生が不足しているものと、どこで勉強するかを説明します。

「彼らは、フレームワークの名前と、フレームワークから2行でモデルを実行する方法を知っているので、今では1秒あたり50万を稼ぐと考えています。」


Emil Maharramovは、biocadのComputational Chemistry Services Groupを率いており、インタビューでは、候補者が職業について体系的に理解していないという事実に直面しています。彼らはコースを終了し、適切に調整されたPythonとSQLが付属し、2秒でHadoopまたはSparkを起動し、明確な技術的割り当てに従ってタスクを完了できます。しかし同時に、側への一歩はもはやありません。雇用主がデータサイエンスの専門家に期待するのはソリューションの柔軟性ですが。



データサイエンス市場で何が起こっているのか



若い専門家の能力は、労働市場の状況を反映しています。ここでは、需要が供給を大幅に上回っているため、絶望的な雇用主は、完全に環境に配慮した専門家を雇い、自分たちで成長させる準備ができていることがよくあります。このオプションは機能していますが、ジュニアのトレーニングを引き継ぐ経験豊富なチームリーダーがチームにすでにいる場合にのみ適しています。



HeadHunterとMail.ruの調査によると、データアナリストは市場で最も需要が高いものの1つです。



  • 2019年には、データ分析の欠員が9.6倍、機械学習の欠員が2015年の7.2倍でした。
  • 2018年と比較して、データアナリストの欠員数は1.4倍に増加し、機械学習の場合は1.3倍になりました。
  • 募集中の欠員の38％はIT企業、29％は金融セクターの企業、9％はビジネス向けサービスです。


状況は、それらの非常に後輩を訓練する多くのオンライン学校によって煽られています。基本的に、トレーニングは3〜6か月続きます。その間、学生は基本的なレベルで主要なツール（Python、SQL、データ分析、Git、Linux）を習得する時間があります。その結果、古典的なジュニアになります。彼は特定の問題を解決することはできますが、それでも問題を理解して自分で問題を定式化することはできません。しかし、専門家に対する高い需要と職業に関する誇大宣伝は、しばしば高い野心と給与要件を引き起こします。



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



- « », « » , .





Chief Data Scientist




雇用主は、後輩が常に監督なしで働き、チームリーダーのリーダーシップの下で成長できることを望んでいます。これを行うには、初心者は現在の問題を解決するために必要なツールをすぐに所有し、独自の解決策を徐々に提案し、より複雑な問題に取り組むための十分な理論的基盤を持っている必要があります。



市場への新規参入者は、ツールでかなりうまくやっています。短期コースでは、すぐに習得して開始できます。



HeadHunterとMail.ruの調査によると、最も要求されるスキルはPythonです。データサイエンスの仕事の45％と機械学習の仕事の51％で取り上げられています。



雇用主はまた、データ科学者にSQL（23％）を知り、データマイニング（19％）、数学統計（11％）に習熟し、ビッグデータ（10％）を処理できることを望んでいます。



機械学習の専門家を探している雇用主は、Pythonの知識とともに、候補者がC ++（18％）、SQL（15％）、機械学習アルゴリズム（13％）、およびLinux（11％）に習熟していることを期待しています。



しかし、ジュニアがツールでうまくやっている場合、彼らのリーダーは別の問題に直面しています。ほとんどのコース卒業生は職業を深く理解していないので、初心者が進歩するのは難しいです。

. , Data Science, , .





, Biocad

コースの構造と期間自体では、必要なレベルに深く入り込むことはできません。卒業生は、欠員を読むときに通常見落とされる非常にソフトなスキルを欠いていることがよくあります。まあ、真実は、私たちの誰が彼が体系的な思考や開発したいという願望を持っていないと言うでしょう。しかし、データサイエンスの専門家に適用されるように、私たちはより深い歴史について話している。ここで発展するためには、理論と科学に十分に強いバイアスが必要です。これは、たとえば大学での長期的な研究でのみ可能です。

: , « », , . 90-95% , - , . , , .





Chief Data Scientist

, Data Science



市場には多くの優れたデータサイエンスコースがあり、初期教育を受けることは問題ではありません。しかし、この教育の方向性を理解することは重要です。候補者がすでに強力な技術的バックグラウンドを持っている場合は、集中コースが必要です。人はツールを習得し、その場所に来てすぐに作業します。なぜなら、彼はすでに数学者のように考え、問題を見て、問題を定式化する方法を知っているからです。そのような背景がない場合、コースの後には良いパフォーマーがいますが、成長の機会は限られています。

転職やこの専門分野での仕事を探すという短期的な課題に直面している場合は、体系的なコースが適しています。これらのコースは短く、最小限の技術スキルをすばやく提供できるため、この分野の最初のポジションに応募できます。



IvanYamshchikov

データサイエンスのオンライン科学マスターのアカデミックディレクター
コースの問題は、高速ですが最小限の加速しか提供しないことです。人は文字通り職業に飛び込み、すぐに天井に到達します。長い間職業に就くためには、例えば修士号などの長期的なプログラムの形ですぐに良い基盤を築く必要があります。



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





- « »

キャリアの上限がないことが、マスタープログラムの主な利点です。2年間で、スペシャリストは強力な理論的基盤を受け取ります。NUSTMISISのデータサイエンスプログラムの最初の学期は次のようになります。



  • データサイエンス入門。2週間。
  • データ分析の基本。情報処理。2週間
  • 機械学習。データの前処理。2週間
  • EDA。インテリジェンスデータ分析。3週間
  • 基本的な機械学習アルゴリズム。Ch1 + Ch2（6週間）


同時に、職場での実践的な経験を同時に得ることができます。学生が必要なツールを習得するとすぐに、あなたがジュニアポジションを取得することを妨げるものは何もありません。しかし、コースの卒業生とは異なり、マスターはこれで彼の研究を止めることはありませんが、職業を掘り下げ続けます。将来的には、これにより、制限なしにデータサイエンスで開発できるようになります。

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



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


, . 10 .


More articles:


All Articles