El interés en Data Science continúa creciendo, el mercado necesita buenos especialistas. Pero el umbral para ingresar a la profesión es bastante alto, los recién llegados a menudo son detenidos por mitos y estereotipos sobre el campo: "es largo, difícil, es mejor no entrometerse sin educación física". Recolectamos las preguntas e inquietudes más comunes de quienes comienzan una carrera en Data Science y les pedimos a los especialistas que las respondieran.“¿Qué matemática se necesita? Si no hay matbase, ¿estoy desesperado?
Konstantin Bashevoy, analista-desarrollador en Yandex y profesor del curso "Python para el análisis de datos"La pregunta sobre las matemáticas es ambigua. Un conocimiento profundo de las matemáticas no es una condición necesaria ni suficiente. Por supuesto, aquellos que la conocen serán más fáciles. Pero todo el conocimiento necesario se da en el aula o en materiales adicionales.
Aquí, como en el deporte. Hay personas que pueden correr un maratón sin preparación. El resto será más difícil, pero con suficiente preparación, correrán. La base matemática es genial, pero no crítica.
Daria Mukhina, analista de productos Skyeng, consultora del curso de análisis de NetologíaParece que ahora una base matemática profunda puede ser reemplazada por la capacidad de googlear. Hay muchos videos y artículos en Internet donde puede obtener la información presentada de manera accesible, y no necesita ir a los libros de texto universitarios. Lo principal es saber lo que necesitas.
Ahora más importante es la capacidad de aplicar el conocimiento en una tarea real, y no solo poseerlo.
Elena Gerasimova, Jefa de Ciencia de Datos en NetologíaEl concepto de "educación técnica o matemática especializada" es cosa del pasado. Aquellos que confían en sus habilidades y conocimiento de dominio no serán comparados con un graduado del Instituto de Física y Tecnología de Moscú con conocimientos de matemáticas, sino que serán comparados por la utilidad de un negocio para resolver problemas.
Ya se conocen docenas de algoritmos y bibliotecas de trabajo que son capaces de asumir toda la parte matemática sin intervención humana.
“Bueno, ¿y qué tipo de fondo es más fácil ingresar a la esfera DS? Obviamente, esto es matemática, pero ¿qué más ayudará?
Konstantin Bashevoy, analista-desarrollador en Yandex y profesor del curso "Python para el análisis de datos"Por supuesto, la forma más fácil de ingresar a la esfera de DS es para aquellas personas que tienen experiencia en capacitación o que trabajan en una especialidad técnica.
Aunque la división en "técnicos" y "humanidades" es muy arbitraria, Data Scientist necesita matemática, no de grado 8, sino superior. Puede estudiar todo usted mismo, pero si una persona se graduó de una universidad técnica, lo más probable es que ya tenga la base necesaria. Aquellos que tienen experiencia en programación y comprensión de algoritmos también lo encontrarán más fácil. Si Python es muy difícil para una persona, será más difícil para él: después de todo, comenzarán a hablar sobre la teoría de la probabilidad y luego sobre las redes neuronales.
La experiencia de estudiar en un laboratorio físico o trabajar en especialidades de ingeniería simplifica enormemente el desarrollo de DS. Sin embargo, uno debe recordar que todavía hay una gran cantidad de especializaciones cercanas a DS a las que puede llegar sin un conocimiento profundo de las matemáticas. No es necesario ser un Científico de Datos, con una buena comprensión del negocio, puede convertirse en un excelente analista de BI.
"¿Y quién sigue siendo preferible para el empleador: una persona con conocimiento de Python y antecedentes para un desarrollador, o un graduado con fuertes matemáticas?"
Alexey Kuzmin, Jefe de Desarrollo en DomKlik, Científico de Datos, Profesor de Cursos de Netology Machine LearningTodo depende de la tarea. Esta es realmente una elección difícil, no hay una receta preparada. Tomaría un desarrollador: para las tareas de mi empresa, ese perfil está más cerca.
Konstantin Bashevoy, analista-desarrollador en Yandex y profesor del curso "Python para el análisis de datos"Y tenemos análisis, más matemáticas. Pero en general, todo realmente depende de la tarea. Si el empleador tiene un servicio bancario altamente cargado, lo más probable es que necesite un desarrollador que cierre rápidamente una gran cantidad de tareas técnicas y lo ayude con DS y modelos. Si la empresa tiene un proyecto que ya está configurado y funciona sin problemas, entonces los empleados junior pueden ser adecuados para su apoyo.
“¿Debería verse a Kaggle como una ayuda para ingresar a DS? ¿Están los empleadores mirando a los Maestros Kaggle?
Konstantin Bashevoy, analista-desarrollador en Yandex y profesor del curso "Python para el análisis de datos"Por supuesto! Los puestos altos en Kaggle es un gran proyecto de cartera. A veces la plataforma es criticada por condiciones "idealizadas". Por supuesto, no hay falla de plataforma en esto. Por lo general, cuando se establece una tarea para un científico o analista, no comienza con la construcción de modelos geniales, sino con el trabajo de gestión, la preparación de datos y herramientas. ¿Dónde obtener los datos necesarios? ¿Cómo manejar todo esto? ¿Cuáles son los problemas obvios en los datos? Esta parte en Kaggle generalmente no lo es.
Cuando hicieron el modelo, comienza otra etapa: la implementación. Además del hecho de que el sistema debería funcionar de manera prod., Debe demostrar su valor para el negocio, enseñar a sus colegas cómo usarlo y, posiblemente, "venderlo" al cliente.
Por lo tanto, a veces un empleado construye modelos geniales, pero en condiciones reales tiene dificultades con la primera y tercera parte del trabajo. Si una persona tiene buenas habilidades de comunicación, tiene excelentes habilidades de programación y, además, construye modelos precisos, no tiene precio. En Kaggle, perfeccionas la construcción de modelos, pero necesitarás muchas habilidades aplicadas para aplicar esto en proyectos reales.
"¿Qué competencias, además de las competencias técnicas, se necesitan para un especialista novato para que el empleador lo note entre la corriente general?"
Alexey Kuzmin, Jefe de Desarrollo en DomKlik, Científico de Datos, Profesor de Cursos de Netology Machine LearningTodo depende en gran medida de las tareas y del perfil de la empresa. Si se trata de una startup para 5 personas, un analista que sepa cómo tratar con el personal puede ser útil simplemente porque la startup no tiene personas para el personal. Si se trata de una empresa grande, seria y grande con proyectos que duran años, en los que las mismas personas realizan las mismas tareas, necesitará un especialista limitado que solo conozca un área específica y nada más.
Las habilidades blandas para las habilidades de comunicación, la tolerancia al estrés, la capacidad de trabajo y la capacidad de comprender el campo aplicado son una ventaja adicional.
Es útil cuando un especialista tiene las habilidades para trabajar con negocios, entonces es más fácil para él comprender las solicitudes y tareas de la empresa, puede sumergirse en el problema y ofrecer alguna solución alternativa.
Además, ahora hay una gran escasez de especialistas en el mercado con habilidades relacionadas con DS. Por ejemplo, durante mucho tiempo buscamos un Propietario de producto con conocimientos de DS, para poder crear productos basados en inteligencia artificial.
"¿Cómo navegar por las vacantes y no temer si se te indican nuevas herramientas?" ¿Qué se necesita para comenzar a trabajar en una profesión?
Konstantin Bashevoy, analista-desarrollador en Yandex y profesor del curso "Python para el análisis de datos"El consejo es común: vaya a entrevistas. A menudo escrito en vacantes es diferente de las solicitudes reales del empleador. La entrevista le brinda la oportunidad de averiguar en qué proyecto se planifica el trabajo, qué herramientas necesitará usar y con qué personas trabajar. Mi consejo es tomar el texto de la vacante como una guía, y no la verdad última.
Los empleadores adecuados entienden que si trabajó con Google Cloud y usan Azure, entonces esto no es un problema: el especialista volverá a aprender rápidamente. Hay cosas mucho más importantes: qué es exactamente lo que tendrá que hacer, cómo se organizan los procesos en el equipo; esto se puede descubrir solo en persona. En vacantes, tales detalles no indican.
"¿Es cierto que no hay trabajo remoto en el mercado DS?"
Elena Gerasimova, Jefa de Ciencia de Datos en NetologíaEl trabajo remoto en puestos similares en grandes empresas de TI es realmente una excepción. Sin embargo, muchas empresas extranjeras con oficinas de representación rusas están listas para ahorrar en salarios y trasladarse a un formato remoto cuando realizan tareas asignadas.
Las nuevas empresas también suelen buscar empleados remotos; si lo que importa es el udalenka, vale la pena buscar tales vacantes.
En general, creo que es preferible trabajar en la oficina para analistas y Data Scientist: sin trabajar en la oficina, se está privando de la oportunidad de estudiar con colegas en el lugar de trabajo, comunicarse con el equipo y resolver rápidamente los problemas que surjan (bueno, aproveche una buena oficina: un gimnasio cenas, un cambio de escenario).
“¿Y si a los 40 años me convierto en un científico junior? ¿Cuáles son mis perspectivas? ¿Dónde estoy y cómo moverme?
Konstantin Bashevoy, analista-desarrollador en Yandex y profesor del curso "Python para el análisis de datos"Tuvimos muchachos que, después de los 30 años, cambiaron de profesiones industriales a desarrolladores: resultó que todo en el departamento era 5-8 años más joven, pero eran insignificantes.
Por supuesto, si una persona se muda a DS a la edad de 65 años, entonces sí, probablemente, será difícil para él. Y así, hay una gran cantidad de casos en que las personas se mudaron a DS desde áreas muy remotas, por ejemplo, medicamentos, de 30 a 40 años.
Otro punto importante: al mudarse a una nueva esfera, debe estar preparado para reducir los salarios. Si el especialista tiene una familia y tres hijos, será estresante. En general, hay muchos ejemplos positivos, y el nivel salarial está creciendo en paralelo con la nueva experiencia.
Elena Gerasimova, Jefa de Ciencia de Datos en NetologíaAl mudarse a DS en la edad adulta, el espíritu y la voluntad de sacrificar algunos de sus principios establecidos y aceptar las reglas del juego que se proporcionan en este entorno son extremadamente importantes. Recientemente nos graduamos con honores de un estudiante con tres hijos: él tomó licencia durante sus estudios, y su esposa trabajó durante este período. Realmente quiere ser una cita científica, un graduado muy talentoso y su motivación es más fuerte que las circunstancias circundantes.
“¿Cómo puede un especialista novato responder preguntas sobre salarios en una entrevista? ¿Cómo evaluarse a sí mismo?
Daria Mukhina, analista de productos Skyeng, consultora del curso de análisis de NetologíaPara cualquier persona, la cuestión del salario en la entrevista es una pregunta estresante. Creo que tratar de bromear sobre este tema o evadirlo es arriesgado. Es mejor realizar un mini estudio antes de la conversación, para descargar las vacantes donde se indica el enchufe: umbral superior, umbral inferior. Comprenda cuánto necesita, condicionalmente, dinero para vivir, luego, una vez más, observe los tenedores de sueldos a nivel de junio, y nombre la cantidad que se ajustará a ellos, pero no será inferior a su nivel de subsistencia.
De los editores