"और अगर मैं गणित नहीं जानता, तो क्या मैं निराश हूँ?" - विशेषज्ञ अक्सर विज्ञान विज्ञान में व्यवसायों के बारे में पूछे जाने वाले प्रश्नों के उत्तर देते हैं

डेटा साइंस में रुचि लगातार बढ़ रही है, बाजार को अच्छे विशेषज्ञों की जरूरत है। लेकिन पेशे में प्रवेश करने की दहलीज काफी अधिक है, नए लोगों को अक्सर मिथकों और क्षेत्र के बारे में रूढ़ियों द्वारा रोक दिया जाता है - "यह लंबे, कठिन है, यह शारीरिक शिक्षा के बिना ध्यान नहीं देना बेहतर है"। हमने उन लोगों के सबसे सामान्य प्रश्नों और चिंताओं को एकत्र किया जो डेटा साइंस में करियर शुरू करते हैं और विशेषज्ञों से उन्हें जवाब देने के लिए कहते हैं।

“क्या गणित की जरूरत है? अगर कोई मैटबेस नहीं है, तो क्या मैं निराश हूं? "

Konstantin Bashevoy, यैंडेक्स के एक विश्लेषक-डेवलपर और पाठ्यक्रम के एक शिक्षक "डेटा कौशल के लिए पायथन"

गणित के बारे में सवाल अस्पष्ट है। गणित का गहन ज्ञान न तो आवश्यक है और न ही पर्याप्त स्थिति। बेशक, जो लोग उसे जानते हैं, वे आसान होंगे। लेकिन सभी आवश्यक ज्ञान या तो कक्षा में या अतिरिक्त सामग्रियों में दिया जाता है।

यहाँ, खेल के रूप में। ऐसे लोग हैं जो बिना तैयारी के मैराथन दौड़ सकते हैं। बाकी कठिन होगा, लेकिन पर्याप्त तैयारी के साथ, वे चलेंगे। गणित का आधार शांत है, लेकिन महत्वपूर्ण नहीं है।

डारिया मुखिना, स्काईेंग उत्पाद विश्लेषक, नेटोलॉजी एनालिटिक्स पाठ्यक्रम सलाहकार

ऐसा लगता है कि अब एक गहरे गणितीय आधार को गूगल की क्षमता से बदला जा सकता है। इंटरनेट पर बहुत सारे वीडियो और लेख हैं जहां आप एक सुलभ तरीके से प्रस्तुत जानकारी प्राप्त कर सकते हैं - और आपको विश्वविद्यालय की पाठ्यपुस्तकों में जाने की आवश्यकता नहीं है। मुख्य बात यह जानना है कि आपको क्या चाहिए।

अब अधिक महत्वपूर्ण एक वास्तविक कार्य में ज्ञान को लागू करने की क्षमता है, और न केवल इसके पास।

ऐलेना गेरासिमोवा, नेत्र विज्ञान में डेटा साइंस के प्रमुख

"विशिष्ट तकनीकी या गणितीय शिक्षा" की अवधारणा अतीत की बात है। जो लोग अपने कौशल और डोमेन ज्ञान में आश्वस्त हैं, उनकी तुलना मास्को इंस्टीट्यूट ऑफ फिजिक्स एंड टेक्नोलॉजी से गणित के ज्ञान के साथ नहीं की जाएगी - उनकी तुलना समस्याओं को सुलझाने के लिए एक व्यवसाय की उपयोगिता से की जाएगी।

दर्जनों काम करने वाले एल्गोरिदम और पुस्तकालय पहले से ही ज्ञात हैं जो मानव हस्तक्षेप के बिना पूरे गणितीय भाग पर लेने में सक्षम हैं।

"ठीक है, और किस तरह की पृष्ठभूमि डीएस क्षेत्र में प्रवेश करना आसान है? जाहिर है, यह गणित है, लेकिन और क्या मदद करेगा? ”

Konstantin Bashevoy, यैंडेक्स के एक विश्लेषक-डेवलपर और पाठ्यक्रम के एक शिक्षक "डेटा कौशल के लिए पायथन"

बेशक, डीएस क्षेत्र में प्रवेश करने का सबसे आसान तरीका उन लोगों के लिए है जिनके पास तकनीकी विशेषता में प्रशिक्षण या काम करने का अनुभव है।

यद्यपि "तकनीक" और "मानविकी" में विभाजन बहुत ही मनमाना है, डेटा साइंटिस्ट को गणित की आवश्यकता होती है, ग्रेड 8 नहीं, बल्कि उच्चतर। आप खुद सब कुछ अध्ययन कर सकते हैं, लेकिन अगर कोई व्यक्ति तकनीकी विश्वविद्यालय से स्नातक है - सबसे अधिक संभावना है, उसके पास पहले से ही आवश्यक आधार है। जिन्हें प्रोग्रामिंग का अनुभव है और एल्गोरिदम की समझ भी आसान है। यदि पायथन किसी व्यक्ति के लिए बहुत मुश्किल है, तो यह उसके लिए अधिक कठिन होगा - आखिरकार, वे संभावना सिद्धांत के बारे में बात करना शुरू कर देंगे, फिर तंत्रिका नेटवर्क के बारे में।

एक भौतिक प्रयोगशाला में अध्ययन करने या इंजीनियरिंग विशिष्टताओं में काम करने का अनुभव डीएस के विकास को बहुत सरल करता है। हालांकि, किसी को यह याद रखना चाहिए कि अभी भी भारी संख्या में डीएस विशेषज्ञताएँ हैं जिन्हें आप गणित के गहन ज्ञान के बिना कर सकते हैं। डेटा साइंटिस्ट होना आवश्यक नहीं है, व्यवसाय की अच्छी समझ के साथ, आप एक उत्कृष्ट बीआई विश्लेषक बन सकते हैं।

"और जो अभी भी नियोक्ता के लिए बेहतर है: अजगर के ज्ञान वाला व्यक्ति और डेवलपर के लिए पृष्ठभूमि, या गणित के साथ स्नातक?"

अलेक्सई कुज़मिन, डोमकलिक में विकास के प्रमुख, डेटा साइंटिस्ट, नेटोलॉजी मशीन लर्निंग पाठ्यक्रम के शिक्षक

यह सब कार्य पर निर्भर करता है। यह वास्तव में एक मुश्किल विकल्प है, कोई तैयार नुस्खा नहीं है। मैं एक डेवलपर ले जाऊंगा - मेरी कंपनी के कार्यों के लिए, ऐसी प्रोफ़ाइल करीब है।

Konstantin Bashevoy, यैंडेक्स के एक विश्लेषक-डेवलपर और पाठ्यक्रम के एक शिक्षक "डेटा कौशल के लिए पायथन"

और हमारे पास एनालिटिक्स है - अधिक गणित। लेकिन सामान्य तौर पर, सब कुछ वास्तव में कार्य पर निर्भर करता है। यदि नियोक्ता के पास अत्यधिक भरी हुई बैंकिंग सेवा है, तो उसे सबसे अधिक संभावना एक डेवलपर की होती है जो बड़ी संख्या में तकनीकी कार्यों को जल्दी से बंद कर देता है और डीएस और मॉडल के साथ मदद करता है। यदि कंपनी के पास एक परियोजना है जो पहले से ही स्थापित है और सुचारू रूप से काम कर रही है, तो जूनियर कर्मचारी इसके समर्थन के लिए उपयुक्त हो सकते हैं।

"क्या कागले को डीएस में प्रवेश करने के लिए सहायता के रूप में देखा जाना चाहिए? क्या नियोक्ता कागले मास्टर्स को देख रहे हैं? "

Konstantin Bashevoy, यैंडेक्स के एक विश्लेषक-डेवलपर और पाठ्यक्रम के एक शिक्षक "डेटा कौशल के लिए पायथन"

बेशक! कागल में उच्च स्थान एक महान पोर्टफोलियो परियोजना है। कभी-कभी "आदर्शीकृत" स्थितियों के लिए मंच की आलोचना की जाती है। बेशक, इसमें कोई प्लेटफॉर्म फॉल्ट नहीं है। आमतौर पर, जब किसी वैज्ञानिक या विश्लेषक के लिए कोई कार्य निर्धारित किया जाता है, तो यह कूल मॉडल के निर्माण के साथ शुरू नहीं होता है, लेकिन प्रबंधकीय कार्य के साथ, डेटा और टूल तैयार करता है। आवश्यक डेटा कहां से प्राप्त करें? कैसे संभालें ये सब? डेटा में स्पष्ट समस्याएं क्या हैं? कागल पर यह हिस्सा आमतौर पर नहीं है।

जब उन्होंने मॉडल बनाया, तो एक और चरण शुरू हुआ - कार्यान्वयन। इस तथ्य के अलावा कि सिस्टम को ठेस में काम करना चाहिए, आपको व्यवसाय के लिए इसके मूल्य को साबित करने की आवश्यकता है, अपने सहकर्मियों को सिखाएं कि इसका उपयोग कैसे करें और संभवतः, ग्राहक को "बेच" दें।

इसलिए, कभी-कभी एक कर्मचारी शांत मॉडल बनाता है, लेकिन वास्तविक परिस्थितियों में काम के पहले और तीसरे भाग के साथ कठिनाई होती है। यदि किसी व्यक्ति के पास अच्छा संचार कौशल है, तो उसके पास उत्कृष्ट प्रोग्रामिंग क्षमताएं हैं और इसके अलावा, सटीक मॉडल बनाता है - उसकी कोई कीमत नहीं है। कागले में, आप मॉडल बिल्डिंग का शौक रखते हैं, लेकिन वास्तविक परियोजनाओं में इसे लागू करने के लिए आपको बहुत सारे कौशल की आवश्यकता होगी।

"तकनीकी दक्षताओं के अलावा, क्या योग्यताएं हैं, जो एक नौसिखिया विशेषज्ञ के लिए आवश्यक हैं ताकि नियोक्ता उसे सामान्य धारा के बीच नोटिस करे?"

अलेक्सई कुज़मिन, डोमकलिक में विकास के प्रमुख, डेटा साइंटिस्ट, नेटोलॉजी मशीन लर्निंग पाठ्यक्रम के शिक्षक

सब कुछ बहुत कुछ कार्यों और कंपनी के प्रोफाइल पर निर्भर करता है। यदि यह 5 लोगों के लिए एक स्टार्टअप है, तो एक विश्लेषक जो जानता है कि कर्मियों के साथ कैसे व्यवहार किया जा सकता है, केवल इसलिए काम आ सकता है क्योंकि स्टार्टअप में कर्मियों के लिए कोई व्यक्ति नहीं है। यदि यह एक बड़ी, गंभीर, बड़ी कंपनी है, जो वर्षों से चली आ रही है, जिसमें वही लोग समान कार्य करते हैं, तो आपको एक संकीर्ण विशेषज्ञ की आवश्यकता होगी जो केवल एक विशिष्ट क्षेत्र को जानता हो और इससे अधिक कुछ नहीं।

संचार कौशल, तनाव सहिष्णुता, काम करने की क्षमता और लागू क्षेत्र को समझने की क्षमता के लिए सॉफ्ट कौशल एक अलग प्लस हैं।

यह उपयोगी है जब किसी विशेषज्ञ के पास व्यवसाय के साथ काम करने का कौशल होता है, तो उसके लिए कंपनी के अनुरोधों और कार्यों को समझना आसान होता है, वह समस्या में डुबकी लगा सकता है और कुछ वैकल्पिक समाधान पेश कर सकता है।

इसके अलावा, अब डीएस से संबंधित कौशल के साथ बाजार में विशेषज्ञों की भारी कमी है। उदाहरण के लिए, बहुत लंबे समय तक हमने डीएस की समझ के साथ एक उत्पाद स्वामी की खोज की, ताकि वह कृत्रिम बुद्धिमत्ता पर आधारित उत्पाद बना सके।

"यदि नए उपकरण आपके लिए इंगित किए जाते हैं तो रिक्तियों को कैसे नेविगेट करें और डरें नहीं?" किसी पेशे में जाने और काम करने में क्या लगता है? ”

Konstantin Bashevoy, यैंडेक्स के एक विश्लेषक-डेवलपर और पाठ्यक्रम के एक शिक्षक "डेटा कौशल के लिए पायथन"

सलाह आम है - साक्षात्कार के लिए जाएं। अक्सर रिक्तियों में लिखा गया नियोक्ता के वास्तविक अनुरोधों से अलग होता है। साक्षात्कार आपको यह पता लगाने का अवसर देता है कि किस परियोजना पर काम करने की योजना है, किन उपकरणों का उपयोग करने की आवश्यकता है और किन लोगों को काम करना है। मेरी सलाह है कि रिक्ति के पाठ को एक दिशानिर्देश के रूप में लें, न कि अंतिम सत्य।

पर्याप्त नियोक्ता समझते हैं कि यदि आपने Google क्लाउड के साथ काम किया है, और वे एज़्योर का उपयोग करते हैं, तो यह कोई समस्या नहीं है - विशेषज्ञ जल्दी से राहत देगा। बहुत अधिक महत्वपूर्ण चीजें हैं: वास्तव में आपको क्या करना होगा, टीम में प्रक्रियाओं को कैसे व्यवस्थित किया जाता है - यह केवल व्यक्ति में ही पता लगाया जा सकता है। रिक्तियों में, इस तरह के विवरण इंगित नहीं करते हैं।

"क्या यह सच है कि डीएस बाजार में कोई दूरस्थ कार्य नहीं है?"

ऐलेना गेरासिमोवा, नेत्र विज्ञान में डेटा साइंस के प्रमुख

बड़ी आईटी कंपनियों में समान पदों पर रिमोट काम वास्तव में एक अपवाद नहीं है। फिर भी, रूसी प्रतिनिधि कार्यालयों के साथ कई विदेशी कंपनियां वेतन को बचाने और असाइन किए गए कार्यों को निष्पादित करते समय एक दूरस्थ प्रारूप में स्थानांतरित करने के लिए तैयार हैं।

स्टार्ट-अप भी अक्सर दूरस्थ कर्मचारियों की तलाश में होते हैं - अगर यह udalenka है जो मायने रखता है, तो यह इस तरह की रिक्तियों की तलाश करने योग्य है।

सामान्य तौर पर, मुझे लगता है कि विश्लेषकों और डेटा साइंटिस्ट के लिए कार्यालय में काम करना बेहतर है - कार्यालय में काम किए बिना, आप अपने आप को कार्यस्थल पर सहकर्मियों के साथ अध्ययन करने, टीम के साथ संवाद करने, जल्दी से मुद्दों को सुलझाने (अच्छी तरह से, एक अच्छे कार्यालय का लाभ उठाने) के अवसर से वंचित कर रहे हैं: एक जिम। रात्रिभोज, दृश्यों का एक परिवर्तन)।

“और क्या होगा अगर 40 साल की उम्र में मैं एक जूनियर साइंटिस्ट बन जाऊं? मेरी संभावनाएं क्या हैं? मैं कहाँ हूँ और कैसे चलूँ? ”

Konstantin Bashevoy, यैंडेक्स के एक विश्लेषक-डेवलपर और पाठ्यक्रम के एक शिक्षक "डेटा कौशल के लिए पायथन"

हमारे पास ऐसे लोग थे, जो 30 के बाद, औद्योगिक व्यवसायों से डेवलपर्स में बदल गए: यह पता चला कि विभाग में सब कुछ 5-8 साल छोटा था - लेकिन ये trifles थे।

बेशक, अगर कोई व्यक्ति 65 वर्ष की आयु में डीएस में जाता है, तो हां, शायद, यह उसके लिए कठिन होगा। और इसलिए ऐसे मामलों की एक बड़ी संख्या है जब लोग बहुत दूरस्थ क्षेत्रों से डीएस में चले गए, उदाहरण के लिए, चिकित्सा, 30-40 वर्ष की आयु।

एक और महत्वपूर्ण बिंदु - एक नए क्षेत्र में जाने पर, आपको कम वेतन के लिए तैयार रहना चाहिए। यदि विशेषज्ञ के पास एक परिवार और तीन बच्चे हैं, तो यह तनावपूर्ण होगा। सामान्य तौर पर, बहुत सारे सकारात्मक उदाहरण हैं, और वेतन का स्तर नए अनुभव के साथ समानांतर में बढ़ रहा है।

ऐलेना गेरासिमोवा, नेत्र विज्ञान में डेटा साइंस के प्रमुख

वयस्कता में डीएस के लिए जाने पर, आपके कुछ स्थापित सिद्धांतों का त्याग करने और इस वातावरण में प्रदान किए जाने वाले खेल के नियमों को स्वीकार करने की भावना और इच्छा बेहद महत्वपूर्ण है। हमने हाल ही में तीन बच्चों के साथ एक छात्र से सम्मान के साथ स्नातक किया: उन्होंने अपनी पढ़ाई के दौरान देखभाल की छुट्टी ली, और उनकी पत्नी ने इस अवधि के दौरान काम किया। वह वास्तव में एक वैज्ञानिक तिथि बनना चाहता है, एक बहुत ही प्रतिभाशाली स्नातक और उसकी प्रेरणा आसपास की परिस्थितियों से अधिक मजबूत है।

"एक नौसिखिया विशेषज्ञ एक साक्षात्कार में वेतन के बारे में सवालों के जवाब कैसे दे सकता है? खुद का मूल्यांकन कैसे करें? ”

डारिया मुखिना, स्काईेंग उत्पाद विश्लेषक, नेटोलॉजी एनालिटिक्स पाठ्यक्रम सलाहकार

किसी भी व्यक्ति के लिए, साक्षात्कार में वेतन का प्रश्न एक तनावपूर्ण प्रश्न है। मुझे लगता है कि इस विषय पर किसी तरह का मजाक उड़ाना या बचाना जोखिम भरा है। वार्तालाप से पहले एक मिनी-अध्ययन आयोजित करना सबसे अच्छा है, जहां रिक्तियों को प्लग करने के लिए संकेत दिया गया है: ऊपरी सीमा, निचली सीमा। समझें कि आपको कितनी जरूरत है, सशर्त रूप से, जीने के लिए पैसा, तो एक बार फिर जून के स्तर पर वेतन कांटे को देखें - और उस राशि को नाम दें जो उनमें फिट होगी, लेकिन आपके निर्वाह स्तर से कम नहीं होगी।

संपादकों से

• पेशे डेटा साइंटिस्ट
• बिग डाटा ऑनलाइन पाठ्यक्रम
• ऑनलाइन मशीन लर्निंग कोर्स
• डेटा के साथ काम करने के लिए पायथन कोर्स