Minat dalam Ilmu Data terus tumbuh, pasar membutuhkan spesialis yang baik. Tetapi ambang untuk memasuki profesi cukup tinggi, pendatang baru sering dihentikan oleh mitos dan stereotip tentang lapangan - "itu lama, sulit, lebih baik tidak ikut campur tanpa pendidikan jasmani". Kami mengumpulkan pertanyaan dan kekhawatiran paling umum dari mereka yang memulai karir di Ilmu Data dan meminta spesialis untuk menjawabnya.“Matematika apa yang dibutuhkan? Jika tidak ada matbase, apakah saya putus asa? "
Konstantin Bashevoy, seorang analis-pengembang di Yandex dan seorang guru kursus "Python untuk analisis data"Pertanyaan tentang matematika bersifat rancu. Pengetahuan yang mendalam tentang matematika bukanlah kondisi yang diperlukan atau cukup. Tentu saja, mereka yang mengenalnya akan lebih mudah. Tetapi semua pengetahuan yang diperlukan diberikan baik di ruang kelas atau materi tambahan.
Di sini, seperti dalam olahraga. Ada orang yang bisa berlari maraton tanpa persiapan. Sisanya akan lebih sulit, tetapi dengan persiapan yang cukup, mereka akan lari. Basis matematika itu keren, tetapi tidak kritis.
Daria Mukhina, analis produk Skyeng, konsultan kursus analisis NetologiTampaknya sekarang basis matematika yang mendalam dapat digantikan oleh kemampuan untuk google. Ada banyak video dan artikel di Internet tempat Anda bisa mendapatkan informasi yang disajikan dengan cara yang dapat diakses - dan Anda tidak perlu masuk ke buku teks universitas. Yang utama adalah tahu apa yang Anda butuhkan.
Sekarang yang lebih penting adalah kemampuan untuk menerapkan pengetahuan dalam tugas nyata, dan bukan hanya memilikinya.
Elena Gerasimova, Kepala Ilmu Data dalam NetologiKonsep "pendidikan teknis atau matematika khusus" adalah sesuatu dari masa lalu. Mereka yang yakin dengan keterampilan dan pengetahuan domain mereka tidak akan dibandingkan dengan lulusan dari Institut Fisika dan Teknologi Moskow dengan pengetahuan matematika - mereka akan dibandingkan dengan kegunaan bisnis untuk menyelesaikan masalah.
Lusinan algoritma dan pustaka yang bekerja sudah diketahui yang mampu mengambil seluruh bagian matematika tanpa campur tangan manusia.
“Yah, dan latar belakang seperti apa yang lebih mudah untuk memasuki bidang DS? Jelas, ini matematika, tapi apa lagi yang bisa membantu? "
Konstantin Bashevoy, seorang analis-pengembang di Yandex dan seorang guru kursus "Python untuk analisis data"Tentu saja, cara termudah untuk memasuki bidang DS adalah bagi orang-orang yang memiliki pengalaman dalam pelatihan atau bekerja dalam spesialisasi teknis.
Meskipun pembagian menjadi "techies" dan "humaniora" sangat sewenang-wenang, Data Scientist membutuhkan matematika, bukan kelas 8, tetapi lebih tinggi. Anda dapat mempelajari semuanya sendiri, tetapi jika seseorang lulus dari universitas teknik - kemungkinan besar, dia sudah memiliki basis yang diperlukan. Mereka yang memiliki pengalaman pemrograman dan pemahaman tentang algoritma juga akan merasa lebih mudah. Jika Python sangat sulit bagi seseorang, akan lebih sulit baginya - setelah semua, mereka akan mulai berbicara tentang teori probabilitas, kemudian tentang jaringan saraf.
Pengalaman belajar di laboratorium fisik atau bekerja dalam spesialisasi teknik sangat menyederhanakan pengembangan DS. Namun, orang harus ingat bahwa masih ada sejumlah besar spesialisasi dekat-DS yang dapat Anda datangi tanpa pengetahuan matematika yang mendalam. Tidak perlu menjadi Ilmuwan Data, dengan pemahaman bisnis yang baik, Anda bisa menjadi analis BI yang hebat.
"Dan siapa yang masih lebih disukai untuk majikan: seseorang dengan pengetahuan tentang Python dan latar belakang untuk pengembang, atau lulusan dengan matematika yang kuat?"
Alexey Kuzmin, Kepala Pengembangan di DomKlik, Ilmuwan Data, Guru Kursus Pembelajaran Mesin NetologiItu semua tergantung tugas. Ini benar-benar pilihan yang sulit, tidak ada resep yang sudah jadi. Saya akan mengambil pengembang - untuk tugas-tugas perusahaan saya, profil semacam itu lebih dekat.
Konstantin Bashevoy, seorang analis-pengembang di Yandex dan seorang guru kursus "Python untuk analisis data"Dan kami memiliki analitik - lebih banyak matematika. Tetapi secara umum, semuanya sangat tergantung pada tugas. Jika majikan memiliki layanan perbankan yang sarat muatan, maka ia kemungkinan besar membutuhkan pengembang yang dengan cepat menutup sejumlah besar tugas teknis dan membantu dengan DS dan model. Jika perusahaan memiliki proyek yang sudah diatur dan bekerja dengan lancar, maka karyawan junior mungkin cocok untuk dukungannya.
“Haruskah Kaggle dilihat sebagai bantuan untuk memasuki DS? Apakah majikan melihat Kaggle Masters? ”
Konstantin Bashevoy, seorang analis-pengembang di Yandex dan seorang guru kursus "Python untuk analisis data"Tentu saja! Tempat-tempat tinggi di Kaggle adalah proyek portofolio yang hebat. Kadang-kadang platform dikritik karena kondisi "ideal". Tentu saja, tidak ada kesalahan platform dalam hal ini. Biasanya, ketika tugas ditetapkan untuk seorang ilmuwan atau analis, itu tidak dimulai dengan membangun model keren, tetapi dengan pekerjaan manajerial, menyiapkan data dan alat. Di mana mendapatkan data yang diperlukan? Bagaimana cara menangani semua ini? Apa masalah yang tidak terlihat dalam data? Bagian tentang Kaggle ini biasanya tidak.
Ketika mereka membuat model, tahap lain dimulai - implementasi. Selain fakta bahwa sistem harus bekerja di prod, Anda perlu membuktikan nilainya untuk bisnis, mengajari kolega Anda cara menggunakannya dan, mungkin, "menjual" ke pelanggan.
Oleh karena itu, kadang-kadang seorang karyawan membuat model keren, tetapi dalam kondisi nyata mengalami kesulitan dengan bagian pertama dan ketiga pekerjaan. Jika seseorang memiliki keterampilan komunikasi yang baik, ia memiliki kemampuan pemrograman yang sangat baik dan, di samping itu, membangun model yang akurat - ia tidak memiliki harga. Di Kaggle, Anda mengasah pembangunan model, tetapi Anda akan membutuhkan banyak keterampilan terapan untuk menerapkan ini dalam proyek nyata.
"Kompetensi apa, selain kompetensi teknis, yang dibutuhkan untuk spesialis pemula sehingga majikan akan memperhatikannya di antara arus umum?"
Alexey Kuzmin, Kepala Pengembangan di DomKlik, Ilmuwan Data, Guru Kursus Pembelajaran Mesin NetologiSemuanya sangat tergantung pada tugas dan profil perusahaan. Jika ini adalah startup untuk 5 orang, maka seorang analis yang tahu bagaimana menangani personil dapat berguna hanya karena startup tidak memiliki orang untuk personel. Jika ini adalah perusahaan besar, serius, besar dengan proyek yang berlangsung selama bertahun-tahun, di mana orang yang sama melakukan tugas yang sama, maka Anda akan memerlukan spesialis sempit yang hanya tahu satu bidang spesifik dan tidak lebih.
Keterampilan lunak untuk keterampilan komunikasi, toleransi stres, kapasitas kerja, dan kemampuan untuk memahami bidang terapan merupakan nilai tambah tersendiri.
Berguna ketika seorang spesialis memiliki keterampilan untuk bekerja dengan bisnis, maka lebih mudah baginya untuk memahami permintaan dan tugas perusahaan, ia dapat terjun ke dalam masalah dan menawarkan beberapa solusi alternatif.
Selain itu, sekarang ada kekurangan besar spesialis di pasar dengan keterampilan yang berkaitan dengan DS. Misalnya, untuk waktu yang sangat lama kami mencari Pemilik Produk dengan pemahaman tentang DS, sehingga ia dapat membuat produk yang didasarkan pada kecerdasan buatan.
"Bagaimana cara menavigasi lowongan dan tidak takut jika alat baru ditunjukkan untuk Anda?" Apa yang diperlukan untuk pergi dan mulai bekerja di sebuah profesi? "
Konstantin Bashevoy, seorang analis-pengembang di Yandex dan seorang guru kursus "Python untuk analisis data"Nasihatnya lumrah - lakukan wawancara. Seringkali ditulis dalam lowongan berbeda dari permintaan sebenarnya dari majikan. Wawancara memberi Anda kesempatan untuk mengetahui proyek mana pekerjaan itu direncanakan, alat apa yang perlu digunakan dan dengan orang apa untuk bekerja. Saran saya adalah mengambil teks lowongan sebagai pedoman, dan bukan kebenaran tertinggi.
Pemberi kerja yang memadai memahami bahwa jika Anda bekerja dengan Google Cloud, dan mereka menggunakan Azure, maka ini bukan masalah - spesialis akan segera mempelajari kembali. Ada banyak hal yang lebih penting: apa yang harus Anda lakukan, bagaimana proses dalam tim diatur - ini hanya dapat ditemukan secara langsung. Dalam lowongan, detail seperti itu tidak menunjukkan.
"Apakah benar bahwa tidak ada pekerjaan jarak jauh di pasar DS?"
Elena Gerasimova, Kepala Ilmu Data dalam NetologiPekerjaan jarak jauh di posisi yang sama di perusahaan IT besar benar-benar pengecualian. Namun demikian, banyak perusahaan asing dengan kantor perwakilan Rusia siap demi menghemat gaji dan pindah ke format jarak jauh ketika melakukan tugas yang ditugaskan.
Start-up juga sering mencari karyawan jarak jauh - jika udalenka yang penting, ada baiknya mencari lowongan semacam itu.
Secara umum, saya berpikir bahwa bekerja di kantor untuk analis dan Data Scientist lebih disukai - tanpa bekerja di kantor, Anda kehilangan kesempatan untuk belajar dengan kolega di tempat kerja, berkomunikasi dengan tim, dengan cepat menyelesaikan masalah (yah, manfaatkan kantor yang bagus: gym, makan malam, perubahan pemandangan).
“Dan bagaimana jika pada usia 40 tahun aku menjadi Ilmuwan junior? Apa prospek saya? Di mana saya dan bagaimana cara bergerak? "
Konstantin Bashevoy, seorang analis-pengembang di Yandex dan seorang guru kursus "Python untuk analisis data"Kami memiliki orang-orang yang, setelah 30 tahun, beralih dari profesi industri ke pengembang: ternyata segala sesuatu di departemen itu 5-8 tahun lebih muda - tetapi ini adalah hal-hal sepele.
Tentu saja, jika seseorang pindah ke DS pada usia 65, maka ya, mungkin, akan sulit baginya. Jadi ada sejumlah besar kasus ketika orang pindah ke DS dari daerah yang sangat terpencil, misalnya, obat-obatan, berusia 30-40 tahun.
Poin penting lainnya - ketika pindah ke bidang baru, Anda harus siap untuk menurunkan gaji. Jika spesialis memiliki keluarga dan tiga anak, itu akan membuat stres. Secara umum, ada banyak contoh positif, dan tingkat gaji tumbuh secara paralel dengan pengalaman baru.
Elena Gerasimova, Kepala Ilmu Data dalam NetologiSaat pindah ke DS di usia dewasa, semangat dan kemauan untuk mengorbankan beberapa prinsip Anda yang sudah ada dan menerima aturan permainan yang disediakan untuk lingkungan ini sangat penting. Baru-baru ini kami lulus dengan pujian dari seorang siswa dengan tiga anak: ia mengambil cuti selama masa studinya, dan istrinya bekerja selama periode ini. Dia benar-benar ingin menjadi tanggal Ilmuwan, lulusan yang sangat berbakat dan motivasinya lebih kuat dari keadaan sekitarnya.
“Bagaimana seorang spesialis pemula dapat menjawab pertanyaan tentang gaji saat wawancara? Bagaimana cara mengevaluasi diri Anda sendiri? ”
Daria Mukhina, analis produk Skyeng, konsultan kursus analisis NetologiBagi siapa pun, pertanyaan tentang gaji dalam wawancara adalah pertanyaan yang menegangkan. Saya pikir mencoba entah bagaimana bercanda tentang topik ini atau menghindarinya berisiko. Yang terbaik adalah melakukan studi-mini sebelum percakapan, untuk membongkar lowongan di mana colokan ditunjukkan: ambang atas, ambang bawah. Pahami berapa banyak yang Anda butuhkan, secara kondisional, uang untuk hidup, lalu sekali lagi lihat garpu gaji pada tingkat Juni - dan sebutkan jumlah yang sesuai dengan mereka, tetapi tidak akan lebih rendah dari tingkat subsisten Anda.
Dari para editor