O interesse pela ciência de dados continua a crescer, o mercado precisa de bons especialistas. Mas o limiar para ingressar na profissão é bastante alto, os recém-chegados são frequentemente interrompidos por mitos e estereótipos sobre o campo - "é longo, difícil, é melhor não se intrometer sem educação física". Reunimos as perguntas e preocupações mais comuns daqueles que iniciam uma carreira em Data Science e pedimos a especialistas para respondê-las.“Que matemática é necessária? Se não houver matbase, não tenho esperança? ”
Konstantin Bashevoy, analista-desenvolvedor da Yandex e professor do curso "Python para análise de dados"A questão sobre matemática é ambígua. Um conhecimento aprofundado da matemática não é uma condição necessária nem suficiente. Claro, quem a conhece será mais fácil. Mas todo o conhecimento necessário é fornecido na sala de aula ou em materiais adicionais.
Aqui, como nos esportes. Há pessoas que podem correr uma maratona sem preparação. O resto será mais difícil, mas com preparação suficiente, eles serão executados. A base matemática é legal, mas não crítica.
Daria Mukhina, analista de produtos Skyeng, consultora de cursos de análise de NetologyParece que agora uma base matemática profunda pode ser substituída pela capacidade de pesquisar no Google. Existem muitos vídeos e artigos na Internet onde você pode obter as informações apresentadas de maneira acessível - e não precisa entrar em livros didáticos de universidades. O principal é saber o que você precisa.
Agora, mais importante é a capacidade de aplicar o conhecimento em uma tarefa real, e não apenas possuí-lo.
Elena Gerasimova, Diretora de Ciência de Dados em NetologiaO conceito de "educação técnica ou matemática especializada" é coisa do passado. Aqueles que confiam em suas habilidades e conhecimentos de domínio não serão comparados a um graduado do Instituto de Física e Tecnologia de Moscou com conhecimento de matemática - serão comparados pela utilidade de uma empresa na solução de problemas.
Já são conhecidas dezenas de algoritmos e bibliotecas em funcionamento que são capazes de assumir toda a parte matemática sem intervenção humana.
“Bem, e que tipo de plano de fundo é mais fácil de entrar na esfera do DS? Obviamente, isso é matemática, mas o que mais ajudará?
Konstantin Bashevoy, analista-desenvolvedor da Yandex e professor do curso "Python para análise de dados"Obviamente, a maneira mais fácil de entrar na esfera do DS é para aquelas pessoas com experiência em treinamento ou trabalhando em uma especialidade técnica.
Embora a divisão entre "técnicos" e "humanidades" seja muito arbitrária, o Data Scientist precisa de matemática, não da 8ª série, mas superior. Você pode estudar tudo sozinho, mas se uma pessoa se formou em uma universidade técnica - provavelmente ela já possui a base necessária. Aqueles que têm experiência em programação e entendimento de algoritmos também acharão mais fácil. Se o Python for muito difícil para uma pessoa, será mais difícil para ela - afinal, eles começarão a falar sobre teoria das probabilidades, depois sobre redes neurais.
A experiência de estudar em um laboratório físico ou de trabalhar em especialidades de engenharia simplifica bastante o desenvolvimento do DS. No entanto, é preciso lembrar que ainda há um grande número de especializações quase DS que você pode encontrar sem um profundo conhecimento de matemática. Não é necessário ser um cientista de dados, com um bom entendimento dos negócios, você pode se tornar um excelente analista de BI.
"E quem ainda é preferível para o empregador: uma pessoa com conhecimento de Python e um histórico de desenvolvedor, ou um graduado com matemática forte?"
Alexey Kuzmin, chefe de desenvolvimento da DomKlik, cientista de dados, professor de cursos de aprendizado de máquina de NetologyTudo depende da tarefa. Esta é realmente uma escolha difícil, não há receita pronta. Eu levaria um desenvolvedor - para as tarefas da minha empresa, esse perfil está mais próximo.
Konstantin Bashevoy, analista-desenvolvedor da Yandex e professor do curso "Python para análise de dados"E nós temos análises - mais matemática. Mas, em geral, tudo realmente depende da tarefa. Se o empregador tiver um serviço bancário altamente carregado, provavelmente precisará de um desenvolvedor que feche rapidamente um grande número de tarefas técnicas e ajude no DS e nos modelos. Se a empresa tiver um projeto que já esteja configurado e funcionando sem problemas, os funcionários juniores podem ser adequados para seu apoio.
“O Kaggle deve ser visto como uma ajuda para entrar no DS? Os empregadores estão olhando para o Kaggle Masters? ”
Konstantin Bashevoy, analista-desenvolvedor da Yandex e professor do curso "Python para análise de dados"Claro! Lugares altos no Kaggle é um ótimo projeto de portfólio. Às vezes, a plataforma é criticada por condições "idealizadas". Obviamente, não há falha de plataforma nisso. Normalmente, quando uma tarefa é definida para um cientista ou analista, ela não começa com a criação de modelos legais, mas com o trabalho gerencial, preparando dados e ferramentas. Onde obter os dados necessários? Como lidar com tudo isso? Quais são os problemas não óbvios nos dados? Esta parte do Kaggle geralmente não é.
Quando eles criaram o modelo, outro estágio começa - a implementação. Além do fato de o sistema funcionar bem, você precisa provar seu valor para os negócios, ensinar seus colegas como usá-lo e, possivelmente, "vendê-lo" ao cliente.
Portanto, às vezes um funcionário cria modelos legais, mas em condições reais tem dificuldade com a primeira e a terceira parte do trabalho. Se uma pessoa tem boas habilidades de comunicação, ela possui excelentes habilidades de programação e, além disso, constrói modelos precisos - ela não tem preço. No Kaggle, você aprimora a construção de modelos, mas precisará de muitas habilidades aplicadas para aplicar isso em projetos reais.
"Que competências, além das competências técnicas, são necessárias para um especialista iniciante, para que o empregador o observe no meio geral?"
Alexey Kuzmin, chefe de desenvolvimento da DomKlik, cientista de dados, professor de cursos de aprendizado de máquina de NetologyTudo depende muito das tarefas e do perfil da empresa. Se essa é uma startup para 5 pessoas, um analista que sabe lidar com o pessoal pode ser útil simplesmente porque a startup não tem pessoas para o pessoal. Se esta é uma empresa grande, séria e grande, com projetos que duram anos, nos quais as mesmas pessoas realizam as mesmas tarefas, você precisará de um especialista restrito que conheça apenas uma área específica e nada mais.
Soft skills para habilidades de comunicação, tolerância ao estresse, capacidade de trabalho e capacidade de entender o campo aplicado são uma vantagem separada.
É útil quando um especialista possui as habilidades necessárias para trabalhar com os negócios, então é mais fácil para ele entender as necessidades e tarefas da empresa, ele pode mergulhar no problema e oferecer alguma solução alternativa.
Além disso, agora há uma enorme escassez de especialistas no mercado com habilidades relacionadas ao DS. Por exemplo, durante muito tempo, procuramos um Dono do produto com um entendimento do DS, para que ele pudesse criar produtos baseados em inteligência artificial.
"Como navegar pelas vagas e não ter medo se novas ferramentas são indicadas para você?" O que é preciso para começar a trabalhar em uma profissão? ”
Konstantin Bashevoy, analista-desenvolvedor da Yandex e professor do curso "Python para análise de dados"O conselho é comum - vá para entrevistas. Muitas vezes, as vagas escritas são diferentes das solicitações reais do empregador. A entrevista dá a você a oportunidade de descobrir em qual projeto o trabalho está planejado, quais ferramentas precisarão ser usadas e com que pessoas trabalhar. Meu conselho é tomar o texto da vaga como orientação, e não a verdade suprema.
Os empregadores adequados entendem que, se você trabalhou com o Google Cloud e eles usam o Azure, isso não é um problema - o especialista reaprenderá rapidamente. Há coisas muito mais importantes: o que exatamente você terá que fazer, como os processos da equipe são organizados - isso pode ser descoberto apenas pessoalmente. Nas vagas, esses detalhes não indicam.
"É verdade que não há trabalho remoto no mercado DS?"
Elena Gerasimova, Diretora de Ciência de Dados em NetologiaO trabalho remoto em posições semelhantes em grandes empresas de TI é realmente uma exceção. No entanto, muitas empresas estrangeiras com escritórios de representação russos estão prontas para economizar em salários e mudar para um formato remoto ao executar tarefas atribuídas.
As startups também costumam procurar funcionários remotos - se é a udalenka que importa, vale a pena procurar essas vagas.
Em geral, acho que é preferível trabalhar no escritório para analistas e Data Scientist - sem trabalhar no escritório, você está se privando da oportunidade de estudar com colegas no local de trabalho, se comunicar com a equipe, resolver rapidamente problemas (bem, tirar proveito de um bom escritório: uma academia, jantares, mudança de cenário).
“E se, aos 40 anos, eu me tornar um cientista júnior? Quais são minhas perspectivas? Onde estou e como me mudar?
Konstantin Bashevoy, analista-desenvolvedor da Yandex e professor do curso "Python para análise de dados"Tínhamos caras que, depois dos 30 anos, mudaram de profissões industriais para desenvolvedores: descobriu-se que tudo no departamento era 5 a 8 anos mais novo - mas isso era insignificante.
Obviamente, se uma pessoa se mudar para o DS aos 65 anos, então sim, provavelmente, será difícil para ela. E, portanto, há um grande número de casos em que as pessoas se mudam para o DS de áreas muito remotas, como remédios, com idades entre 30 e 40 anos.
Outro ponto importante - ao mudar para uma nova esfera, você deve estar preparado para diminuir os salários. Se o especialista tiver uma família e três filhos, será estressante. Em geral, existem muitos exemplos positivos e o nível de salário está crescendo paralelamente à nova experiência.
Elena Gerasimova, Diretora de Ciência de Dados em NetologiaAo migrar para o DS na idade adulta, o espírito e a vontade de sacrificar alguns de seus princípios estabelecidos e aceitar as regras do jogo previstas neste ambiente são extremamente importantes. Recentemente, nos formamos com honras de um aluno com três filhos: ele teve licença durante os estudos e sua esposa trabalhou durante esse período. Ele realmente quer ser um encontro de cientista, um graduado muito talentoso e sua motivação é mais forte que as circunstâncias circundantes.
“Como um especialista iniciante pode responder perguntas sobre salários em uma entrevista? Como se avaliar? ”
Daria Mukhina, analista de produtos Skyeng, consultora de cursos de análise de NetologyPara qualquer pessoa, a questão do salário na entrevista é uma pergunta estressante. Eu acho que tentar de alguma forma brincar sobre esse assunto ou fugir é arriscado. É melhor realizar um mini-estudo antes da conversa, para descarregar as vagas onde o plugue é indicado: limite superior, limite inferior. Entenda quanto você precisa, condicionalmente, de dinheiro para viver e, mais uma vez, analise os garfos salariais no nível de junho - e nomeie o valor que caberá neles, mas não será inferior ao seu nível de subsistência.
Dos editores