Clever Geek Handbook

快速启动和低天花板。劳动力市场中等待年轻数据科学家的事物

根据HeadHunter和Mail.ru的研究，对数据科学专家的需求超出了供应量，但是即使如此，年轻的专家并不一定总能找到工作。我们将告诉您缺少哪些课程的毕业生，以及正在为计划从事数据科学事业的人提供的学习机会。

“他们来以为现在他们将每秒赚500k，因为他们知道框架的名称以及如何从两行中运行模型。”


埃米尔·马哈拉莫夫（Emil Maharramov）领导biocad计算化学服务小组，在接受采访时面临着这样的事实，即候选人对该专业缺乏系统的了解。他们完成课程，并带有经过良好调整的Python和SQL，可以在2秒内提升Hadoop或Spark，并根据明确的技术任务完成任务。但与此同时，不再需要采取任何行动。尽管这是雇主期望其数据科学专家提供的解决方案的灵活性。



数据科学市场中正在发生的事情



年轻专业人员的能力反映了劳动力市场的状况。在这里，需求大大超过了供应，因此，绝望的雇主通常真正准备好聘请完全绿色的专家并自己成长。该选项有效，但是仅当团队已经有经验丰富的团队负责人接管初级培训时才适用。



根据HeadHunter和Mail.ru的研究，数据分析师是市场上最需要的人员之一：



  • 与2015年相比，2019年数据分析中的空缺数量增加了9.6倍，机器学习中的空缺数量增加了7.2倍。
  • 与2018年相比，数据分析师的空缺数量增加了1.4倍，而机器学习的空缺数量则增加了1.3倍。
  • 38％的空缺职位来自IT公司，29％的职位来自金融业，9％的业务服务。


培训那些初中的许多在线学校加剧了这种情况。基本上，培训持续三到六个月，在此期间，学生有时间掌握基本的主要工具：Python，SQL，数据分析，Git和Linux。结果是一个典型的初级学生：他可以解决特定的问题，但他仍然无法理解问题并独自提出问题。然而，对专家的高要求和整个行业的炒作常常引起雄心壮志和薪资要求。



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



- « », « » , .





Chief Data Scientist




任何雇主都希望他的下级在没有持续监督的情况下工作，并能够在团队领导的领导下发展。为此，初学者必须立即拥有解决当前问题的必要工具，并有足够的理论基础逐步提出自己的解决方案并解决更复杂的问题。



市场上的新手在工具方面做得很好。短期课程使您可以快速掌握它们并开始使用。



根据HeadHunter和Mail.ru的研究，最需要的技能是Python。它在45％的数据科学工作和51％的机器学习工作中占有重要地位。



雇主还希望数据科学家了解SQL（23％），精通数据挖掘（19％），数学统计（11％）并能够处理大数据（10％）。



寻求机器学习专家以及python知识的雇主期望该候选人精通C ++（18％），SQL（15％），机器学习算法（13％）和Linux（11％）。



但是，如果初级人员在工具方面做得很好，那么他们的领导者将面临另一个问题。大多数课程的毕业生对该行业没有深刻的了解，因此初学者很难进步。

. , Data Science, , .





, Biocad

这些课程的结构和持续时间不允许深入到所需的水平。毕业生通常缺乏阅读空缺时通常会错过的非常软的技能。好吧，事实是，我们当中谁会说他没有系统的思想或发展欲望。但是，作为数据科学专家，我们正在谈论更深的历史。在这里，为了发展，人们需要在理论和科学上有足够强的偏见，这只有在长期学习中才有可能，例如在大学里。

: , « », , . 90-95% , - , . , , .





Chief Data Scientist

, Data Science



市场上有许多很好的数据科学课程，并且接受初始教育不是问题。但是，重要的是要了解这种教育的方向。如果候选人已经具有很强的技术背景，那么您就需要强化课程。一个人会熟练掌握工具，赶紧去工作，因为他已经知道如何像数学家一样思考，发现问题并提出问题。如果没有这样的背景，那么课程结束后就会有不错的表现，但成长机会有限。

如果您面临换专业或寻找该专业的短期任务，那么一些适合您的系统性课程非常适合您，这些课程简短且快速地提供了最低限度的技术技能，因此您可以申请该领域的初始职位。



Ivan Yamshchikov

数据科学在线科学硕士的学术主任
这些课程的问题在于它们提供了快速但最小的加速。一个人从字面上进入该行业并迅速达到顶峰。要长期进入该行业，您需要立即以长期课程的形式（例如，硕士学位）奠定良好的基础。



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





- « »

缺乏职业上限是硕士课程的主要优势。在两年内，专家获得了强大的理论基础。这就是NUST MISIS的数据科学课程第一学期的样子：



  • 数据科学导论。2周。
  • 数据分析基础。数据处理。2周
  • 机器学习。数据预处理。2周
  • EDA。情报数据分析。3周
  • 基本的机器学习算法。Ch1 + Ch2（6周）


同时，您可以同时获得实际的工作经验。一旦学生掌握了必要的工具，您将无法获得任何初级职位。但是，与课程毕业生不同的是，硕士生并不会因此而停止学习，而是会继续钻研该专业。将来，这使您可以不受限制地进行数据科学开发。

«» , 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