Dnes jsou specialisté na datovou vědu potřeba téměř ve všech oblastech podnikání. Nejde jen o finance
Poptávka po odbornících na datové vědy je jinákvalifikace každým rokem roste. Podle MADE Big Data Academy od Mail.ru Group a náborového portálu HeadHunter bylo v roce 2019 v oblasti analýzy dat 1,4krát více volných pracovních míst ve srovnání s rokem 2018. A počet volných pracovních míst v oblasti strojového učení vzrostl 1,3krát.
Rostou také příjmy datových vědců. Podle HH.ru, dokonce i junior v Rusku dostává asi 120 tisíc rublů, zatímco obchodní analytik již může počítat se 170 tisíci rublů a více a analytik velkých dat - od 200 tisíc rublů.
Kdo je žádaný a proč?
Nejčastěji v Rusku hledají datové vědcefinanční a IT společnosti. A nejčastějším požadavkem pro uchazeče je znalost programovacího jazyka Python. Vyskytuje se u 45% pracovních míst v oblasti datové vědy a téměř u poloviny (51%) ve strojovém učení.
Samozřejmě roste i počet datových vědců. Podle HH.ru každý měsíc zveřejňuje své životopisy 246 specialistů na analýzu dat a 47 specialistů na strojové učení.
Seznam požadavků od žadatelů zahrnuje také:
- znalost SQL;
- držení dolování dat (dolování dat);
- sebevědomá znalost matematické statistiky;
- schopnost pracovat s velkými daty;
- držení C ++, Git, Linux.
Ve stejné době, asi 65% volných pracovních míst v oblasti analýzydata a 50% volných míst specialistů v oblasti strojového učení je v Moskvě. Petrohrad je v Rusku na druhém místě (15%, respektive 18%). Uchazeči o zaměstnání jsou samozřejmě také většinou soustředěni ve dvou hlavních městech. Ale dnes, aby bylo možné absolvovat školení, není nutné se někam pohybovat, ale práce ve vzdáleném formátu, při outsourcingu, se již stává novým formátem pro organizaci pracovního toku.
Kde studovat pro datového vědce a co je k tomu potřeba?
Existuje několik přístupů k učení vdatový vědec. Jedním z nich je klasičtější, vstoupit na univerzitu v oblastech IT. To lze provést i v zahraničí. Například studium na magisterském studiu datové vědy na americké univerzitě vás může stát velmi působivou částku: od 30 tisíc do 120 tisíc dolarů. I online kurzy na zahraničních univerzitách v této specializaci stojí nejméně 9 tisíc dolarů. Jsou i takoví, kteří nejsou připraveni utratit za své školení v takovém měřítku, protože takové náklady je třeba vrátit, ale to se nestane okamžitě. Například datová vědkyně Rebecca Vickery, která v této oblasti pracuje 10 let, vytvořila vlastní program, podle kterého samostatně studovala Data Science. Tento přístup má také své nevýhody: nedostatek zpětné vazby a podpory od mentora nebo učitele, vzdálenost od týmu, samostatná práce a nakonec mnozí považují tento proces učení za nudný.
Další možností je online školení vspecializované digitální školy, jako je SkillFactory. Studenti se tam nejen učí soubor technik a technik, ale také se učí učit se. Kromě toho bude mít každý student mentora, který poskytuje podporu a pomoc, a veškerou práci vykonanou v procesu učení lze použít nejen jako portfolio. Zatímco je studentem SkillFactory, budoucí vědec v oblasti dat je součástí průmyslové komunity - to nejen pomáhá najít práci, ale také komunikovat s kolegy a sdílet zkušenosti. Online škola je přesvědčena, že nestačí jen naučit se nové technologie - musíte zvládnout nové přístupy a nové způsoby myšlení. A je těžké se s tím vyrovnat sám. Všichni studenti si proto navzájem poskytují zpětnou vazbu, vyměňují si kód, pomáhají najít chyby a sdílet úkoly a skutečné případy.
Co by měl juniorský vědecký pracovník umět:
- k návrhu algoritmů používat základní algoritmické konstrukce a datové struktury Pythonu;
- vizualizovat data pomocí Pandas, Matplotlib, Seaborne;
- vytvářet modely průmyslové kvality pomocí klasického strojového učení a neuronových sítí k řešení problémů s Data Science;
- vyhodnotit kvalitu modelu (přesnost / odvolání);
- integrovat řešení do výroby a obchodu obecně;
- pracovat s datovými sklady různých typů;
- pracovat s nástroji pro analýzu velkých dat;
- přijímat data z webových zdrojů nebo prostřednictvím API;
- aplikovat metody matematické analýzy, lineární algebry, statistiky a teorie pravděpodobnosti pro zpracování dat.
Pokud se vám tyto dovednosti zdají velmi obtížné, pak můžete absolvovat kurzy Data Scientist Profession.
Kdo je datový vědec a co by měl být schopen dělat?
V jádru je Data Science„Evoluční“ krok lidstva při práci s daty. Dříve matematici a statistici řešili podobné problémy. S příchodem umělé inteligence vstoupila optimalizace a počítačová věda do metod analýzy dat, což znamená, že nový přístup k hledání řešení založených na datech se stal mnohem efektivnějším než předchozí „analogové“ metody.
Úloha datového vědce začíná shromažďovánímvelké soubory dat: strukturované a ne. Poté jsou převedeny do formátu, který je snadno čitelný. Další fáze: vizualizace a práce se statistikami. Jako analytické metody se používají strojové a hluboké učení, pravděpodobnostní analýza, prediktivní modely a neuronové sítě.
Pět základen pro datového vědce
- Umělá inteligence (AI) je oblastvěnovaný vytváření inteligentních systémů, které fungují a fungují jako lidé. AI souvisí s podobným cílem používání počítačů k porozumění lidské inteligenci, ale není nutně omezena na biologicky přijatelné metody. Inteligentní systémy, které dnes existují, mají velmi úzké oblasti použití. Například programy, které mohou porazit člověka v šachu, nemohou odpovídat na otázky.
- Strojové učení -vytvoření nástroje pro získávání znalostí z dat. ML modely jsou trénovány na datech samostatně nebo ve fázích: trénink s učitelem na datech připravených osobou a bez učitele - práce se spontánními, hlučnými daty.
- Hluboké učení -budování vícevrstvých neuronových sítí v oblastech, kde je nutná pokročilejší nebo rychlejší analýza a tradiční strojové učení selže. „Hloubku“ poskytuje řada skrytých vrstev neuronů v síti, které provádějí matematické výpočty.
- Big Data - práce s velkýmiobjem často nestrukturovaných dat. Specifičností koule jsou nástroje a systémy, které vydrží vysoké zatížení.
- Data Science - vjádrem oboru je posílení datových sad, vizualizace, shromažďování nápadů a rozhodování na základě těchto dat. Analytici dat používají řadu technik strojového učení a Big Data: cloud computing, nástroje pro vytváření virtuálního vývojového prostředí a mnoho dalšího.
Jako každá jiná profese, zvládnutí datVěda začíná základem - studiem matematiky, lineární algebry a samozřejmě statistik. Pro seriózní pochopení vědy o datech bude budoucí specialista potřebovat skutečný univerzitní kurz teorie pravděpodobnosti (včetně počtu). Naštěstí dnes lze takové materiály snadno najít na internetu nebo se dokonce přihlásit na jeden semestr na nejlepších ruských univerzitách na platformě Open Education. Nebo se zúčastněte úplného kurzu Data Science ve SkillFactory, kde budou základní znalosti prvním krokem k zvládnutí nové profese. Matematické znalosti jsou primárně důležité pro analýzu výsledků použití algoritmů zpracování dat. Samozřejmě existují silní inženýři ve strojovém učení bez takového vzdělání. Ale to jsou většinou vzácné případy.
Druhým krokem, jak se stát vědcem v oblasti dat, je programování. Stačí se naučit alespoň jeden jazyk, zvládnout všechny nuance jeho syntaxe. Jak bylo uvedeno výše, jedním z nejžádanějších jazyků je Python.
Strojové učení - třetí složkaprofese datového vědce, když již nemusí psát pokyny pro počítače k provádění určitých úkolů. ML se skládá ze tří hlavních forem: supervidované učení, nekontrolované učení a posilovací učení. Více o každém typu školení si můžete přečíst v našem velkém materiálu s profesorem Janem Lekunem.
A konečně, posledním krokem je Data Mining (analýzadata) a vizualizace dat, což je důležitý proces výzkumu a zahrnuje analýzu skrytých datových modelů v souladu s různými možnostmi překladu do užitečných informací, které se shromažďují a vytvářejí v datových skladech, aby se usnadnila obchodní rozhodnutí navržená ke snížení nákladů a zvýšení příjmů.
Navzdory tomu, že vzdělání lze získat vv poměrně krátkých časových rámcích musí datový vědec pravidelně potvrzovat svou kvalifikaci, absolvovat vysoce specializované kurzy, účastnit se hackatonů, otevřených soutěží a při hledání v práci. Výhodou bude nezávislé potvrzení vaší kvalifikace. Například pokročilý profil na Kaggle, který má systém hodnocení. Můžete přejít od nováčka k velmistrovi. Za úspěšnou účast v soutěžích, publikování skriptů a diskusí získáte body, které zvyšují vaše hodnocení. Kromě toho web zaznamenává, kterých soutěží jste se zúčastnili a jaké jsou vaše výsledky.
Použít
Viz také:
Podívejte se, kde vytrvalostní rover nyní letí
Příznaky koronaviru u dětí. Na co byste měli dávat pozor?
Astronomové vidí, jak černá díra emituje blikající paprsky gama