Говорят, кто владеет информацией, тот владеет миром. За 2020 год все пользователи интернета произвели примерно 59 млрд терабайт контента. Просто владеть этой информацией мало, намного ценнее — уметь её обрабатывать на пользу себе и другим. Примерно на этом и сосредоточена Data Science — наука об анализе и обработке данных.
Из этой статьи вы узнаете, где и кем можно работать в Data Science. Мы подскажем несколько путей, как можно влиться в профессию, и какие скилы нужно прокачать, чтобы стать ценным специалистом для работодателей.
Чем занимается Data Scientist
Специалисты по Data Science собирают большие массивы данных, структурируют их используют в разных целях. Такая работа предполагает большую ответственность и глубокое погружение в свою сферу, но оно того стоит. Зарплаты в Data Science стартуют примерно с 100 000 ₽ и доходят до 300 000+ ₽ в месяц, в зависимости от опыта и места работы. При знании английского вы можете работать удалённо в иностранных компаниях и получать значительно больше.
Самое популярное применение Data Science в digital — это анализ поведения пользователей в интернете. За счёт этого анализа все мы имеем персонализированную ленту в соцсетях, индивидуальные рекомендации в интернет-магазинах, видим рекламу на сайтах, получаем email-рассылку.
В Data Science есть несколько узких специализаций. Иногда рамки профессий размыты. Работая дата-сайентистом, на самом деле вы можете быть специалистом по машинному обучению или дата-инженером. Чем больше штат компании, тем более узкими будут ваши обязанности.
ML Engineer Решает бизнес-задачи с применением алгоритмов машинного обучения. Например, анализирует спрос и помогает сформировать удачные промо-акции в интернет-магазинах. |
Data Analyst Анализирует массивы данных, делает выводы и строит гипотезы/прогнозы, чтобы повысить прибыль. Например, помогает тестировать новые продукты и определять их рентабельность. |
Data Engineer Как и полагается инженерам, проектирует удобные инфраструктуры для того, чтобы команде было удобно работать над проектом. Нужны отличные навыки в программировании. |
Deep learning engineer Творческая работа: создание нейросетей под разные задачи. Например, можно работать в команде по созданию чат-ботов и голосовых помощников. |
Analyst Analyst Обычно работает с базами данных и не обязан уметь программировать. Моделирует и оптимизирует бизнес-процессы. |
DevOps-инженер Автоматизирует бизнес-процессы, хорош в программировании, разбирается в операционных системах, облачных технологиях, микросервисах. |
Несколько узких специализаций в рамках Data Science
Практически в любой профессии в Data Science нужно в разной степени уметь работать с базами данных, программировать на Python и R, обрабатывать статистические данные, визуализировать данные, создавать инфографику, строить гипотезы. Подробнее о необходимых навыках смотрите ниже.
Какие скиллы нужны для работы в Data Science
Советы от преподавателей из Нетологии
Если вы ещё учитесь в школе или в вузе на технической специальности, вы можете уже прямо сейчас готовиться к работе в Data Science и уделять больше времени таким предметам, как:
- физика;
- математика;
- программирование;
- матанализ;
- статистика;
- теория вероятностей.
Так вы прокачаете аналитическое мышление, которое очень пригодится в дальнейшем обучении, стажировке и построении карьеры.
Где учиться на Data Scientist
Скажем сразу: самостоятельно овладеть каким-то направлением Data Science практически невозможно. Разве что вы уже имеете опыт работы в других сферах: программирование, математика, бизнес-аналитика. Тогда будет чуть легче ориентироваться в терминах. И всё же лучший путь это: обучение — стажировка — постоянный рост в профессии.
Вузы. Проблема в том, что специальности Data Science в российских вузах нет. В зависимости от того, в какую специализацию вы целитесь, можно поступить на математику, статистику, экономику и, конечно же, программирование. Учиться нужно 4-6 лет.
Онлайн-курсы. Можно пройти обучение на полгода, если вы работаете в смежной с Data Science профессии. Или отучиться 2 года, получить диплом на уровне государственного вуза и гарантированное трудоустройство или стажировку.
У нас в блоге уже есть подборки топ-курсов по профессиям в Data Science. Выбирайте то, что вам ближе: более широкие курсы, чтобы стать Data Scientist, или более узкие — чтобы стать Data Engineer или Deep Learning Engineer.
Курсы по Data Science
Курсы по Data Engineering
Курсы по Deep Learning
Как искать работу в Data Science
Толковых специалистов в Data Science пока ещё мало, а сфера активно растёт. Часто студентов приглашают на стажировку или сразу на работу уже во время обучения по рекомендации преподавателей курсов или вуза.
Конкуренции на вакансии в Data Science практически нет, поэтому найти работу будет несложно. Скорее она будет искать вас.
Понятно, что крупная компания не доверит целый массив данных и принятие решений абсолютному новичку. Так что обратите внимание на те курсы, которые дают гарантию трудоустройства или позволяют наработать стаж уже во время обучения. Чем больше у вас будет опыта, тем более интересные задачи вы сможете решать уже на старте карьеры.
Чтобы как можно скорее начать работать, не сидите на месте: приходите на вебинары и дни открытых дверей в IT-школах, знакомьтесь с преподавателями, задавайте им вопросы, чтобы вас заметили, общайтесь в профильных сообществах.
Полезные ресурсы для начинающих Data Scientist
Словарь современных терминов Data Science и машинного обучения.
OpenDataScience RU — telegram-канал сообщества специалистов по Data Science и Machine Learning. Там публикуются полезные материалы и анонсы мероприятий.
DL in NLP — telegram-канал с новостями и обзорами статей на тему нейросетей и обработки естественного языка.
В плейлисте Академии Яндекса есть несколько записей выступлений по теме Data Science. Скорее всего, вам будет интересен рассказ Ромы Халкачёва о том, как он, работая с данными, выстроил карьеру в Яндекс от стажёра по случайности до руководителя отделом аналитики в Яндекс.Еде и Яндекс.Такси.
Ещё можно посмотреть видео от Нетологии «100 вопросов специалисту Data Science».
Напоследок
Если вас не пугает монотонная работа с крупными базами данных, математические и статистические формулы, а также плотная работа с программированием, — обязательно попробуйте себя в Data Science!