Data Science: карьерный обзор 2019 года

Новое микроисследование ИТ-специализированного кадрового агентства Spice IT Recruitment. На этот раз — о текущей ситуации на рынке труда гуру машинного обучения и больших данных.

Ведущий консультант Spice IT Алина Чистякова пообщалась со специалистами по машинному обучению топовых технологических компаний, а Юлия Попова в очередной раз оформила результаты интервью в яркие иллюстрации.

Как всегда, в конце материала будет бонус для дочитавших. На этот раз это выпуск подкаста, который мы записали вместе с Валерой Бабушкиным и Женей Рябенко, про то, как быть (и как стать!) Data Sci­en­tist.

Валера входит в сотню лучших специалистов по большим данным в мире, работает директором по моделированию и анализу данных в X5 Retail Group, руководит группой аналитики в Яндексе, а также преподает в ВШЭ введение в Data Science.

Женя с недавних пор живет в Лондоне, он Research Scientist в команде Core Data Science в Facebook.

Мы поговорили с ребятами про особенности построения карьеры, профессиональное самоопределение и самообразование… в общем, затронули все самые актуальные темы, как для начинающих, так и для «продолжающих» специалистов.

Вообще про­фес­сию Data Sci­en­tist се­год­ня ча­сто на­зы­ва­ют од­ной из са­мых "сексуальных" — пер­спек­тив­ных и мод­ных. Однако путь к этой про­фес­сии нелегок: невоз­мож­но овла­деть все­ми компетенциями и ин­стру­мен­та­ми за ме­сяц или даже год.

Для входа в профессию необходимы хорошая математическая база (ста­ти­сти­ка, ма­те­ма­ти­ка, ли­ней­ная ал­геб­ра), знание алгоритмов и навыки про­грам­ми­ро­ва­ния.

Middle-cпециалисты обычно уже разбираются в особенностях архитектуры, могут адаптировать модели под конкретную задачу, а также доступно ви­зу­а­ли­зировать дан­ные.

Специалисты уровня senior могут быстро обучать прототипы и выбирать модели под задачу, понимают потребности бизнеса и хорошо разбираются в распределенных вычислениях.

Лиды чаще всего выступают связующим звеном между бизнесом и командой. В их работе большую роль играют soft skills. От себя добавим, что поиск работы на вакансию такого грейда состоит из наибольшего количества этапов собеседований, и включает в себя как технические интервью, так и скрупулезную оценку soft skills.

Что касается специалистов уровня middle + и выше, обычно у них бывает 2 и более технических этапов интервью. Они включают в себя проверку знания базовых алгоритмов, умение находить нестандартные решения, знания ML.

Нужно быть готовым к тому, что интервью в крупных компаниях может длиться от 4-5 часов и дольше.

Как Data Scientist может повысить свою конкурентоспособность, и, как следствие, заработную плату? Наши респонденты посоветовали обратить внимание вот на какие аспекты.

Резюмируя вышесказанное, собирательный образ некого идеального специалиста выглядит следующим образом.

В качестве бонуса (для тех, кто дочитал) делимся выпуском подкаста, в котором мы — я и Дима Чебанов вместе с гостями пытаемся разобраться во всех тонкостях построения карьеры в Data Science.

Мы обсуждаем над какими навыками нужно работать, чтобы попасть в индустрию, в каком направлении развиваться дальше, что спрашивают на собеседованиях в Google и Facebook... Даже шутим там пару раз!

Слушайте нас, где удобно: мы есть в Apple Подкастах, Google Подкастах, на Яндекс Музыке и в Spotify. Ставьте нам оценки, оставляйте комментарии. Обратная связь очень важна для нас. Именно она мотивирует продолжать.

#наём