Data Science мне не подошел. Пост о провале.

Точнее подошел, но не сразу. И я до него еще не дошел вовсе. Эта статья - о моих ошибках, рассуждениях почему у меня не получилось, и я постараюсь сам себе ответить на вопрос, подходит ли мне профессия в Data Science. В начале расскажу почему все так. А в конце опишу кому эта специальность может подойти и как не наступать на "мои грабли".

Итак, если ты более менее ранее листал мой Дзен или почитал описание канала, то понимаешь почему такая статья могла появиться. Для тех, кто попал на мой канал через эту статью поясню кратко: я решил сменить свой профиль работы на Data Science (DS), при этом вообще ничего не разу никогда не программировал и не знаю ни одного языка программирования, это на входе такая информация.

На сегодняшний день, учебу по DS бросил еще в прошлом году из-за сложностей в семейной жизни. Никаких сил и времени не хватало, чтобы снова сесть учиться, на тот момент. Последний пост в моем ТГК датирован 01.07.2024. Насколько помню, еще пару-тройку раз после этого садился, но безуспешно. Постоянные семейные дела, текущая работа ... - все отнимало силы и ресурсы, поэтому внятно сесть и продолжать обучение во имя чего-либо было катастрофически невозможно. Это про внешние обстоятельства.

Теперь про лично мое отношение к учебе и DS. Я старался, усердно, делал домашки, писал статьи по решению тех или иных вопросов, с которыми сталкивался сам лично, где описывал детально что и как делать, т.е. я делился своим "студенческим", с одной стороны, и практическим, с другой стороны, опытом работы в python, git, Linux и др., можете посмотреть мои статьи на Дзене и в ТГК. Иными словами, я знания впитывал и тут же ими делился с миром. Так завещала Барбара Оукли.

Кстати, я все же допишу свой лонгрид по основным постулатам ее курса "Learning How to Learn". Очень хороший курс, но после блокировки Курсеры, где-либо посмотреть его больше нельзя. По крайней мере, я не нашел. Поделитесь ссылкой в комментариях, если есть у вас таковая. Будет полезно всем. А пока подпишитесь на мой ТГК, чтобы не пропустить основные тезисы по курсу "Learning How to Learn".

Помимо этого, я читал профильные статьи, решал задачи и всячески пытался сразу применять новые знания. В том числе и в текущей работе - написал программу-калькулятор на python, которая считает бонус менеджеров по продажам в зависимости от их оборота, маржинальности проекта и продуктовой группы.

Но частенько я терял эту систематичность из-за нехватки времени и сил. До основных тем DS я не дошел, но в первом приближении, мне казалось, что эта профессия, мне интересна и она мне подходит. И сейчас я также считаю.

НО! После такого перерыва, все накопленные знания без постоянной практики остались там, в прошлом году. Поэтому сейчас, чтобы начать снова учиться этой профессии, мне надо не просто заново начать учиться, а учиться постоянно - пусть по чуть чуть, но каждый день, опять же по заветам Барбары Оукли.

Отсюда я прихожу тому, что надо время. Желание есть. Но помимо желания и времени надо понимать, буду ли я работать по этой профессии? Сейчас в эпоху ИИ рутинные задачи возлагаются на AI-ассистентов. Это значит что джуны в DS будут иметь крайне высокую конкуренцию и требования к джунам со стороны работодателей будут завышены. А значит мне будет крайне тяжело попасть на реальную работу. Это касается, в принципе всех направлений джунов, но у меня есть преимущества относительно более молодых кандидатов. Реальный опыт в доменных областях.

Помимо этого есть определенный ряд требований к софт-скиллам человека, который хочет освоить эту профессию. Есть куча профориентационных тестов в инете, которые можно пройти, чтобы проверить себя. Я проходил такие тесты и они мне выдавали, что мне больше подходит Дата Аналитика. Я же решил идти вопреки и пошел в DS.

Хочу посоветовать вам без какой либо реферальной ссылки и промокодов очень сильные по материалу обучения и преподавателям курсы по аналитике данных и DS - karpov courses. Просто вбейте в поисковый запрос и выйдет их сайт. Именно их менеджер, на основе собеседования со мной, настоятельно рекомендовал не следовать моде и идти по траектории аналитика данных, чтобы потом, если я захочу, перейти в DS, т.к. из первого во второе попасть легче, чем сразу во второе. Я не послушал его, о чем жалею.

Профессия DS достаточно сложная и нахрапом залететь в нее не получится. Надо начинать с чего-то более простого, аналитика данных, например, которую мне советовали. Хоть эти две специальности из одной области работы (работа с данными), но подходы в решении задачи и сами задачи отличаются.

Сейчас я решил, что начну прям с вообще низов - Excel. Прохожу курс по Excel (прогнозирование и аналитика), там тоже есть работа с данными и с визуализацией. На этом курсе хочу потренировать свое аналитическое мышление, решая реальные задачи по анализу с помощью таблиц. Потому что решая задачи в python на курсе по DS, я кучу времени тратил на изучение синтаксиса, т.е. мне надо и синтаксис знать, и свой мозг в режим аналитической глубокой работы переключить, а это очень сложно для меня вот так сразу, когда одного из этих пунктов нет. Непродуктивно.

Теперь мои "грабли":

Время. Если вы знаете, что у вас нехватка времени на учебу, лучше все же решить текущие проблемы и потом только приступать к обучению. Иначе будет временной пробел отбросит весь учебный прогресс в начало.
Внутренний ресурс. Без него никуда. Надо гореть и реально хотеть этой новой профессии. Видеть себя в ней. Представлять.
Профориентация. Пройдите тесты и проверьте себя. Почитайте материалы о том, какими навыками должны обладать специалисты желаемого профиля, чем они занимаются в реальной работе.
Качественный курс с учебной программой и преподавателями. Изучите программу и сопоставьте ее с требованиями работодателей. Пройдите демо-уроки, "пощупайте" процесс обучения в конкретной учебной платформе.
Объять можно только объятное. Изучить можно все что угодно. Но понять можно не все. Некоторые вещи без понимания базовых принципов невозможно объяснить и понять. Поэтому замахиваться на сложные профессии и думать, что "я смогу все!" не надо. Это частично к п.3 и 2 относится.

Вообще я очень мало людей знаю из моего окружения, кто сменил бы профессию из не IT в IT. Т.е. вчера ты составлял договора, а завтра ты строишь модели для обработки данных, это маловероятно. Заметьте, я не пишу невозможно, а маловероятно. У меня есть пример: коллега работал инженером у нас на заводе, сейчас работает в Яндексе с big data. Такие примеры есть, безусловно, но их мало. Надо быть реалистом. Это сложный и очень сложный путь, который надо проходить постепенно и начать с простого. Я решил начать с Excel.Итог. DS - сложная профессия. Не для всех. Подходит ли мне? По тому спектру задач, которые решают эти специалисты - да, мне это интересно. Но знаний и навыков, чтобы вот просто взять пройти курсы и начать работать - это сложно и вряд ли для меня. Поэтому имеем, что имеем. План по обучению провалился. Но я еще вернусь к нему.

Понравилась статья?

Поставь реакцию и дай обратную связь в комментариях.

Подпишись на мой ТГ-канал, там я пишу свои заметки и наблюдения по теме аналитики в excel, выкладываю готовые шаблоны таблиц, интересные приемы применения моих знаний для решения других бизнес-задач и др. полезный материал без лишней рекламы.