7 главных страхов тех, кто мечтает стать дата-сайентистом

Анализ больших данных сегодня используют в самых разных индустриях: от ретейла и туризма до образования и медицины. А профессию дата-сайентиста из года в год называют одной из самых востребованных. Но на первый взгляд кажется, что освоить ее совсем не просто. Мы собрали главные страхи тех, кто задумался о карьере в этой области, а Дмитрий Крылов — ментор по направлению Data Science в SkillFactory — объяснил, почему не стоит бояться.  

Дата-сайенс, машин-лернинг… — в одних только направлениях невозможно разобраться. Что уж говорить про обучение!

Современную науку о данных можно разделить на две категории: анализ данных (собственно Data Science) и машинное обучение (Machine Learning). Задача дата-сайентиста — искать закономерности и с их помощью решать разные бизнес-задачи. Например, банкам большие данные помогают предугадывать траты клиентов и делать им индивидуальные предложения. А задача специалиста по машинному обучению — научить машину делать автоматические предсказания. Например, предугадывать, как изменится спрос на тот или иной товар в зависимости от сезона. Вообще, наука о данных появилась сравнительно недавно (термин Data Science прозвучал только в 1974-м), и эта область знаний активно развивается. Из-за этого ее границы могут казаться расплывчатыми даже специалистам.

На курсе Data Science в SkillFactory профессии учат с нуля. Студенты осваивают базовые навыки работы с данными и смогут углубиться в ту область, которая покажется самой интересной. Кроме того, студенты сделают десять проектов для портфолио, получат индивидуальную помощь ментора и поучаствуют в нескольких соревнованиях и хакатонах. 

Чтобы работать с данными, нужно быть технарем. А я гуманитарий!

На самом деле нет. Академический бэкграунд для новичка не так важен. Инженеру-строителю Data Science будет даваться так же, как и филологу. Хорошо, если вы помните некоторые темы из базового курса по математике. Но если нет, ничего страшного: практика показывает, что разобраться в них могут и технари, и гуманитарии. При этом наличие другого, не связанного с математикой и программированием образования, иногда может быть на руку. Например, биологам специализация поможет быстрее решать медицинские задачи, чем человеку, который просто хорошо знает Python. Конечно, бэкграунд в математике и знание языка программирования могут упростить обучение. Но куда важнее способность и желание все время учиться новому и следить за тем, что происходит на переднем крае науки. 

Сейчас все пошли учиться работе с данными. К тому моменту, когда я окончу курс, спроса на таких специалистов уже не будет

Рынок аналитики больших данных уверенно растет год от года. По прогнозам экспертов, в следующем году он увеличится в два с половиной раза по сравнению с показателями 2016 года. Очевидно, что вырастет и спрос на профильных специалистов. Наиболее перспективными считаются фулстек-специалисты — универсальные работники с максимальным количеством навыков.

Курс по Data Science в SkillFactory состоит из нескольких курсов и охватывает основные направления для работы с данными. Здесь научат программировать на Python, объяснят основы математики и статистики, а еще помогут освоить практический machine learning и data engineering.

Да что вы мне рассказываете, с большими данными могут работать только люди с опытом в IT!

Нет. IT-специалистам действительно проще переквалифицироваться, но только некоторым. Например, веб-разработчик, работающий с Python, и правда может понять принцип работы с большими данными быстрее (за месяц, а то и за неделю). А вот проджект-менеджер из IT-среды будет учиться работать с данными с нуля. В среднем, чтобы набить руку, новичку понадобится около года или двух. Но здесь, как и с любым другим навыком, работает универсальное правило: чем больше практики, тем быстрее процесс обучения.

Курс в SkillFactory подойдет и новичкам, и уже работающим программистам. Первые смогут получить базовые навыки работы с данными, а вторые освоят профессию Junior Data Scientist и смогут внести в портфолио опыт работы с рекомендательными системами и нейронными сетями.

Работа с большими данными — это какая-то скукотища. Одни графики и таблицы с цифрами

Вовсе нет. Конечно, в работе с данными (как и в любой другой) бывают рутинные задачи и нудные моменты, но иногда дата-аналитикам приходится сталкиваться с задачами, которые раньше никто не решал, — в этом случае нужно искать нетривиальные методы и быть своего рода первооткрывателем. Предположим, у нас есть данные по ученикам из разных школ. Мы знаем, сколько времени они тратят на дорогу, чем занимаются помимо уроков, сколько родителей в их семье и какое у них образование. Основываясь на этих данных, дата-сайентист может предсказать, какую оценку тот или иной ученик получит на экзамене. Те закономерности, о которых обыватель даже не подумает, специалист по Big Data видит и делает из них правильные выводы.

Я не могу тратить на учебу все свое время! А если буду совмещать, то не преуспею ни там, ни там

Работа с большими данными — такой же навык, как умение играть на фортепиано или играть в волейбол. Чтобы его освоить, не обязательно тратить все свое время, но чем усерднее вы будете заниматься, тем быстрее увидите результат. Например, многие студенты SkillFactory совмещают учебу с полноценной работой — занимаются вечерами или по выходным. При этом наличие основной работы иногда даже помогает. Бывают ситуации, когда человек начинает учиться работать с большими данными и довольно быстро понимает, что хочет использовать их в своей работе. Так, один из студентов внедрил у себя в компании кредитный скоринг и в итоге сделал рабочие процессы более эффективными.  

Смена рабочей сферы — это невыгодно. Если я все брошу и начну карьеру в Big Data с нуля, то сильно потеряю в зарплате

Преимущество IT-сферы в том, что здесь довольно высокие зарплаты даже у начинающих специалистов. Для большинства дата-сайентистов карьерный путь можно предсказать заранее: спустя год-два после старта учебы можно устроиться на позицию джуниора с зарплатой 80–120 тысяч рублей, а дальше — карьерно расти раз в пару лет. Мидл-специалисты в среднем зарабатывают 120–180 тысяч рублей, синьоры — 200–300 тысяч, а тимлиды — уже 300–500.

На курсе в SkillFactory не только научат работать с большими данными, но и помогут найти работу. Начиная с первых недель обучения, ментор поможет определить карьерные цели и не сойти с намеченного пути, а карьерный центр подскажет, как оформить резюме и попасть на собеседования.