Профессия будущего? Кто такой Data Scientist и почему им надо становиться

Хочешь получать большую зарплату, не бояться проблем, связанных с трудоустройством, и гордиться своей крутой профессией? А кто же не хочет. Мы тут, кстати, нашли одну из таких специальностей. Называется Data Scientist.
К сожалению, или к счастью, времена, когда было здорово «иметь одну запись в трудовой книжке», ушли в прошлое. Сегодня никто не осудит тебя за желание получать больше, кардинально сменить направление и попробовать что-то новое на любом этапе карьеры.
Подобные мысли временами мелькают у многих, но что выбрать, с чего начать и как переквалифицироваться на практике? Давай попробуем разобраться в этом вместе, пристально посмотрев на модную сегодня профессию специалиста по большим данным.
Что такое Data Science простыми словами
Начнем с того, что строгого определения этого термина просто не существует. По сути, data science (с английского — наука о данных) — это очень широкий и междисциплинарный концепт, который объединяет информатику, статистику, математику и бизнес.
Все это звучит очень пространно и малопонятно, поэтому давай взглянем на конкретные примеры. Посоветовать человеку фильм на основе его предпочтений? Поставить диагноз, опираясь на симптомы? Выявить мошенника, проанализировав поведение? Все это — малая толика задач, которые решают специалисты в этой области.
Data Scientist берет большой объем данных (Big Data), анализирует их вместе с искусственным интеллектом и делает выводы. От него ждут выявления закономерностей, чтобы на их основе предсказывать нужную информацию для новых объектов — будь то поведение покупателей или избирателей, фильтрация спама или перевод текста.
Почему это так нужно и круто?
Одна из главных прелестей специалиста по данным в том, что он нужен везде, где есть большой объем данных, которые нужно проанализировать. А значит, работу можно найти в самых разных отраслях — не только ИТ, но и финансовой, медицинской, торговой и даже индустрии компьютерных игр.
Консалтинговая компания McKinsey Global Institute утверждает, что только Америке сейчас требуются от 140 до 190 тысяч специалистов по данным. Так что на этом вопрос о востребованности можно считать закрытым.
А раз сильно нужны, значит им готовы хорошо платить. Исследовательский центр Superjob приводит такие цифры по зарплатам специалистов Data Scientist:
-
начинающий специалист — 70 тыс. руб. в Москве и 57 тыс. руб. в Санкт-Петербурге;
-
специалист с опытом работы до трех лет — 110 тыс. руб. в Москве и 90 тыс. руб. в Санкт-Петербурге;
-
опытный специалист — 220 тыс. руб. в Москве и 180 тыс. руб. в Петербурге.
Чем придется заниматься?
Итак, кто же он, этот супергерой, которого все так хотят, и самое главное — что он знает и умеет? Назовем его специалистом «три в одном», потому что он должен:
-
очень хорошо знать математику и статистику;
-
иметь IT-навыки, в том числе программирование (языки Python, R, SAS);
-
понимать бизнес-процессы в той области, в которой работает.
Причем помимо теоретических знаний, Data Scientist должен уметь «добывать», очищать, моделировать и визуализировать данные. Этот специалист — аналитик до мозга костей, трудолюбивый, скрупулезный, упорный и способный объяснить сложные вещи простыми словами (ему ведь нужно презентовать свои выводы и предлагать работающую стратегию).
Как и где этому научиться?
Итак, если все (или почти все) перечисленное выше — прямо про тебя, то давай посмотрим, какую дорогу тебе предстоит пройти на пути к гордому званию Data Scientist.
Если вдруг твое нынешнее место работы никак не связано ни с программированием, ни с большими данными, ни с аналитикой, но ты чувствуешь, что Data Science это «то самое», то начни с основ — освежи знания по математике: функции, производные, векторную и матричную алгебру, тригонометрию.
Затем нужно освоить на начальном уровне язык программирования Python и начать впитывать в себя, как губка, профессиональные знания. Интернет твой большой друг — можешь присоединиться к русскоязычному slack-коммьюнити ODS, вступить в группу во «ВКонтакте» Deep Learning и листать Хабр.
Подтянуть английский придется обязательно — без этого никак, ведь большая часть специализированной литературы не успевает переводиться на «великий и могучий». Если языковой барьер будет успешно преодолен, то тебе станут доступны тематические видео на ютьюбе с различных конференций, семинаров и т.д., а также блоги «гуру» на Medium.
Когда наука о больших данных перестанет быть для тебя чем-то абстрактным, и ты захочешь перевести ваши с ней отношения на новый уровень, есть несколько способов получить образование:
-
в МГУ им. Ломоносова на факультете вычислительной математики и кибернетики есть специальная образовательная программа Mail.Ru Group «Техносфера» для студентов и аспирантов университета;
-
школа анализа данных «Яндекс» проводит вечернее обучение для студентов и выпускников инженерных и математических специальностей;
-
университет по подготовке и дополнительному обучению специалистов «Нетология» предлагает пройти семимесячный курс по этой профессии и получить диплом установленного образца, гарантированную стажировку и помощь в трудоустройстве.
180000 руб.
- Автор: Мария Минаева