Дата

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, матиматику 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 финасовой, 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 3 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, скурпулезный, упорный и способный объяснить сложные вещи простыми словами (ему ведь нужно презентовать свои выводы и предложить работающую стратегию).

Как и где этому научится?

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 связанно 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 присоединится к русскоязычному slack-коммьюнити ODS, вступить в группу 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 ютьбе 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.