Дата сайнтист чем занимается
Обзор профессии Data Scientist
Data Scientist — это эксперт по аналитическим данным, который обладает техническими навыками для решения сложных задач, а также любопытством, которое помогает эти задачи ставить. Они частично математики, частично компьютерные ученые и частично трендспоттеры.
Данные PayScale
В России цифра составляет от 60-70 тысяч рублей в месяц для совсем «зеленых» новичков и доходит до 220 для опытных специалистов.
Как сказал DJ Patil, бывший главный научный сотрудник отдела научно-технической политики Соединенных Штатов, — «Data scientist — это специалист с уникальным сплавом навыков, который делает удивительные находки и воплощает фантастические истории — и все это благодаря данным».
Чем на самом деле занимаются специалисты по Big Data? Они постоянно сталкиваются с ограничениями — техническими, методологическими и любыми иными — и находят пути для новых решений. Совершают открытия, анализируя и прогнозируя. В Data Science есть место и творчеству: специалисты изобретают элегантные решения сложных задач, а также качественно визуализируют информацию, делать шаблоны понятными и убедительными.
Пример из жизни Data Scientist: «Джонатант Голдман, физик из Стэнфорда, устроился на работу в социальную сеть LinkedIn, и начал заниматься чем-то, что нельзя было измерить в KPI или посмотреть на конечный результат: сайт, исправление бага, внедрение фичи. Пока команда разработчиков ломала голову над тем, как модернизировать сайт и справиться с наплывом посетителей, Голдман строил прогностическую модель, которая подсказывала владельцу аккаунта LinkedIn, кто еще из пользователей сайта может оказаться его знакомым. Убедив руководство компании опробовать его новую модель, Голдман приносит соцсети миллионы новых просмотров и значительно ускоряет ее рост».
Нет определенного описания этой профессии — все зависит от сферы применения навыков работы с данными. Однако, есть вещи, которыми занимается любой Data Scientist:
Итак, вы уже поняли, что Data Scientist — человек, умеющий не только добывать и анализировать, но и обрабатывать большие массивы данных, совершая поистине волшебство с помощью множества инструментов. Если вы хотите заняться Data Science по-настоящему, то заготовьте не просто Excel, но и знания по Python, учебник по математическому анализу, и готовьтесь учиться.
Ну, и в конце мы просто хотели вас порадовать. Вот полезные ссылки. Первая — с 51 бесплатной книгой, связанной с Data Science. А вот крупнейшее Data Science сообщество. Еще есть отличный учебник Петера Флаха «Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных», переведенный на русский язык.
Кто такой Data Scientist?
Дата-сайентист (он же Data Scientist, специалист по Data Science) может найти себе работу в любой сфере: от розничной торговли до астрофизики. Потому что именно он — настоящий повелитель больших данных. Вместе с автором кейсов для курса по Data Science Глебом Синяковым разбираемся, почему в современном мире всем так нужны дата-сайентисты.
Чем занимается Data Scientist?
Data Scientist применяет методы науки о данных (Data Science) для обработки больших объемов информации. Он строит и тестирует математические модели поведения данных. Это помогает найти в них закономерности или спрогнозировать будущие значения. Например, по данным о спросе на товары в прошлом, дата-сайентист поможет компании спрогнозировать продажи в следующем году. Модели строят с помощью алгоритмов машинного обучения, а с базами данных работают через SQL.
Где нужен и какие задачи решает Data Scientist?
Дата-сайентисты работают везде, где есть большие объемы информации: чаще всего это крупный бизнес, стартапы и научные организации. Поскольку методы работы с данными универсальны, специалистам открыты любые сферы: от розничной торговли и банков до метеорологии и химии. В науке они помогают совершать важные открытия: проводят сложные исследования, например, строят и обучают нейронные сети для молекулярной биологии, изучают гамма-излучения или анализируют ДНК.
В крупных компаниях дата-сайентист — это человек, который нужен всем отделам:
В стартапах они помогают разрабатывать технологии, которые выводят продукт на новый уровень: TikTok использует машинное обучение, чтобы рекомендовать контент, а MSQRD, который купил Facebook, — технологии по распознаванию лица и искусственный интеллект.
Пример задачи:
Если дата-сайентисту нужно спрогнозировать спрос на новую коллекцию кроссовок, то он:
Что ему нужно знать?
Дата-сайентист должен хорошо знать математику: линейную алгебру, теорию вероятности, статистику, математический анализ. Математические модели позволяют найти в данных закономерности и прогнозировать их значения в будущем. А чтобы применять эти модели на практике, нужно программировать на Python, уметь работать с SQL и библиотеками (набор готовых функций, объектов и подпрограмм) и фреймворками (ПО, объединяющее готовые компоненты большого программного проекта) для машинного обучения (например, NumPy и Scikit-learn). Для более сложных задач дата-сайентистам нужен язык С или C++.
Результаты анализа данных нужно уметь визуализировать, например, с помощью библиотек Seaborn, Plotly или Matplotlib.
Чем на самом деле занимаются Data Scientists? Рассказывают люди, перешедшие в эту сферу
Data Science – популярное направление в IT, о котором сейчас говорят все. Но далеко не каждый понимает, чем же на практике занимаются дата-сайентисты. Если кратко, они обрабатывают огромные массивы данных (настолько, что не влазят в таблицу Excel) и на их основе создают алгоритмы для решения разных задач – от составления прогнозов погоды и систем рекомендаций музыкальных сервисов до разработки умных чат-ботов и проведения генетических исследований.
На квалифицированных data science-специалистов огромный спрос среди крупных компаний. Интересная работа, отсутствие рутины и высокие зарплаты заставляют задуматься о смене работы людей не только с техническим образованием, но и гуманитариев. Однако ни те, ни другие не знают, как подступиться к профессии дата-сайентиста: куда пойти учиться, как устроиться на работу и что в итоге придется делать.
Мы поговорили с тремя выпускниками SkillFactory, прошедшими курс по Data Science, и выяснили, почему они решились на перемены в жизни, совпали ли ожидания от новой профессии с реальностью и с какими сложностями им пришлось столкнуться во время работы и учебы.
Почему я выбрал Data Science
Все профессии, которые я знал в детстве, мне не особо нравились, зато меня всегда привлекали компьютеры. В 6 классе я заинтересовался программированием и стал изучать языки C++ и Python. Можно сказать, что к 9 классу у меня уже были довольно глубокие знания по написанию кода.
Еще тогда я понял, что если хочу развиваться в IT-сфере, одного программирования недостаточно. В тот момент мне предложили поучаствовать в школьной олимпиаде, связанной с Data Science. Работа с массивами данных привлекла меня тем, что требует творческого подхода – для каждой задачи надо подобрать оригинальное решение. Этим Data Science отличается от разработки софта, где используют примерно одинаковые методы. Но это мое субъективное мнение.
О сложностях в учебе
По Data Science совсем мало обучающих курсов и действительно полезной информации в открытом доступе. Решение учиться на дата-сайентиста в SkillFactory пришло после того, как я прошел у них трехмесячный курс по программированию на Python. Мне понравился удаленный формат и то, как структурирована учебная программа.
Я уже умел кодить и был уверен в своих скиллах, поэтому единственное, что смущало на курсе – это раздел с высшей математикой. Она давалась мне очень тяжело, так что иногда я обращался за помощью к менторам. Их ответ мог прийти моментально или на следующий день.
Еще мне помогали другие ученики. Вообще, на курсе много командных конкурсов, потому что дата-сайентист практически никогда работает один. Темы контестов полностью связаны с Data Science. Например, было соревнование по анализу временных рядов.
Как дипломный проект помог прокачать скиллы дата-сайентиста
За почти два года, что я занимаюсь Data Science, самым сложным заданием для меня был дипломный проект в SkillFactory – «Предсказание цен на недвижимость с использованием машинного обучения». Программа, которую я сделал, брала данные по определенному объекту: местоположение, этажность, площадь квартир и количество комнат – и строила по ним прогнозы стоимости этого жилья.
Самой трудной, но и самой интересной частью проекта был непростой формат данных. Легко работать с информацией в однотипном формате. Например, когда числа аккуратно собраны в таблицу. Но если есть какие-то подписи или символы, их нужно очищать, а это очень тяжело. По сути, я столкнулся с огромным массивом неструктурированных данных.
Дипломный проект занял очень много времени, но именно он развил навыки, которых раньше не хватало. Задание заставило применять самые изощренные решения, до которых я вряд ли бы додумался раньше.
Я стал детальнее разбираться во всех «фичах» Data Science и овладел новыми инструментами, например, hyperopt для автоматического подбора гиперпараметров или spellchecker для исправления орфографии в словах. Также я укрепил знания по материалам, которые на курсе мне были не совсем понятны.
Формат диплома был для меня в новинку, так что в основном менторы помогали с оформлением презентации. На каждом этапе работы я получал список ошибок и недочетов, которые нужно исправить. То же самое касается кода. Всегда можно было попросить о помощи, но я хотел разобраться во всем сам. По крайней мере там, где это было возможно.
На курсе SkillFactory есть большой блок, посвященный трудоустройству. Нам рассказали о том, как правильно составить резюме, оформить портфолио и найти подходящую работу.
После окончания вуза я хочу работать в компании, которая занимается производством деталей для компьютеров, например, в Nvidia. Если не получится сразу найти работу по душе, поступлю в магистратуру за границей и буду развивать карьеру там. Мне не интересны руководящие позиции. Я просто люблю свое дело и хочу развивать свои навыки дата-сайентиста, чтобы в будущем создать что-то действительно полезное.
Откуда и зачем приходят в Data Science?
О Data Science говорят много, ведь это одна из самых востребованных и перспективных сфер. Из каких профессий люди приходят в Data Science, как они выбрали обучение, чего стремятся достичь, где собираются работать и какую роль сыграла пандемия — об этом мы поговорили со студентами магистратуры «Наука о данных» НИТУ МИСиС, организованной совместно с Zavtra.Online, подразделением SkillFactory по работе с вузами.
Евгений Бондаренко
38 лет. Врач-реаниматолог. Пришел в Data Science, потому что с детства мечтал обучать машины.
Я из Кыргызстана, сперва работал на «скорой», совмещая учёбу и работу, потом в больнице уже по специальности — анестезиологом-реаниматологом. Но из медицины ушёл, работа врача плохо оплачивается и к тому же большой стресс каждый день.
После этого я занимался разными вещами. Открыл свою компанию, возглавлял отдел маркетинга и рекламы в газете, занимался дизайном… А потом пришёл в dostek.kg, где руководил проектом СОЧИ — Системой Отчетности Через Интернет. У меня была команда программистов, и их работа меня заинтересовала. Я взял отпуск, ушел осваивать программирование и вернулся фронтенд-разработчиком.
Об интересе к Data Science
Помимо рабочих у меня есть свои проекты; некоторые были связаны с наукой о данных. Например проект «Барад-Дур» — это web-сервис который сдаёт в аренду торговых роботов трейдерам. Торговые роботы занимаются классификацией бумаг на рынке по финансовым мультипликаторам, а также ранжируют их по привлекательности к покупке. В проекте имеется полный спектр работы дата-сайентиста, ведь мы собираем данные с финансовых площадок, собираем новости и скоро начнём собирать сообщения из групп в Телеграм, анализируем всё это дело, классифицируем. Надеюсь, нам удастся что-то ещё предсказывать, но это пока чересчур сложно.
Я решил, что хочу узнать об этой сфере больше. Пока искал информацию для своего проекта, втянулся и подумал, что хочу сменить сферу деятельности — с фронтенда на аналитику данных и машинное обучение.
О сфере, которая особенно интересует
Я хотел бы научиться обучать машины. На самом деле, поступив в медицинский вуз, я планировал перевестись в институт робототехники и бионики. Но на третьем курсе оказался в этом институте, увидел, как у них все печально — и остался в своём. Вообще я с самого детства хотел заниматься робототехникой и теперь иду к этой мечте.
Об особенностях онлайн-формата
Это очень удобно. Пандемия тут сыграла позитивную роль, ведь раньше ничего подобного доступно не было — если хочешь учиться, нужно ехать, решать вопрос с жильём, отрываться от семьи. То есть для меня это было совершенно невозможно. А сейчас это образование стало доступным. Последние лет десять я в любом случае сижу перед компьютером и работаю онлайн — для меня это привычный мир. Так какая разница, где я слушаю лекцию или читаю?
О выборе программы
Ни высшее образование, ни диплом — не необходимость. Я решил пойти на программу Zavtra.Online и МИСиС, чтобы хоть что-то напрямую связывало меня с IT. Кроме качества обучения для меня решающим фактором была цена — другие достойные программы куда дороже, к тому же они англоязычные. Тут и на русском-то воспринимаешь математическую информацию с трудом, а на другом языке это ещё сложнее.
Ксения Колесниченко
34 года. Работает программистом и видит своё будущее в сфере Data Science.
Я закончила школу в 2003 году — тогда считалось, что люди с техническим образованием не нужны, зато нужны экономисты. Поэтому я и пошла в СПБГЭУ. После 2-го курса, когда надо было выбирать специализацию, поняла: что-то серьёзное даётся только на предметах, связанных с математикой и статистикой. И пошла на кафедру статистики и эконометрики. А затем — в магистратуру на кафедру страхования и управления рисками. Программирование, Python и SQL я изучала сама — на онлайн-курсах. И сейчас работаю младшим программистом в компании BI Consult.
Об интересе к Data Science
Думаю, что за Data Science будущее! Хоть сами по себе методы DS, т. е. математическая основа, не новы, но столь широкое распространение они получили только когда появились дешёвые инструменты для расчётов. Можете себе представить, чтобы 40 лет назад какая-нибудь сеть продуктовых магазинов анализировала сотни миллиардов строк в чеках? Нет. Можете себе представить, чтобы кто-то проанализировал миллионы анализов крови или рентгеновских снимков, а потом нашёл зависимости в результатах? Нет. Это технически было невозможно. А сейчас вполне реально. Так что причин, на мой взгляд, две: возможность анализировать те объёмы, которые раньше анализировать было невозможно, и то, что такой анализ куда более точен. Коммерческим компаниям точность несёт прибыль, социальным — эффективность. Поэтому за Data Science будущее.
Думаю, что, имея базовое образование, с надстройкой в виде этой магистратуры я буду очень востребована на рынке.
О плюсах и минусах онлайн-образования
В оффлайне хороших преподавателей на всех не хватает, и онлайн помогает получить к ним доступ. Например, на OpenEdu курс по комбинаторике, который я проходила, вел Райгородский Андрей Михайлович — он объяснял так, что его понял бы и десятилетний ребёнок. А в университете на занятиях по комбинаторике я не понимала ничего, просто заучивала наизусть. Второй момент — свободный график обучения. Минусов пока не заметила. Единственные проблемы, которые могу придумать, — ну, платформа может теоретически лагать.
В чем отличие курсов и высшего образования?
Мой знакомый хотел эмигрировать в США. Он работал программистом больше 20 лет, его брали чуть ли не в Google и Microsoft. А в визе в США ему отказали — из-за отсутствия образования в IT. Ну и ключевое отличие высшего образования от курсов — оно даёт фундаментальные знания. На обычных курсах нет даже теории алгоритмов.
Ярослав Шадрин
25 лет. Переехал в Москву специально, чтобы изучать Data Science — хочет попасть в компанию к Илону Маску.
Я закончил факультет инфокоммуникационных технологий и систем связи ИТМО в Петербурге. Чем хочу заниматься, я не совсем понимал, и в ИТМО подал документы потому, что там был высокий проходной балл — решил, раз туда все хотят, там классно. В итоге факультет оказался инженерным, а мне ближе IT. Да и обучение было скучным, старого формата. Так что доучивался я скорее для галочки. Закончив, уехал в Москву — здесь больше возможностей для учебы и работы в Data Science.
Об интересе к Data Science
Я сел и спросил себя: что я хочу делать? И понял, что по-настоящему интересна мне биология. Я немного поресерчил и узнал о существовании биоинформатики — грубо говоря, это применение Data Science в биологии. Меня это сразу заинтересовало. Но я решил в целом изучить DS и потом уже сфокусироваться на конкретной сфере.
О применении Data Science в биологии мы подробно рассказывали в материале Данные внутри нас: Чем занимаются биоинформатики?
Пока больше всего мне интересны нейронауки. В исследованиях мозга довольно широко применяется инструментарий DS — нейронные сети, моделирование систем и другие подобные вещи.
О компании мечты
Мечтаю попасть в Neuralink — это одна из компаний Илона Маска. Они делают чипы, которые встраиваются в голову и управляются силой мысли. Пока это всё в очень проектном виде — готового продукта ещё не существует, но разработки ведутся. За нейроинтерфейсами будущее!
О выборе образования
Для меня в приоритете изначально было высшее образование. На рынке остается кластер компаний, которые обращают внимание на наличие диплома. К тому же я хочу пойти на PhD. Бакалавриат у меня уже есть, поэтому зачем мне тратить четыре года, если можно потратить всего два, исключив более общие предметы? Именно магистратура МИСиС и Zavtra.Online привлекла меня проектным обучением — так, уже в процессе учебы собирается портфолио, которое можно показать на собеседовании. И ещё здорово, что это онлайн-магистратура — удобно совмещать с работой.
Оксана Евсеева
40 лет. Живет в Барселоне. Однажды поняла, что хочет внести свой вклад в мировой прогресс — и заинтересовалась Data Science.
Университет — ТГТУ — я заканчивала в 90-х. Мне хотелось вырваться из мира, который меня окружал, в родном городе я перспектив не видела. Получив высшее экономическое у себя в городе, я переехала в Испанию. Мотором для меня было внутреннее желание перемен. Я работала аккаунт-менеджером онлайн-платформы, соединяющей руководителей компаний из разных отраслей и стран.
Об интересе к Data Science
В 2016 году я оказалась на Global Mobile Congress в Барселоне. На этом конгрессе представлены все новейшие разработки: и Internet of things, и беспилотные машины, и технологии, основанные на сборе данных с сенсорами. Я увидела, куда движется мир, и я захотела быть причастной к прогрессу. Долго думала, что сделать для этого; толчком для меня стала пандемия: во время локдауна я начать изучать IT. А Data Science стала дверью к машинному обучению и ИИ.
В дальнейшем мне бы хотелось работать в здравоохранении или генетике. Потому что это связано не с потреблением, а с прогрессом в сфере здравоохранения и науки. Если там не получится, то я бы с удовольствием поработала бы в каком-нибудь банке или в сфере данных, которые помогают регулировать городской трафик.
О выборе образования
Сначала я планировала пройти курсы, а уже затем думать о магистратуре. Смотрела программы от разных учебных заведений, в том числе в Барселоне. Интересного было много, но в MIT или Harvard — очень дорого. Зарубежное образование — вообще дорогое удовольствие. А потом мне начали попадаться материалы SkillFactory. Я узнала про магистратуру МИСиС и Zavtra.Online, посмотрела Youtube-канал, их интервью с экспертами, план обучения — мне всё понравилось. Другие программы я уже не искала.
О плюсах и минусах онлайн-образования
Чтобы стать профессионалом в какой-то сфере, нужно определённое количество часов затратить на изучение и работу — десять тысяч. Высшее образование уже просто по своей длительности позволяет глубже проникнуть в сферу, которую изучаешь. Курс дает один-два инструмента, а высшее образование — чемодан. Плюс фундаментальные знания, которые потом тебе позволят развиваться.
Я проходила много курсов — я человек любознательный. А вот онлайн до SkillFactory не занималась. Такая онлайн-магистратура — мой первый опыт. Мне всё нравится. Можно идти в своём ритме: если что-то не усвоишь, можешь вернуться второй или третий раз. Да и живу я за границей — учиться на русском языке в московском университете могу только онлайн. Ну, а из минусов — пока в головах многих и учеников, и преподавателей законченный образ онлайн-обучения не сложился. Могут возникать недопонимания.
Александр Максименко
27 лет. Когда-то не пошел в IT, отдав предпочтение более «престижной» сфере, и теперь навёрстывает упущенное, исполняя школьную мечту.
Когда я заканчивал 11 класс, всех агитировали поступать в инженеры. Обещали, что за ними будущее. Я на эту историю купился, но это оказалось неправдой — по сей день инженеры невостребованы и получают мало. Закончил я в итоге физтех ЮУрГУ. Работал в “Сургутнефтегазе” на месторождении, потом занимался контрольно-измерительными приборами. Когда надоело летать вахтами на Север, решил строить карьеру в Челябинске. В плане работы в городе всё оказалось грустно, и я решил, пока не поздно, уйти в IT — после инженерного образования, думаю, будет не так уж сложно. Пока я не работаю, отдыхаю пока от Севера и посвящаю время учёбе.
Об интересе к Data Science
Меня со школы тянуло к IT. Но я клюнул на пропаганду правительства и отучился на другую специальность. И вот когда решил менять профессию, вспомнил свою нереализованную мечту со школьных времен. Сейчас очень много разных разных направлений в IT, я всё изучил и увидел, что обороты набирает Data Science. Она сейчас во всех топах самых перспективных и актуальных сфер.
После обучения мне хочется занять в крупной компании, желательно международной, junior-позицию. Пока я только вникаю, смотрю, какие направления в Data Science есть, чтобы потом выбрать. На втором курсе будет понятно. Пока мне интересны банковское дело и работа с ИИ.
О выборе образования
Курсы я никогда не посещал — не было необходимости. Свою профессию я хорошо знал, и, если встречал что-то новое, с лёгкостью находил всё в Google. Вообще к курсам я отношусь скептически. Сужу по отзывам на habr — слишком много нереалистичных обещаний. Если бы писали, что дадут основы, а всё остальное зависит от меня самого, было бы честнее. Я не говорю, что нет качественных курсов, после которых можно устроиться на работу. Просто для меня высшее образование — приоритет. Уверен, оно дает более глубокие и фундаментальные знания.
О плюсах и минусах онлайн-образования
Большой плюс онлайн-образования — можно заниматься из дома в любое удобное время. Из минусов — нет живого общения и прямого контакта с преподавателем. Но это не критично. Это важно, когда личность формируется — среднюю школу полностью онлайн не представляю. А для взрослых не страшно.
Честно о профессии дата сайентиста: 6 фактов, которые нужно иметь в виду
Вокруг любой профессии тонна стереотипов. А вокруг тех, что мы плохо понимаем, их еще больше. Если вас привлекает Data Science и перспектива оказаться в IT-элите, читайте про шесть страхов, которые вполне могут оправдаться, и решайте, сможете ли вы стать дата сайентистом.
Для учебы на дата сайентиста нужна хотя бы базовая математика, а потом постоянно придется работать с числами
Вердикт: почти правда
Дата сайентисты работают с массивами данных на языке программирования Python. Да, математика потребуется уже на старте работы с кодом. Вот только вовсе не в виде сложных уравнений, над которыми придется корпеть часами. Но вы будете работать с числами и данными — это факт.
Хорошая новость: есть курсы, которые готовят дата сайентистов с нуля. В программу включают все, что потребуется специалисту. Но будьте готовы и сами подтягивать знания: придется много практиковаться, искать решения для нетипичных задач и учить.
Работа нудная, и надо быть очень внимательным
Вердикт: не совсем правда
Насколько работа дата сайентиста интересна, зависит от ваших предпочтений. Люди обычно называют нудной ту работу, в которой не видят смысла или делают на автомате, настолько она однообразная. Data Science — это не просто данные. У каждого столбца есть свой смысл, а в числах — закономерности. Погружаясь в задачу, вы будете это видеть и перестанете воспринимать цифры как просто цифры.
Дата сайентисты анализируют результат, задают вопросы: откуда этот пик, почему здесь именно такое число, правдивы ли эти значения и так далее. В этой работе не получится просто перетащить данные из одного файла в другой, запустить код и ждать результатов. Нужно будет погружаться в ситуацию и вовлекаться в нее на всех уровнях.
Нужен опыт, без него на работу не берут
Ни одна успешная компания не захочет брать в команду кота в мешке. Поэтому при трудоустройстве дата сайентистов часто просят показать портфолио и выполнить тестовое. И иногда этого бывает достаточно. Для некоторых работодателей стаж не настолько важен, как умение кандидата применять знания на практике.
Набраться опыта можно уже в процессе обучения. Конечно, это будет не запись в трудовой с должностью дата сайентиста и стажем. Но разностороннее портфолио и верно выполненное тестовое задание способны выделить вас среди кандидатов даже с опытом реальной работы в резюме.
Выбирайте курсы, основанные на практике. На полном курсе по Data Science в SkillFactory программа как раз нацелена на практические умения и наполнение портфолио. Помимо этого карьерный центр онлайн-школы помогает с составлением резюме и подготовкой к собеседованиям.
Придется учить английский
Вердикт: не совсем правда
Да, Python и библиотеки используют английский, а в работе дата сайентиста масса англицизмов, но учить английский для их понимания не нужно. Основные знания для работы вам дадут на курсах и все объяснят. А для частных случаев достаточно банального переводчика или запроса в поисковике.
С другой стороны, свежие решения и данные часто появляются в иностранных источниках. Если в ваших планах постоянное развитие и работа в лидирующей интернациональной команде мирового уровня, английский учить придется. Так что все зависит от ваших амбиций.
В моем городе таких специалистов не ищут
Вердикт: правда, если вы из региона
Профессия дата сайентиста востребована, хоть и появилась недавно. Но да, большинство вакансий сосредоточены в Москве и Санкт-Петербурге. На hh.ru сейчас примерно 560 вакансий по запросу Data Scientist. При этом больше 300 из них приходятся на столицу, еще сотня — на Питер, немногим больше 20 — на Новосибирскую область, а дальше числа стремительно уменьшаются. Но переезжать не обязательно. Можно работать на удаленке.
Мало быть дата сайентистом, надо шарить и в других сферах
Все так. Помимо Data Science придется разбираться в особенностях сферы, в которую придете: будь то лесопереработка или социальные сети. Чтобы эффективно работать, нужно понимать, как работают процессы в компании и на какие факты можно опираться. Важно понимать, зачем нужно это погружение и что оно даст. И если у вас это понимание есть, необходимость разбираться в чем-то будет скорее осознанной целью и желанием.
Как видите, мы не развенчали страхи и не опровергли стереотипы. Многие мнения о работе дата сайентистов оправданы, но часто сводятся к личным предпочтениям и амбициям. Хотите ли вы работать только в России или нацелены на зарубежный рынок; готовы ли учиться и практиковаться; нужна ли вам работа, в которую придется глубоко погружаться.
Если, несмотря ни на что, вас привлекает Data Science и вы хотите работать в этом перспективном направлении, не тяните. Записывайтесь на полный курс по Data Science в SkillFactory и начинайте свой путь к работе мечты. Программа подходит как для новичков, так и для специалистов в области программирования, аналитики и маркетинга. Особых знаний и подготовки не требуется. Всему, что понадобится для работы, научат на курсе.
А по промокоду ПИКАБУ действует скидка 50% до 25 апреля. Успевайте на новый поток.
Skoda запретила своим автосалонам в РФ навязывать «допы» покупателям
Компания разослала своим дилерским центрам в России служебное письмо, в котором предупредила об ответственности за навязывание платных аксессуаров клиентам.
В сообщении говорится, что автосалоны не должны превышать рекомендованные розничные цены, поскольку это негативно сказывается на лояльности покупателей. Кроме того, дополнительное оборудование не должно становиться условием для приобретения машины клиентом, поскольку это нарушает ч. 2 ст. 16 Закона РФ «О защите прав потребителей». В случае невыполнения указанных в письме предписаний марка оставляет за собой право отказаться от сотрудничества с дилерским центром в одностороннем порядке.
ДТП в Красноярске
Видео взято с городского публика ЧП Красноярск. Такое шикарное видео должны увидеть все!
Почему на нашем телевидении разрешено рекламировать кредиты в 5,9% годовых, которые являются откровенным враньем?
Давайте в качестве реального примера рассмотрим историю, (как бы) произошедшую с… с вами, если бы вы, насмотревшись по телеку на сытого Гармаша, решились соблазниться на рекламируемый артистом кредит под 5,9% в том самом Почта Банке. Итак, вы созрели попробовать и оформили заявку на сайте. Вскоре пришло СМС, что кредит предодобрен. Минут через 30 вам позвонили и попросили приехать. На вопрос о процентной ставке ответили, что конкретную ставку могут сказать только в офисе, после отправки запроса. Приехали вы (россиянин или россиянка, страждущие дешевого кредита), в офис Почта Банка, вам оформили заявку и попросили подождать одобрения минут пятнадцать. Вскоре пришло одобрение под 9,9% (уже не 5,9%, но это только начало).
Вы выбрали кредит с финансовой защитой (без нее процентная ставка возрастает на 7%), ее включили в тело кредита и поэтому при первоначальном вашем желании взять в кредит 250000 рублей, в теле кредита оказалось уже 395 000! Вот так… 145 000 рублей – это страховка! Сразу, с насчитанными на нее процентами. Ладно, допустим, вы понимали, что все пойдет не так гладко, как обещал Гармаш, допустим, что вы были готовы взять кредит со ставкой до 10%, пусть так… потянет.
Вы заранее прикинули, что ориентировочный ежемесячный платеж на кредит в 250000 рублей должен быть (даже при 10%) около 5500 рублей. Но такой цифры в плане погашения вы не увидите. Там будет стоять где-то 8400 (плюс минус). Такой ежемесячный платеж можно получить, если взять 250 000 рублей на 5 лет под процентную ставку 32%. Как вам такая арифметика? Будут ещё и «бонусы». При запросе кредита вы подписали соглашение об электронной подписи и электронном информировании, так что (помимо кредита) возможны сюрпризы в виде дополнительных платных услуг.
Истина одна – ни в одном российском банке невозможно взять кредит со ставкой в 5,9% годовых. Это и дураку понятно, не понятно другое – почему на нашем телевидении открыто разрешено рекламировать кредитные условия, которые являются откровенным и бессовестным враньем?
Как устроена жизнь на Севере?
Творчество
После того как талибы запретили женщин на телевидении.
Прошу не считать данный пост оскорбляющим чье либо мнение и взгляды.
Банальный вопрос на логику.
Обида на всю жизнь)))
