Слушать аудиоверсию статьи

Data Science — сфера, которая привлекает своей перспективой и широкими возможностями: анализ больших данных нужен для поиска и тестирования лекарств и вакцин, прогнозирования дохода бизнеса, поиска мошеннических операций в банках, персонализации в рекламе и еще во множестве сфер жизни. Виртуальная и дополненная реальность тоже невозможны без больших данных и специалистов по их обработке. 

Но у начинающих изучать науку о данных часто возникают сомнения и страхи: получится ли разобраться в Data Science, как правильно выстроить процесс обучения, есть ли спрос на специалистов? В этой статье вместе с онлайн-школой Skillfactory отвечаем на частые вопросы про Data Science.

1. Смогу ли я вообще в этом разобраться? Столько всего нужно изучить!

В Data Science часто приходят менеджеры, сотрудники техподдержки, инженеры, бухгалтеры и экономисты, которые хотят освоить IT-сферу и раньше никогда не сталкивались с программированием, но любят работать с информацией, структурировать и упорядочивать ее. Если выстроить процесс обучения правильно и последовательно осваивать нужные инструменты, а не пытаться сразу охватить все, уже через пару месяцев вы сможете построить свою первую модель обработки данных, а через год — работать на должности джуниора в аналитике данных.

Аналитика данных — совсем не то же самое, что разработка, поэтому даже если вы уже пробовали писать код и ничего не получалось, в Data Science вы сможете разобраться с нуля — курсы построены так, чтобы даже считающие себя гуманитариями люди смогли по шагам пройти путь от новичка до востребованного специалиста.

Некоторые студенты курсов по Data Science рассказывают, что в университете или школе у них была сильная тяга к математике и информатике, но из-за скучных преподавателей, устаревшей программы и отрыва от реальной жизни она угасла. На курсе «Профессия Data Scientist» от Skillfactory преподают практикующие специалисты, которые работают в NVIDIA, Lamoda, X5 Retail Group и Делимобиле, и дают максимально приближенные к задачам бизнеса учебные проекты, так что вам точно помогут снова разжечь этот огонь.

А еще Data Science заниматься перспективно: на аналитике больших данных основана работа нейросетей и искусственного интеллекта — технологий ближайшего будущего, которые уже сейчас меняют наш мир. Хотите создавать что-то полезное, нужное и современное и не переживать за свою карьеру? Вам в Data Science, где спрос на специалистов по большим данным вырос на 433% за последние 3 года.

2. Насколько реально найти работу в Data Science после курсов?

В Data Science уже есть много профессий и уровней специалистов, и на каждого есть спрос: начальная позиция — Data Analyst, сейчас есть 1700 вакансий на эту должность. Примерно столько же вакансий на должность Data Engineer — инженера по обработке данных, их 1680, причем около 10% всех вакансий в области аналитики данных приходится на удаленку. 

Если вбивать в поиск hh просто «аналитик данных», вы увидите больше 8100 вакансий, 870 из них — на удаленку.

На курсе Skillfactory «Профессия Data Scientist» вы за первый год с нуля получаете профессию специалиста по большим данным уровня junior, а за второй год уже выходите на уровень middle. 

За все время курса соберете 13 реальных кейсов в портфолио, освоите все базовые навыки аналитика больших данных, а также получите узкую специализацию — AI-разработчика (работа с нейросетями), ML-разработчика (специалист по машинному обучению) или Big Data Engineer. На протяжении всего обучения вас будут консультировать практикующие эксперты, персональный тьютор поможет определиться с карьерным треком, а карьерный центр расскажет, как лучше оформить резюме и проходить собеседования на должность Data Scientist.

3. Окей, с чего начать изучение Data Science? Как «потестировать» это направление, где себя попробовать? 

Например, вы уже пробовали изучать IT, смотрели вебинары и бесплатные уроки и понимаете, что вам это нравится. При этом у вас нет четкой структуры в голове, вы хотите понять, куда и как двигаться дальше и как все это применять в реальных проектах. Трек обучения будет таким:

Первый этап: изучение математического анализа, статистики и языка программирования R для анализа, освоения языка Python для построения моделей, работа с SQL для извлечения данных, основы Linux.

Второй этап: библиотеки для анализа данных Pandas, Numpy, Matplotlib, Plotly, классические модели машинного обучения.

Это необходимые знания для уровня Junior. Попробовать применить изученные навыки можно и нужно на платформе для тренировки на реальных проектах — Kaggle.

Следующий этап: глубокое машинное обучение, обработка естественного языка и анализ текстов, компьютерное зрение. 

Чтобы сразу обеспечить себе преимущество среди других кандидатов, с самого начала создайте портфолио на GitHub и выкладывайте туда свои проекты, а также участвуйте в хакатонах — это поможет погрузиться в среду и пополнить портфолио. Студенты курса «Профессия Data Scientist» выходят на GitHub с первым кейсом — игрой на Питоне — в первые пару месяцев обучения.

4. Когда вообще можно назвать себя Data Scientist?

Когда понимаете, как решать задачи бизнеса, и можете сделать это сами: спрогнозировать конверсию, найти ошибки, структурировать данные по товарам, рассчитать будущий доход. Когда видите миллион строк данных и сходу понимаете, какой алгоритм нужен для их обработки. Когда умеете собирать данные так, чтобы их было легко и быстро обработать.

А если встречается незнакомая задача, вы знаете, что нужно освоить или у кого спросить, чтобы ее решить.

5. Сколько понадобится времени на освоение? Смогу ли совмещать с работой или учебой?

Для успешного освоения программы лучше всего выделять 10-15 часов в неделю — это около 2-3 часов в день. За первые полгода на курсе  «Профессия Data Scientist» вы соберете уже 3 кейса и освоите базовые навыки: напишете алгоритм для игры, обработаете данные для первичного анализа, решите загадку успеваемости учащихся. В следующие полгода добавится еще несколько кейсов, уже более сложных и интересных: предскажете рейтинг ресторанов, спрогнозируете дефолт, рассчитаете будущую стоимость автомобиля, разработаете сервис рекомендации книг или музыки.

Персональные наставники и преподаватели всегда будут на связи, а программа выстроена так, чтобы вы получали навык и сразу отрабатывали его на практике, не зависая надолго в теории. Это позволяет быстро войти в профессию, собрать кейсы для портфолио и получить самые актуальные знания и навыки. 

Обучение может показаться долгим, но в Data Science даже на начальных позициях высокие зарплаты — от 80 000 рублей в месяц у джуниоров до 500 000 рублей у тимлидов. Так что затраты на обучение вы окупите в первые же месяцы работы аналитиком данных.

Приходите на курс Skillfactory и освойте профессию будущего с нуля – оплачивать можно в рассрочку помесячно, а промокод DS2020 дает скидку 45% на курс «Профессия Data Scientist» до 30 сентября.

You May Also Like
Хотите стать фрилансером? Это проще, чем вы думаете
Читать статью

Как стать фрилансером и работать удаленно: пошаговая стратегия для новичков

Если вы устали от офиса и хотите начать жить по своему собственному графику, идите во фриланс. Как - подробно рассказываю в этой статье.
Читать статью
Где учиться фрилансу: лучшие ресурсы в 2018 году
Читать статью

Лучшие курсы фриланса с нуля в 2020 году

Чтобы стать фрилансером, нужно либо уже обладать востребованными навыками, либо им где-то научиться. Сегодня расскажу о ресурсах, где можно получить нужные для фриланса знания в лучшем виде и сразу использовать их в работе. 
Читать статью
Путь в профессию: как стать дизайнером интерьеров
Читать статью

Путь в профессию: как с нуля стать дизайнером интерьеров

Давно мечтали создавать дизайн интерьеров? Почитайте, как осуществить эту мечту, где этому учиться и какие качества нужны дизайнеру интерьеров.
Читать статью