Data science: почему стоит выбрать это направление

Как появилось это направление

— Концепция нейронных сетей и машинного обучения появилась давно, в 40-х годах прошлого века, но в те времена еще не было мощных вычислительных машин, чтобы реализовать задуманное, — объясняет Богдан. — Кроме того, не было и запаса накопленных данных, с которыми можно было бы работать. К началу XXI века появились и мощности, и данные, и процесс пошел: прогнозировали и темпы инфляции, и стоимость акций, используя статистические методы, ранние нейронные сетки и т.д. Это еще не машинное обучение и не искусственный интеллект, но из этого начался Data Science. По моему мнению, началом Data science в настоящем его виде в наших широтах можно считать примерно 2010 год.

Перспективы «без лимита»

— Data science — направление, которое продолжает развиваться (не во всех уголках планеты есть интернет), и даже когда будет во всех, накопление данных продолжится, и сбор и обработка их — тоже, — рассказывает Богдан. — Потребность в специалистах будет расти, это совершенно очевидно: поток данных увеличивается, появляются новые соцсети (например, Instagram и TikTok), люди оставляют о себе все больше информации в интернете, и все эти данные можно и нужно обрабатывать и монетизировать. Бесчисленные магазины любых товаров и услуг, доставка — всем нужны специалисты, умеющие обрабатывать огромное количество информации о клиентах и превращать ее в живые деньги. Кроме того, это направление, в котором можно реализовать проекты и по спасению людей.

— Таких примеров много: нелюбимая многими из-за ее неожиданной точности контекстная и таргетированная реклама, рекомендации видео на ютубе: везде используются алгоритмы машинного обучения. Бывает, только подумаешь о чем-то, тебе кажется, даже вслух не произносил, — смеется Богдан, — а соцсети уже подсовывают рекламу именно на эту тему. Не нужно здесь подозревать теорию большого заговора или изощренную слежку «большого брата», все проще: машинное обучение на основе вашего «интернет-следа». Это и есть Data science.


Прислушайтесь к себе

- Data science — это исследовательская работа для пытливого ума, — говорит Богдан. — Не ежедневная рутина, когда ты делаешь понятную работу, а эксперименты, изобретения, изучение научных работ других исследователей, постановка проблемы и поиски ее решения. Если вы любите головоломки, хотите сделать мир лучше, придумать что-то концептуально новое, если вам интересны новые разработки, прорывы в науке, феноменальные изобретения, то это прямой путь в Data science.


Понятный старт

— Я составлял программу курса таким образом, чтобы она была понятна даже тем, у кого не было опыта программирования или статистического бэкграунда, — объясняет Богдан. — Все это для того, чтобы любой человек, которому интересны научные исследования, мог освоить базовые знания и уверенно идти на собеседования для старта в Data science.


Краткое содержание курса

• Знакомство с Python
• Все, что нужно знать о Data science
• Визуализация данных
• Библиотеки для работы с табличными данными
• Линейная алгебра, элементы высшей математики, дифферинцированного исчисления
• Основы теории вероятности, статистика
• Классические базовые алгоритмы машинного обучения
• Введение в нейронные сети
• Глубокое обучение, рекомендательные системы
• Главные библиотеки для глубокого обучения PyTorch и TensorFlow

— После каждого блока предусмотрена курсовая работа, — отмечает Богдан. — Первый блок обучения — необходимая теория, второй — практика. В конце учебы каждый готовит финальный курсовой проект. Также в процессе учебы мы проходим все, что могут спросить на собеседовании. Повторюсь, после успешно пройденного курса вы будете обладать необходимыми знаниями и умениями, чтобы претендовать на работу в Data science.

Потребность в специалистах Data science

— Востребованность на рынке труда огромная, и спасибо можно сказать пандемии covid-19 в том числе, — говорит Богдан. — Жизнь перемещается в онлайн, потребность в специалистах формируется не только в новых сегментах, новых бизнесах, выходящих на рынок, но и у тех, кто давно обосновался, возможно, лидирует, и понимает, что без Data science уже никуда. При таком высоком спросе конкуренция — ниже, это означает, что при наличии необходимого склада ума, базовых знаний и интереса к профессии вы без труда найдете работу и сможете выстроить отличную карьеру.


Что там по зарплатам

— Разбежка в зарплатах довольно большая, но и возможности неплохие, — говорит Богдан. — Можно быть лидом в маленькой команде с зарплатой 3-4 тысячи долларов, если у тебя опыт 2-3 года, а можно получать 8-10 тысяч в большой компании и при наличии хороших скиллов. Тот момент, когда практически все зависит от человека.

Зарплатные вилки:

• junior - 1000-2000$
• middle - 2500-4000$
• senior - 5000-7000$
• lead 8-10k$

— Варианты развития: можно стать очень крутым, но узкопрофильным специалистом в какой-то конкретной области и быть лидом по Computer Vision или NLP в продукте, где под это заточены задачи; либо с накоплением опыта расширять свои знания и дорасти в компании до уровня Staff Engineer (круче, чем Senior). Можно быть лидом в разных проектах, стать DS консультантом — на этой позиции тоже высокий уровень зарплат.


Как пройти собес

— Обычно спрашивают базовые алгоритмы, какие-то конкретные детали определенных алгоритмов, — объясняет Богдан. — Но самое важное: вам опишут проблему и будут внимательно следить за ходом вашей мысли, как бы вы ее решали. Могут быть вопросы по статистике, и всех всегда интересует прошлый опыт, поэтому важно иметь собственный проект, на примере которого можно продемонстрировать наличие опыта. На нашем курсе у вас будет возможность создать собственный проект и это подойдет для собеседования. Также мы изучаем все необходимое из того, что спрашивают на собеседованиях, и тренируемся в том числе и проходить их.