QA Fest — конференция №1 по тестированию и автоматизации. Финальная программа уже на сайте >>
×Закрыть

Перспектива в data science

Добрый день, формучане. Есть вопрос (скорее даже к HR).

Мне 38 лет, огромный опыт в market research на fmcg рынках, работала в агентствах. Сейчас хотела бы развиваться в направлении data science. В западных источниках читала, что у них в этом направлении, как раз не хватает специалистов с бизнес бэкграундом, тк в основном идут туда чистые программеры. Как у нас обстоят с этим дела? И самый важный вопрос — насколько возраст + нулевой опыт (после курсов) может стать преградой в трудоустройстве?

LinkedIn
Допустимые теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Допустимые теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

А что не так с возрастом? Возраст вообще никто не обязывает сообщать. Сделайте пару пет-проектов — и вперед рассылать резюме.

Я переконаний, що у вашому випадку можна цілком успішно розвиватись у Data Science, але це потребує залізної витримки і наполегливості з вашого боку. Як показує досвід, перейти у DS навіть часто простіше спираючись на якусь свою ключову компетенцію, а не просто заходити туди з нуля. Через певний час можна повністю перейти на вже якусь позицію суто чисто DS.
Щоб почати у цій сфері свій шлях, я можу дати наступні практичні поради:
1) Вивчити якісно основи математики, статистики, програмування
2) Вивчити основи DS, шляхом проходження різних курсів і т.п.
3) Завести для себе конспект, роблячи різні корисні нотатки під час вивчення, це дуже знадобиться під час підготовки до співбесід
4) Намагайтесь постійно вимірювати свій реальний прогрес у цьому напрямку. Це важливо, оскільки зараз в наявності є велика кількість «корисних» курсів, які насправді не несуть ніякого змістовного навантаження
5) Читайте хороші книжки з DS, особисто для мене книги були основним джерелом розвитку. В Телеграмі є купа каналів, де їх можна скачати (t.me/dsproglib або t.me/bigdatabooks ). Також цікавтесь різними новими статтями, це теж дає непоганий поштовх у розвитку.
Тож, сміливо «лупайте сю скалу». Успіхів!

Не знаю наскільки в DS потрібні навики з бізнес бекграундом, майже усі DS котрих я знаю — математики, програмісти, які пиляють алгоритми місяцями, щоб потім запустити на великих даних, перевірити і далі пиляти.
В нас в компанії DS — це кістяк, є старші, є молодші, тому сумніваюся, що вік тут грає роль.

У меня есть знакомый примерно такого же возраста, который ушел в DS из финансовых аналитиков. Работал где-то в страховых агенствах. Подтянул навыки программирования на питоне, научился работать с DS либами и к тому же очень хорошо знает домен. Поэтому чувствует себя отлично.

P.S. На самом деле также часто не хватает специалистов с software development бекграундом. Если будет комбинация знания домена и опыта с software development — это безценно.

У меня тож хороший друг перешел из менеджмент консалтинга в дейта саенс. За пол года уже хорошо влился, однако у него был опыт в программировании на раннем этапе карьеры(больше теоретический и какие то пет проекты) и благодаря этому питон ему дается относительно легко. Ну и согласен с тем, что эта комбинация именно в консалтинге очень актуальна. Само это понятие весьма по разному толкуется и в некоторых компания это по прежнему специалисты по датабазам, но в перспективе думаю будет больше именно работы с анализами. Дейта саентисты в Норвегии зарабатывают больше девелоперов.

Мой способ (еще в процессе, мне 44)
— изучения языка (Python, R ) Прошел 4 месячный курс в Hillel school (можно пробывать другие)
— DataCamp (рекомендую на год сразу брать)
— Coursera (ML specialization)
— For math Khan Academia (все темы высшей математики)
— mlcourse.ai (рекомендую сразу slack channel) и участвовать в конкурсе
— cs223, cs229, cs50 (это самое сложно и крутое обучение по данным темам)
— kaggle участвовать в тестовых, открытых соревнованиях. (иногда проходят в Киеве)

Все это занимает много времени, с учетом работы и других вопросов. Уже почти год пытаюсь освоить заданную программу.
Смотрите по себе как все идет — насколько мотивация не падает )

R обычно в финансах юзают.
В картинках обычно Питон.

Ну и как совет. Начни просто тупо юзать из Питона различные нейронки и смотри, что получается и как их переобучать и за какие параметры когда дергать, чуть почитай про кластеризацию и матстатистику (ну и не плавай в таком как собственные вектора матриц) и ищи работу. На работе
уже углубишься в то, что им нужно.

спасибо! надо допилить начатые проекты и доучиться, а главное набраться смелости подаваться на вакансии )

Обычно не кусаются собеседующие. И да на собеседовании могут подолбать по теории, в работе она тебе, как обычно, практически не понадобится.
Ну и пет проект пригодится. А так последнюю работу нашел, причем собственно код не показывал. Просто видео треккинга объекта с квадрика, что едет по полю.
Т.е лепишь петпроектик на каких видео из инета и показываешь результат (и должен понимать. что там у тебя и суметь объяснить). Это для распознавания образов.
И для петпроектика тебе Питона и TF будет выше крыши. Другие движки нейронок, хоть они и приличнее TF редко юзают.

Для финансов, что там я не знаю, мне они сильно не нравятся и я туда нос не сую.

Ну а если на Кагле в лидеры выберешься по каким развлекаловкам там, то еще проще тебе будет.

совсем недавно наткнулся на небольшой ресерч одного чела, он изучал статистику как раз бекграунда, оч советую

«I wasn’t getting hired as a Data Scientist. So I sought data on who is.» by Hanif Samad link.medium.com/fS0vlpoGVY

На мою думку шанси завжди є, а перешкоди зазвичай це лінь і різні стереотипи, от прикладу перед тим як створювати топік, що ви вчили з цієї сфери і скільки часу вклали?

Покажите пример вакансии, которая вам нравится (в смысле «вот этим я хотела бы заниматься»)

market research на fmcg рынках

Чим ви займалися, можна детальніше?

исследование и анализ рынков потребительских товаров- рыночный аудит (доля рынка, тенденции, конкуренты), тестрование новых продуктов перед выходом на рынок, тестирование рекламы, трекинг KPI, внутренняя аналитика и т.д. По сути моя задача была и есть, это понять где находится компания в сравнении с конкурентами, какие есть ниши, что делать с новыми продуктами, куда двигаться. Непосредственно это дать задание агентству, которое проведет исследование\ опрос потребителей, потом проанализировать результат и донести до руководства и отдела маркетинга. Маркет рисерч по сути мозговой аналитичкский центр для маркетинга в компании.

Мне 38 лет,
нулевой опыт (после курсов)
работалА

шансы около нулевые, только если курсы — это не шад.

в том то и вопрос, стоит ли идти на курсы.... или каким образом набраться опыта или, как минимум, какой-то базы.

Идете на курсеру и запускаете курс ендрю нг по Машин лернинг. Если за первую неделю курса вам все понятно — можно продолжать, а если нет — тогда не стоит идти в датасаенс

тут еще вопрос несколько в другом. В том, что осилю или нет вопрос не стоит, а есть ли перспектива найти работу с такими исходными данными

ну если у вас не стоит вопрос, осилите ли вы одну из самых сложных должностей в ИТ по причине приставки саенс в ней — то я думаю остальные вопросы вообще мелочь))

Danny Moses: You’re completely sure of the math?

Jared Vennett: Look at him, that’s my quant.

Mark Baum: Your what?

Jared Vennett: My quantitative. My math specialist. Look at him, you notice anything different about him? Look at his face.

Mark Baum: That’s pretty racist.

Jared Vennett: Look at his eyes, I’ll give you a hint, his name is Yang. He won a national math competition in China he doesn’t even speak English! Yeah I’m sure of the math.

Jiang: [To the camera] Actually, my name’s “Jiang”, and I do speak English. Jared likes to say I don’t, because he thinks it makes me seem more “authentic.” And I placed 2nd in that national math competition.

@Big Short

До попереднього коментатора я б ще додав таке:
Якщо ви осилити пройти курси Ендрю Ина і після цього не знайдете роботу відразу, йдете на сайт www.kaggle.com і вирішуєте задачі, качаєте свій аккаунт. Як тільки ваш рейтинг стане трохи більше ніж у 90% користувачів на тому сайті, рекрутери вже самі вас там знайдуть.
З того, що я чув, для багатьох західних компаній рейтинг на кагл достатній аргумент аби найняти вас майже без співбесіди.
Ну і після основного курса Ендрю на курсері варто пройти решту його крусів, але під кінець основного ви самі вже все почнете розуміти що і куди треба.

Як тільки ваш рейтинг стане трохи більше ніж у 90% користувачів на тому сайті, рекрутери вже самі вас там знайдуть.

Ага... як тільки так одразу.

Ну напишіть тоді своє бачення чи можна однозначно корелювати чесно зароблений самостійно рейтинг на kaggle і те як швидко тебе наймуть.

Я наврядчи зможу предоставити чітку кореляцію, але наскільки мені відомо топ 10% в рейтингу того вашого кагла то вже серйозно сформовані профессіонали, а не новачки які шукають роботу. Там наскільки я знаю серйозна конкуренція і дуже багато чого треба щоб там виділитися а не просто погратися.

Блін, я тільки що перечитав своє оригінальне повідомлення і зрозумів, що написав дурницю) Звісно новачок не увійде в ТОП10% в перших N-років своєї DS кар’єри.
Мав на увазі стати краще ніж хоча б 10% знизу рейтингу.

Подписаться на комментарии