Annual Open Tech Conference - ISsoft Insights 2021. June 19. Learn more.
×Закрыть

Ринок Data Science в Україні. Результати дослідження УКУ

В четвер 21 січня факультет прикладних наук Українського Католицького університету провів онлайн-дискусію «Ринок Data Science в Україні», у якій брали участь Олександра Богуславська (CEO та засновниця компанії Data Science UA), Микола Максименко (очільник R&D відділу в SoftServe), Кирил Юрченко (один з керівників напрямку ML&DS експертизи в компанії GlobalLogic Ukraine); модерував дискусію Олексій Молчановський, керівник магістерської програми з Data Science в УКУ.

Презентація висновків дослідження

Протягом 2020 року факультет прикладних наук УКУ проводив дослідження ринку вакансій за напрямком Data Science. Його результати доступні за посиланням.

Дослідження охопило великі міста України (Київ, Львів, Харків, Одеса, Дніпро) та базувалося на вивченні вакансій Data Science (враховуючи позиції data scientists, data engineers, data analysts, CV/ML/DL/NLP engineers та дотичні ) на сайтах DOU та Djinni.

Загалом кількість унікальних вакансій за цим напрямком в 2020 році становила понад 1600. Протягом року спостерігалась різна динаміка: падіння в першій половині року в зв’язку з пандемією COVID-19 та подальше зростання ринку в другій половині року. Наразі ринок відновився: в листопаді було майже вдвічі більше вакансій ніж на початку 2020 року.

Найбільше падіння кількості вакансій DS у 2020 році було травні та становило −43% порівняно з початком року (для порівняння, загалом у ІТ галузі найбільше падіння становило 46% у квітні). Були проаналізовані позиції в розрізі різних спеціалізацій та різного рівня досвіду. Найбільш поширеними вакансіями є data scientist (на рівні junior), data engineer (на рівні senior), data analyst та ML engineer. У другій половині 2020 року порівняно з першою найбільше зросла кількість вакансій senior data scientist (на 60%), значний попит також був на middle ML engineer. Що стосується спеціалізованих позиції CV/NLP/DL engineer — вакансій доволі мало, а в другій половині року майже немає.

Серед міст очікувано домінує Київ — 63% від всіх вакансій. Спад через карантин у Києві становив 34,5% проти згаданих 43% загалом по країні. У Києві набагато легше знайти вакансію на Junior позицію порівняно, наприклад, зі Львовом, де Senior позицій більше ніж Junior.

Топ-6 компаній які активно наймали фахівців з Data Science протягом 2020 року: Data Science UA (більше 100 вакансій), Ciklum (майже 100 вакансій), DataArt, Luxoft, GlobalLogic, SoftServe. Слід звернути увагу, що Data Science UA допомагає іншим командам шукати собі фахівців.

Дискусія з пенелістами

Питання: В другому півріччі більше зросла кількість senior позицій. З чим це пов’язано та як компанії підходять до оцінки таких позицій? Які навички до них ви висуваєте?

Олександра, Data Science UA: Для Senior важливим є драйвити проєкт, приймати інженерні рішення самостійно, не потребувати мікро-менеджменту і постійних перевірок своєї роботи.

Кирил, GlobalLogic: В general Data Science senior — це той, хто може структуровано описати, що він робив на двох своїх попередніх проєктах і навіщо, а також описати, як валідує результати (не просто test/train, а якось складніше). Senior — це людина з досвідом, результати якої потрапляють у продакшн. Важливим є знання математики. Часто приходять кандидати, які претендують на middle/senior позицію, а в них погане знання теорії ймовірності і статистики. В такому випадку важко уявити, як люди інтерпретують свої результати, якщо їм не вистачає базових знань.

Микола, SoftServe: Softserve має мапу компетенцій, за якою оцінюється рівень кандидата. Якщо говорити про R&D, то тут ситуація складніша: якщо людина закінчила PhD, має бездоганну освіту і публікації — це є одразу senior. У R&D відділі важливими є хороша освіта, дослідницькі навики (для виміру яких є декілька метрик), наукові стажування, сильні інженерні навики.

Питання: Яким є поріг входу в галузь на junior позиції?

Олександра: Людям, які лише освоюють свій шлях, варто знайти рекрутера, який буде зацікавлений вас влаштувати, а також заручитись підтримкою senior фахівця, який буде направляти і давати завдання. Варто також мати досвід участі в олімпіадах, у Kaggle змаганнях, проходити онлайн-курси, наприклад, на Coursera.

Кирил: Data scientist — це не junior. Це або PhD, або людина, яка до цього була 2-3 роки розробником або аналітиком даних. Якщо людина щойно закінчила університет і не мала вузької спеціалізації з data science, то не зовсім зрозуміло, що вона має робити як data scientist. Junior data scientist — це data analyst, тобто не той хто будує дашборди, а той хто шукає якісь залежності в даних, пояснює тенденції. Це може бути помічник senior спеціаліста: займається підготовкою даних, розбирається з помилками. Водночас в поєднанні з роботою такій людині щоби здобувати більш системні знання потрібно приймати участь у змаганнях на Kaggle, вчитись на Coursera. Кандидатам на junior важливо йти в такі команди, де є senior спеціалісти.

Микола: Junior спеціалістам варто шукати стажування, як наукові в лабораторіях, так і індустріальні.

Питання: Один з трендів другої половини року — суттєве зменшення кількості спеціалізованих позицій NLP/CV/DL інженерів. З чим це може бути пов’язано?

Микола: Ринок в Україні, можливо, вже вийшов на певне насичення. Але глобально є тенденція, що людей, які раніше називали себе СV/NLP інженерами (а вони насправді пройшли три курси на Coursera) — замінюють платформні рішення Amazon/Google. Якщо говорити про CV інженерів, то у R&D лабораторію SoftServe шукають таких людей з сильними інженерними навичками та глибоким розумінням класичного CV.

Кирил: Люди, які раніше були CV/NLP інженерами зараз замінилися data інженерами. А ті вакансії CV/NLP, які є зараз на ринку, вимагають досить глибокого розуміння і досвіду. Більшість проектів CV, які ми бачили, — це був хайп, пов’язаний з autonomous driving, який зараз трохи спав. Щодо майбутнього, я б не очікував спаду в NLP і мотивував би всіх займатись цією сферою, тому що вона розвивається дуже цікаво

Питання: Який напрямок з data science є найбільш актуальним для людини з медичною освітою та чи надає ця освіта перевагу при влаштуванні на junior позицію?

Микола: Загалом дає перевагу, але залежить яка саме медична освіта. Якщо це медична освіта без доброї математичної бази, то це складніше і краще рухатись в сторону продукт менеджменту чи бізнес аналітики.

Питання: Які є коридори зарплатних очікувань залежно від рівня досвіду?

Олександра: Інтерн — 500-600$, Junior — 1000-1500$, Middle — 2500-3000$, Senior — 4000-4500$, Team Lead — 5000-5500$ та вище.

Питання: Чи можна з позиції software engineer переходити на data science, чи краще рух в data engineering?

Кирил: Варто спробували Kaggle і якщо ви отримуєте задоволення від «play with data», вам подобається розбиратися з даними, то можна пробувати data science, якщо ж не подобається, то краще data engineering.

Питання: Як знайти початківцю senior-спеціаліста для менторства, та на скільки менторська підтримка важлива в процесі навчання на data scientist чи data engineer?

Олександра: В Data Science UA функціонує програма менторства: людина заповнює анкету щодо свого досвіду, побажань, того, куди хоче рухатись, і ми враховуючи ці всі побажання знаходимо їй ментора. Ця програма платна, senior спеціалісту оплачується кожна консультація. Це дуже хороший старт для тих людей, які хочуть рости.

👍НравитсяПонравилось2
В избранноеВ избранном0
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

Дякую, було цікаво послухати
PS: також вдячний Олексію за курси по дискретній математиці та теорії алгоритмів в КПІ 7-8 років тому

Олександра: Інтерн — 500-600$, Junior — 1000-1500$, Middle — 2500-3000$, Senior — 4000-4500$, Team Lead — 5000-5500$ та вище.

це нет чи ґросс?

це нет, але дуже приблизно.
Усе залежить від навичок

на редкость вменяемая небольшая статья, с неплохой квинтэссенцией по тематике

хорошо зашли бы зашли еще выводы , а может, если свезет, и «Главная Правда ML»,
но это по ссылкам и самому можно сделать

якщо людина закінчила PhD, має бездоганну освіту і публікації
Data scientist — це не junior. Це або PhD

Как-то расходятся эти заявления с мнением мейнстрима, что формальное образование не нужно и достаточно пары-тройки курсов на Coursera. Вы там определитесь уже, а то пацаны переживают.

щас в УКУ скажут что освита непотрибна, ага

Подписаться на комментарии