Изнутри №20: вся правда о профессии Data Scientist
Студент ИТМО и Senior Data Scientist из «Лаборатории Касперского» рассказывают все, что нужно знать о работе этого специалиста: о зарплатах, трудностях, стереотипах и секретах успеха
На сегодня Data Scientist - одна из актуальных профессий на мировом рынке труда. В России эти кадры по данным hh.ru уверенно вошли в ТОП-4 специалистов, которые будут востребованы среди работодателей в 2024 году.
Учат на Data Scientist-специалиста как в вузах, так и на онлайн-курсах - однако при всей популярности и востребованности этой профессии о том, чем занимаются и сколько получают Data Scientist, известно мало и чаще всего - в общих чертах.
По этому поводу мы посвятили юбилейный выпуск Изнутри (проекта ПУ, в котором узнаем о различных профессиях с помощью экспертов) специалистам по машинному обучению.
О том, чем занимается Data Scientist и чем он отличается от системного аналитика, сколько получает и с какими трудностями сталкивается в работе, подробно рассказывают студент второго курса направления “Бизнес-информатики” ИТМО Максим Игнатов и Senior Data Scientist из «Лаборатории Касперского» Янина Баландюк-Опалинская.
Янина Баландюк-Опалинская
Максим Игнатов
Хочу в IT - но стоит ли идти?
О востребованных IT-профессиях в 2024 году и необходимых навыках узнали у экспертов hh.ru
ПОЧЕМУ ВЫ РЕШИЛИ СТАТЬ DATA SCIENTIST-СПЕЦИАЛИСТОМ?
Максим Игнатов, студент 2 курса «Бизнес-информатики», ИТМО: «Во-первых, это, действительно, очень интересно: нужно каждый раз погружаться и изучать новую сферу, в которой существует тот или иной продукт, чтобы выполнять задачи.
Во-вторых, это очень перспективно. Искусственный интеллект может помогать специалистам самых разных сфер выполнять свою работу качественнее и эффективнее. А анализ данных с помощью моделей машинного обучения является отличным методом для исследований и обнаружения неявных закономерностей».
Янина Баландюк-Опалинская, Senior Data Scientist в «Лаборатории Касперского»: «Я с детства хотела стать программистом, который решает интересные задачи. Эта мечта зародилась, когда в начальной школе мне купили первый компьютер и друг моих родителей, программист, пришел его настраивать. Меня впечатлило, как много он знает и как легко обращается с машиной.
В итоге я пошла учиться в школу с технологическим уклоном и потом поступила на факультет ВМК МГУ. Во время учебы в университете выбрала направление, связанное с компьютерной лингвистикой, по этому направлению потом нашла и работу. И отсюда уже пришла в Data Science, т.к. многие задачи обработки текста решаются с помощью машинного обучения. Считаю, что мечта исполнилась – задачи интересные, а программирование тоже является неотъемлемой частью профессии».
*адаптируют на новом рабочем месте - ПУ
ЧЕМ ЗАНИМАЕТСЯ DATA SCIENTIST?
Максим Игнатов: «Data Scientist - это специалист, работающий на стыке трех дисциплин: математики, машинного обучения, программирования. Основная задача - применять разработанные алгоритмы машинного обучения в продукте или при исследовании большого объема данных».
Янина Баландюк-Опалинская: «На самом деле каждый работодатель может вкладывать в это понятие свои представления. Где-то это по сути роль аналитика, где-то – человека, который только обучает модели. В других компаниях, как, например, в «Лаборатории Касперского», это скорее fullstack-специалист (специалист, который может работать над всем циклом создания приложения или сайта - ПУ).
Если кратко, Data Scientist старается помогать бизнесу решать определенные задачи с помощью методов машинного обучения, статистики и других доступных ему инструментов. Задачи могут быть разные – от автоматизации рутинных процессов до поиска аномалий, группировки данных по каким-то признакам для анализа».
Янина Баландюк-Опалинская подробно описывает, чем занимается Data Scientist
В ЧЕМ ОТЛИЧИЕ РАБОТЫ СИСТЕМНОГО АНАЛИТИКА И DATA SCIENTIST-СПЕЦИАЛИСТА?
Максим Игнатов: «Системный аналитик работает с требованиями заказчика IT продукта и переводит их на язык понятный разработчикам, пишет техническое задание. Также данный специалист осуществляет контроль продукта, вплоть до его запуска. Data Scientist, в свою очередь, обрабатывает массивы разнообразных данных, ищет в них различные связи и закономерности, использует алгоритмы машинного обучения для прогнозирования определенных показателей или решения бизнес задач».
Янина Баландюк-Опалинская: «Работа системного аналитика связана в основном со сбором требований, связи между собой заказчиков, разработчиков и пользователей. В Data Science мы тоже часто этим занимаемся, но все же это не основная деятельность. Больше времени Data Scientist занимается анализом данных, обучением, оценкой, развитием моделей машинного обучения, анализом ошибок, а также разработкой программ, использующих модели».
С КАКИМИ ТРУДНОСТЯМИ ЧАЩЕ ВСЕГО СТАЛКИВАЮТСЯ СПЕЦИАЛИСТЫ DATA SCIENTIST, В ТОМ ЧИСЛЕ ВЫПУСКНИКИ?
Максим Игнатов: «Программирование и машинное обучение как области постоянно развиваются и меняются. Чтобы оставаться конкурентоспособным специалистом, нужно постоянно быть в курсе актуальных новостей, знать новые технологии и уметь их применять. Это первое.
Второе: объект исследования в зависимости от сферы может быть совершенно иным, непохожим на предыдущие. И чтобы выполнить свою работу качественно, придется поизучать особенности этого объекта, специфику сферы. А это изучение - процесс трудоемкий и занимает, как правило, много времени и сил».
Янина Баландюк-Опалинская: «Во-первых, это может быть отрыв от реальных задач. Людей в вузах и на курсах обычно учат решать определенную задачу на конкретных данных, а в жизни это все еще нужно сначала самостоятельно сформулировать и собрать. Часто идеальных данных нет, зато есть дополнительные требования – по быстродействию, критичности ошибки и т.п.
Порой трудности могут возникать в рамках общения. Часто его бывает много: с заказчиками, руководителями, разработчиками, аналитиками. Иными словами, важно уметь общаться, формулировать задачи и возвращаться с обратной связью, человек должен быть готов прокачивать soft skills».
КАКИЕ ЛОЖНЫЕ СТЕРЕОТИПЫ СЛОЖИЛИСЬ ВОКРУГ ЭТОЙ ПРОФЕССИИ?
Максим Игнатов: «Есть утверждение, что Data Scientist-специалисты работают только в IT-компаниях. На самом деле эти специалисты работают в различных, порой отдаленных сферах. Например, в медицине, недвижимости, образовании и многих других».
Янина Баландюк-Опалинская: «Наверное, из самых распространенных – это стереотипы о зарплате. На мой взгляд, зарплата в этой сфере хорошая, но, чтобы она росла, нужен прежде всего опыт и знания. Обычно условия обсуждаются с каждым кандидатом индивидуально.
Другой стереотип может быть чуть менее очевидным, речь о связи с наукой. Несмотря на название профессии, содержащее слово Scientist, очень немногие специалисты напрямую занимаются наукой, так как большинство задач хорошо решается проверенными методами».
КАК ВЫГЛЯДИТ РАБОЧИЙ ДЕНЬ DATA SCIENTIST-СПЕЦИАЛИСТА?
Максим Игнатов: «Представляю его так: утром проверяю почту или трекер задач. Затем планирую рабочий день и выделяю приоритетные задачи.
В течение дня я выполняю свою работу (содержание ее зависит от того, на какой стадии находится большая задача) обрабатываю данные, ищу закономерности, обучаю модели машинного обучения, провожу тесты, встраиваю модели в продукт или визуализирую результаты работы, чтобы показать их другим членам команды.
Вечер я могу заняться самообразованием или обменяться опытом с другими специалистами. Также можно просто подумать о проделанной работе и выстроить планы на будущее!»
Янина Баландюк-Опалинская: «Рабочий день начинается у всех в разное время, в этом плане у IT-специалистов может быть достаточно гибкий график. Я начинаю рабочий день после того, как утром отвожу детей в сад. Наливаю кофе, проверяю почту, а затем приступаю к задачам - они могут быть разными, например: проверить, обучилась ли модель на распределенном кластере, подготовить код для запуска эксперимента, а также описание гипотезы по улучшению качества модели, обернуть готовую модель в сервис, добавить функционал в сервис».
СКОЛЬКО В СРЕДНЕМ ЗАРАБАТЫВАЕТ DATA SCIENTIST: junior, middle, senior?
Максим Игнатов: «Исходя из медианных значений зарплаты специалистов по Москве и Санкт-Петербургу по уровню junior составляют около 100 тысяч рублей. Среди middle-специалистов - 180 тысяч рублей, профессионалов уровня senior - 230 тысяч рублей».
Янина Баландюк-Опалинская: «Зарплата разнится, зависит от того, где вы работаете, например, в стартапе или большой компании, а также от требований к кандидатам и региона, где находится компания, и не только».
ЧЕГО В ПРОФЕССИИ ВЫ БОИТЕСЬ БОЛЬШЕ ВСЕГО?
Максим Игнатов: «Боятся нечего. Однако временами переживаю вот о чем: сейчас на рынке труда растет тенденция в сторону профессий, связанных с анализом данных и машинным обучением. Причем, спрос растет не только со стороны работодателей - эти специальности активно осваивают множество людей. А это в конце концов может привести к конкуренции и тому, что работодатели повысят требования при приеме на работу».
Янина Баландюк-Опалинская: «У нас был опрос, в ходе которого почти половина респондентов в России признались, что верят в реальность восстания машин. Сразу скажу, я этого не боюсь. Впечатляющие результаты, которые показывают сейчас ML-модели – это все равно повторение того, на чем модель обучалась, это не «интеллект».
Лично у меня бывают периоды, когда интерес к обучению, узнаванию чего-то нового рассеивается, это огорчает. Обычно это происходит из-за усталости, ведь помимо работы есть другие дела и заботы. Сейчас я уже знаю, что это дело периодическое, так что в такие моменты стараюсь больше себе позволять отдыхать и заниматься другой различной деятельностью – спортом, творчеством, чтением художественной литературы, играми».
ОТ ЧЕГО ЗАВИСИТ УСПЕХ В ВАШЕЙ ПРОФЕССИИ?
Максим Игнатов, студент 2 курса «Бизнес-информатики», ИТМО: «Успех в этой сфере зависит от того, насколько развиты ваши "хард" и "софт" скиллы. Помимо того, чтобы иметь глубокие знания в области математики и статистики, уметь программировать, нужно оставаться коммуникабельным, мотивированным, развивать стрессоустойчивость и постоянно изучать что-то новое!»
Янина Баландюк-Опалинская, Senior Data Scientist в «Лаборатории Касперского»: «От желания докопаться до сути задачи и решить ее, а не применить конкретный метод. Требуется широкий взгляд на задачу. От желания узнавать новое и быть в курсе новостей в области. Нужно знание английского – все новые статьи, документация выходят на английском языке. А еще – умение быстро разбираться в новой среде – как в новых методах и моделях, так и в предметных областях, если вы занимаетесь широким кругом задач в Data Science».
Студент ИТМО и Senior Data Scientist из «Лаборатории Касперского» рассказывают все, что нужно знать о работе этого специалиста: о зарплатах, трудностях, стереотипах и секретах успеха
Кристина Евдокимова
