Data Science - jak zacząć? Umiejętności i wymagania w pracy Data Scientist

Data Science to branża, która w ostatnich latach doskonale się rozwija. Nic więc dziwnego, że coraz więcej osób jest zainteresowanych zawodem Data Scientist

Przyszłych specjalistów kuszą ciekawe projekty, atrakcyjne zarobki i bardzo rozwojowy sektor IT. W tym artykule postaramy się odpowiedzieć na pytanie: jak zacząć pracę w data science? Pochylimy się nad oczekiwanymi przez pracodawców umiejętnościami i kompetencjami Data Scientistów. Poruszymy także temat studiowania Data Science i możliwości pracy w Data Science bez studiów, tj. przygotowaniem do zawodu za pośrednictwem kursów i szkoleń dla IT.

Jakie umiejętności powinien mieć Data Scientist?

Data Scientist może pracować w wielu dziedzinach i branżach - np. finansach, marketingu, e-commerce - jest to też często praca z klientem indywidualnym, dlatego jego kompetencje muszą znacznie wykraczać poza umiejętność analizy danych. Jeśli nie wiesz, co robi osoba na tym stanowisku, koniecznie zajrzyj do artykułu Łukasza Kobylińskiego: Kim jest Data Scientist, czym się zajmuje i jak nim zostać.

Czego oczekują pracodawcy? Aby odpowiedzieć na to pytanie, przeanalizowaliśmy wymagania zawarte w ogłoszeniach o pracę na stanowiska Data Scientist dostępne na popularnych portalach. Poniżej przedstawiamy wymagania, które pojawiały się najczęściej w ofertach pracy w data science. Sprawdź, co trzeba umieć.

Wśród podstawowych umiejętności Data Scientist należy wymienić:

• umiejętność logicznego myślenia
• umiejętność analizy dużych zbiorów danych / umiejętności analityczne
• umiejętność kreatywnego rozwiązywania problemów
• bardzo dobre umiejętności komunikacyjne - ze względu na konieczność pracy w zespole i kontakty z klientami
• umiejętność przełożenia potrzeb biznesowych na rozwiązania w IT

Wymagania:

• Dobra znajomość SQL, Python - Pandas, R.
• Wiedza w zakresie Big Data Ecosystems: Hadoop, Azure, Spark (PySpark/Scala, MLlib, GraphX);
• Technologie Cloud: Google Cloud and BigQuery, AWS
• Dobra znajomość relacyjnych baz danych
• Doświadczenie z narzędziami klasy Power BI
• Doświadczenie w metodach uczenia maszynowego
• Znajomość podstawowych zagadnień statystycznych
• Znajomość angielskiego na poziomie B2
• Wykształcenie zbliżone do matematycznego

Mile widziane:

• Doświadczenie w pracy z bazami danych PySpark i NoSQL
• Doświadczenie w przetwarzaniu dużych zbiorów danych
• Doświadczenie w przetwarzaniu języka naturalnego
• Doświadczenie w wizualizacji danych i wyciąganiu wniosków
• Doświadczenie w kontaktach B2B
• Umiejętność kwestionowania decyzji
• Podstawowa wiedza z zakresu administracji biznesowej

Jak widać, kandydaci muszą wykazać się umiejętnościami programistycznymi, analitycznymi, a także predyspozycjami biznesowymi i umiejętnością rozwiązywania problemów.

Jak zdobyć wymagane umiejętności? Jak zacząć karierę w Data Science?

W wielu ofertach pracy pojawia się wymaganie dotyczące wykształcenia z kierunków takich jak: informatyka, matematyka, ekonometria, ekonomia, fizyka lub innej pokrewnej dziedziny. Nie jest to jednak warunek konieczny. Znajomość odpowiednich technologii i technik analizy danych będzie zdecydowanie ważniejsza. Wymagane umiejętności można zdobyć na studiach Data Science, uczestnicząc w projektach związanych z tą tematyką lub podczas szkoleń i kursów.

Gdzie studiować Data Science?

Studia licencjackie w kierunku Data Science są prowadzone przez Collegium Da Vinci w Poznaniu. Studia magisterskie dostępne są natomiast na Uniwersytecie Marii Curie-Skłodowskiej w Lublinie i na Uniwersytecie Wrocławskim. Data Science często jest też specjalnością na kierunku informatyka, np. na Politechnice Łódzkiej, Politechnice Śląskiej w Gliwicach czy w Polsko-Japońskiej Akademii Technik Komputerowych w Warszawie.

Jeśli masz ukończone studia, szczególnie techniczne lub matematyczne, możesz skorzystać z oferty studiów podyplomowych. Przewaga takich studiów to węższy zakres tematyczny, większe nastawienie na praktykę i nastawienie na zdobywanie kompetencji potrzebnych do zdobycia pracy, a także krótszy czas studiowania (1 rok). Dodatkowo często na studiach podyplomowych wykładają praktycy, którzy mają nie tylko wykształcenie, ale i doświadczenie w pracy z Big Data i Data Science. My polecamy studia podyplomowe Data Science na Politechnice Warszawskiej oraz Data Science i Big Data w Zarządzaniu na Akademii Leona Koźmińskiego.

Data Science bez studiów - ścieżka kursowa

Na rynku dostępnych jest wiele kursów i szkoleń w zakresie Data Science. W naszej opinii najlepiej wybrać te kompleksowe, intensywne i wielotygodniowe. Data Science to zdecydowanie zbyt obszerna dziedzina, by nabyć kompetencje potrzebne do pracy podczas weekendowego warsztatu (te zdecydowanie bardziej sprawdzą się dla osób, które już pracują z danymi, a chcą poszerzyć swoje kompetencje np. w nowej technologii).

Alternatywą dla studiów zdecydowanie jest bootcamp Data Science Kodołamacza. Jest to kurs trwający 7 tygodni w trybie stacjonarnym lub 16 weekendów w trybie zaocznym - po 8 h dziennie. Jak wynika z doświadczenia organizatorów, to właśnie jest optymalny czas, by przyswoić wiedzę i nabyć solidne praktyczne umiejętności potrzebne do otrzymania pracy w tym zawodzie. Bootcamp prowadzą trenerzy z dużym doświadczeniem pracy w Data Science, dzięki czemu nie ma zbędnej teorii, a cały kurs nastawiony jest na praktykę.

Dla kogo polecamy udział w bootcampie? Dla osób z pierwszym doświadczeniem programistycznym lub znającym podstawy języków programowania (np. Python). Jeśli jeszcze nie masz takiego doświadczenia, rozpocznij od podstaw programowania na kursie Python. Przed każdym kursem kandydaci przechodzą proces rekrutacyjny, podczas którego weryfikowany jest dotychczasowy poziom wiedzy uczestników, tak aby sprawdzić, czy osoby biorące udział w kursie, będą mogły wynieść z niego realne korzyści i dostosować poziom przekazywanej wiedzy do grupy.