Всем доброго времени суток, уважаемые обитатели сайта!
Коротко: мне 34, хочу уйти в DS, потому что горю анализом, математику знаю отлично. Есть ли смысл?
Развернуто:
Я математик (не учитель/преподаватель в школе или вузе), больше школьный профиль, но обучаю и взрослых, неоднократно обращались за обучением именно начинающие АйТишники и прочие, кому теория вероятности и логика нужны профессионально. Не просто знаю ее, но прям горю математикой, поэтому меня хлебом не корми - дай чего-нибудь поанализировать/разобрать по полочкам/систематизировать.
Но понял, что хочу больше в анализ уходить, а не в обучение.
Есть успешный опыт работы руководителем в коммерческих организациях, склад ума технический, хотя образования педагогическое, психологическое и по мелочи.
Посоветовали мне обратить взор на Data Science. Хотя у меня с программированием вообще ноль. Почитал, интересно, загорелся, понял, что понравилось направление. Читал неделю, понимаю, что ушёл бы в эту сферу, но всегда же есть НО!
Вопросы к знающим:
1. Есть ли уже смысл в 2024 уходить в эту сферу, или там очередь огромная из самоучек и прошедших КМБ на курсах?
2. Насколько и правда там низкий порог в программировании? (Глупый вопрос, но у меня нет знакомых в этой сфере, а везде пишут, что программирование там не столь жесткое, как в других сферах)
3. Конечно не без этого, какой РЕАЛЬНЫЙ уровень зарплат в этой сфере без опыта? (Конечно у меня сейчас не миллионный доход, на свои 150-200 менять на 60 тр не хочу)
4. Какие советы можете дать? Что почитать, посмотреть, спиратить?
В общем, кто откликнется - спасибо огромное. Плюсов вам в карму, хороших НR, и удобного кресла для работы)
Р.s. Я впринципе готов учиться и даже люблю изучать что-то новое. Готов потратить год на изучение DS, и программирование, вложить деньги в процесс обучения. Согласен на то, что не очень много буду зарабатывать вначале. Но есть ли смысл?) насколько через год будет востребован такой джун как я?)
Добрый день!
Спасибо за уделенное внимание.
Конечно не будут, я это понимаю. Сейчас есть тенденция вообще не платить людям некоторое время (красиво называется, стажировка).
Хотелось бы понять можно ли выйти к таким числам через 2-3 года. Или сколько вообще надо времени на это.
Можно начать с обычной аналитики без DS. К математике нужно добавить только SQL и Python на нормальном уровне, чтобы на собесе не теряться. В идеале еще логрегрессия, бустинг и метрики эффективности. В банковской/финансовой сфере за это сразу нормально платят. На старте 150 не гарантировано, а 100 абсолютно реально.
Может имеет смысл применить ваши навыки и проанализировать эту сферу по вакансиям? Там и требования почитать и зарплатные вилки могут быть.
Далеко не везде нужно знать программирование, иногда данные можно анализировать простыми запросами в базу данных или специальными инструментами типа Jupiter - их имеет смысл освоить даже не идя в ИТ.
Благодарю за ответ.
Привык к тому, что в вакансии может бы указано что угодно, а на деле все обстоит иначе. Поэтому и спросил ведающих.
Да и программированию я готов учиться)
1. Без сильного программирования делать будет нечего. Есть вакансии математиков там (иногда) программирование требуется но постольку поскольку. Именно в DS требования к программированию большие. Более того в последние годы наметилась тенденция под многими DS вакансиями, бизнес ожидает разработчика в области DS. No Code практики существуют (слабо распространены в России) упомянутый (Jupyter) не имеет к этому никакого отношения в нем надо точно также уметь кодить. Да и в целом No Code довольно редко встречается.
2.
Готов потратить год на изучение DS,
Не реально. Я бы не советовал менять тебе профессию, а если хочешь в DS начни учится, и не на курсах а самостоятельно и начинать надо с программирования.
3. По зарплатам расти можно довольно быстро да и на первой работе могут платить далеко не 60. Вопрос не в этом, до того как ты сможешь претендовать у тебя путь в несколько лет.
Добрый день!
Благодарю за развернутый ответ.
Я впринципе понимаю, что нельзя за год войти в довольно серьезную профессию. Значит 2-3. Так даже интереснее. Буду изучать, и правда не в один конец билет.
Как вы считаете, нужно пристально в Python уходить вначале, параллельно изучая всю подноготную DS?
Курсам не доверяю, но сегодня любой курс можно найти и бесплатно. Они хороши только своей систематизацией. Но слишком поверхностны.
math13, Для Российского рынка однозначно python, у нас по R вакансий очень мало.
Как вы считаете, нужно пристально в Python уходить вначале, параллельно изучая всю подноготную DS?
Просто в python без подноготной DS. Насчет математики 4 дисциплины.
1. Линейная алгебра (операции с матрицами и векторами на языке DS тензорами определенных порядков и их геометрические свойства играют большую роль).
2. Интегрирование дифференцирование функции с несколькими переменными (самое главное)
3. Теория вероятности
4. Статистика (что бы ее освоить на достойном уровне первые три должны на высоком уровне). По скольку это то с чем ты имеешь дело (У тебя есть наблюдения) а ты задаешься вопросом какой процесс сгенерировал эти данные.
Но на старте чистый python. Ты же математик (1 + 0.01)^n сам знаешь как работает. Сильное программирование это основание твоего будущего экспонентного роста. А оно требует времени постоянной практики, что бы ты привык мыслить как программист. Потом на это дело DS подтянешь.
1. Линейку знаю, я ее преподаю студентам.
2. Это тоже отлично помню, может что-то вспомнить нужно, но мне на э о недели хватит.
3. Мой любимый раздел, недавно полностью до теории графов преподавал одному ученику.
4. Тут нужно будет доучить.
Но я понял, что у меня база есть, и Вы даже меня вдохновили, что можно поучиться, лишним не будет.
Огромное спасибо)
Если горишь, конечно, ДА! Нужно только сориентироваться какие знания математики куда применять в DS. Если математическая база действительно есть, то дальше нужно определиться со стеком: посмотреть вакансии и требования к ним в различных предметных областях. Есть вакансии не наборщиков кода, а специалистов, развивающих область, разрабатывающих новые алгоритмы и изучающих нетиповые задачи, там больше нужны фундаментальные знания. В любой более менее крупной компании есть такие "научные" группы.
Простой
Простой
Простой
