@RocketMen

Разумно ли начало it-карьеры с Data Science & ML?

Доброго времени суток!
Мне 25 лет и в виду разных причин я думаю о начале it-карьеры.

бэкграунд:
Я закончил университет с отличием в 2018 году по специальности, кратко описываемой как "rocket science" (магистр/специалист). Обучение в университете совершенно не предполагало никакого программирования, хотя общие основы hardware преподавались достаточно хорошо. Также преподавались различные мат дисциплины на неплохом уровне необходимом для инженеров. Кроме того, была безумно интересная для меня дисциплина как теория надежности и тех диагностика где приходилось анализировать данные наработок на отказ, подбирать функции распределения общие стат характеристики, критерии и т.п.
Английский где-то между b2-c1.

Со всем вышеупомянутым дела у меня обстояли очень хорошо, особенно с мат дисциплинами, и мат статом в частности, хотя сейчас уже мало что вспомню.

Так вот, я хочу войти в it и меня очень интересует анализ данных. Стоит ли начинать именно с этого и не будет ли это слишком трудным для человека с нулевым опытом в программировании? Не слишком ли высок пороговый уровень для начала карьеры и может стоит начать с web-а или чего-то возможно по проще?

Очень беспокоит пороговый уровень, так как несмотря на личный интерес, кушать хочется уже сейчас, ибо работа по специальности оказалась совершенна невозможна.

Уже начал проходить курс по питону: https://www.udemy.com/course/complete-python-devel...

С большим соблазном смотрю на курс: https://www.coursera.org/professional-certificates...

По возможности, также хотел бы получить ваше профессиональное мнение по курсам выше, особенно от IBM. Смогу ли я после добросовестного прохождения курса от IBM, претендовать на какую-нибудь затхлую должность недоаналитика для начала карьеры? Очень серьезно отношусь к выбору курса, так как в свое время, выбор оптимальной программы для изучения английского позволил освоить его достаточно быстро.
  • Вопрос задан
  • 744 просмотра
Решения вопроса 1
@dmshar
В вашем вопросе мне видится две стороны. Попробую ответить.

Сторона 1. "Имею высшее техническое образование, денег не хватает, хочу больше (вполне нормальное - с моей точки - зрения желание), слышал, что в IT легко можно хорошо заработать (почти неправда! ), хочу стать программистом". В такой постановке вам придется конкурировать с десятками тысяч джунов, которые к тому же имеют образование не по загадочному "rocket science", а по вполне конкретному "computer science" и смежным специальностям, а следовательно конкуренцию с ними у вас большой шанс, увы, проиграть. Таких желающих даже на этом форуме - по десятку в неделю пишут посты, их становится все больше, а реальная потребность рынка близка - или даже перешла - точку насыщения. И если бы на этом было все в вашем вопросе - я бы не стал даже отвечать, ибо порядком надоело.

Но! В вашем вопросе была и
Сторона 2. "Имею высшее техническое образование, неплохую мат. подготовку, интересует анализ данных". Многие представляют себе проекты в DataScience - как "написал обращение к функции (или вызвал нейросеть), она мне все обсчитала (любую фантазийную задачу) выдала результат, я его сунул заказчику, он обомлел от счастья и отсыпал мне кучу бабла". К счастью, в реалии это вовсе не так. Для того, что бы заниматься DS надо знать (и любить!!) математику, теорвер, статистику и смежные дисциплины и быть готовым постоянно совершенствоваться в них (почему-то мне кажется, что у вас тут все в порядке) , знать программирование (да, без этого увы, нельзя - но вы готовы это наверстывать) и обладать экспертизой и серьезным пониманием процессов в той или иной предметной области. А вы - насколько я понял - есть специалист по технической диагностике. И вот тут у вас ОГРОМНОЕ преимущество. Перед теми, кто видит лишь маркетинговый антураж и по сути понимает DS как "котики направо - собачки налево".
Дело в том, что применение DS в промышленных и производственных сферах - это не так модно и красиво, как "распознать лицо на фотке", или "распознавание рукописного текста с телефона", но поле применения огромное - от АЭС до Интернет-сетей, от точного земледелия до медицинских приборов. Просто даже не буду переводить: A Machine Learning Approach to Detect Industrial Plant Faults, Detection in mechanical structures problems using extreme value statistics, Condition Monitoring, Predictive Maintenance Opportunities, Predictive and Prognostics of Industrial Equipment, Prognostics and Health Monitoring in Complex Engineering Sysytems, Machine Learning Algorithms for Intrusion Detection System и т.д . За этими задачами реальное будущее применения ИИ и DS. И непаханое поле деятельности - до пенсии точно хватит. А специалистов DS, с компетенцией в соответствующей сфере - огромный дефицит. И тут у вас 10 корпусов преимущества перед другими конкурентами. И даже перед теми, кто заканчивал по чистой "Data Science". Кстати - как я могу судить по своим наблюдениям - не только внутри страны, но и на мировом рынке труда.

Поэтому мой совет - все-таки определитесь со своей целью. Я бы советовал двигаться по второму пути. Как конкретно - это другой вопрос, который можно обсуждать уже дополнительно и отдельно, исходя их ваших реальных стартовых позиций и желаний.
Удачи!
Ответ написан
Пригласить эксперта
Ответы на вопрос 3
LazyTalent
@LazyTalent
Data Engineer, Freelancer
Для Data Science никакого программирования ненадо - только основы, а вот тервер, мат статистика итд нужны на хорошем уровне.
Ответ написан
Комментировать
firedragon
@firedragon
Не джун-мидл-сеньор, а трус-балбес-бывалый.
Нет это вам противопоказано идите в журналисты писать статьи про IT
Ответ написан
Комментировать
angrySCV
@angrySCV
machine learning, programming, startuping
>претендовать на какую-нибудь затхлую должность недоаналитика для начала карьеры
пробовать устроится то можно, НО обычно кроме теории требуется опыт решения задач, при этом в бизнесе часто сами задачи и используемые технологии очень размыты - поэтому без разнообразного опыта врядли можно устроится и нести какую-то пользу.
нужно вобщем добавить работу с проектами, либо самостоятельно что-то придумать, либо попытатся стажером поработать (ёсли где-нибудь набирают).
после этого года через 2-3 можете наверно пробывать на начальные позиции устроится.
ну может и раньше получится, пробуйте.
Ответ написан
Комментировать
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы