@BeginerDataScientist

Важно ли высшее образование в Data science и Machine learning?

Всем привет , интересует ответ на вопрос : так ли необходимо высшее образование в области DS и ML?
Дело в том , что сейчас я обучаюсь на 2 курсе колледжа , и у меня есть выбор :
- начать углубленно изучать эту область самостоятельно , участвовать в соревнованиях на Kaggle .
- подготавливаться к сдаче ЕГЭ и дальнейшему поступлению в вуз (на мат. факультет естественно) .
Так вот , если я выберу второй вариант , то по окончанию вуза буду иметь голый диплом без опыта , в первом же случаи к этому времени у меня было бы около 6 лет опыта , но без диплома.
Хочу спросить , у тех , кто работает в этой области : при рассмотрении вашего резюме так ли работодатель смотрит на наличие диплома ВО ? Возможно , есть примеры из личной жизни , либо знакомых , коллег?
  • Вопрос задан
  • 534 просмотра
Решения вопроса 1
sergey-gornostaev
@sergey-gornostaev
Седой и строгий
Важно ли высшее образование в Data science и Machine learning?

Это области, требующие того уровня математической подготовки, который практически невозможно получить без профильного высшего образования.

в первом же случаи к этому времени у меня было бы около 6 лет опыта , но без диплома

Не будет. В DS и ML не приходят с улицы. На соответствующие должности нанимают опытных программистов из других областей.
Ответ написан
Пригласить эксперта
Ответы на вопрос 1
@zexer
В то время как такие классики как Константин Воронцов и Александр Дьяконов заявляют, что в базовых задачах анализа данных вам не нужны супер знания математики, Сергей Горностаев все продолжать рассказывать сказки про то, что в анализ данных приходят какие-то готовые опытные специалисты из других направлений.
У вас может быть искажено восприятие реальности, но я открываю секрет: на такие позиции даже ищут стажёров и джунов, в том числе из-за того, что больше половины работы аналитика данных заключается в том как достать данные, обработать, сделать фильтрацию и так далее. Многие из этих задач вполне способны сделать и стажёры и джуны, разумеется под присмотром более опытных коллег.
Не нужно думать что если речь про анализ данных, то это обязательно какие-то супер тяжёлые нейронки и глубокое обучение.
Так же не нужно думать, что стажёры и джуны какие-то слабаки, многие из них вполне годно знают статистику, матан, линейную алгебру и даже методы оптимизации, это примерно 2-3 курс любого мат направления.
Если ты действительно знаешь что такое производная и как она применяется, что такое градиент и некоторые матричные операции - остаётся добавить навыков питона и анализа данных, это не какие-то тяжёлые знания, для стажёра уровень будет соответствовать.
Так же не нужно думать, что аналитик данных это только работа с моделями, как я уже сказал, во многих компаниях на эту должность приходится очень много переферии, в том числе выведение моделей в прод иногда лежит на самом аналитике.
Рассказываю ещё один секрет, в 2020 году существуют такие библиотеки как xgboost, которые позволяют создать модель с приемлемой точностью, при этом не разбираясь в том, как оно работает внутри. Сказать, что так делают так называемые "макаки" - справедливо, но факт остаётся фактом - такие люди существуют только из-за того, что даже такие люди в состоянии решать задачи, никому не нужна борьба за проценты точности модели, а если нужна, то да, именно туда будут набирать супер опытных аналитиков.
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы