Алиса Рахутина
август 2015.
877

Что нужно знать, чтобы попасть на работу data scientist сразу после института?

Ответить
Ответить
Комментировать
0
Подписаться
2
2 ответа
Поделиться
АВТОР ВОПРОСА ОДОБРИЛ ЭТОТ ОТВЕТ

Хорошее знание статистики, оптимизации, теории вероятностей, баз данных, навыки программирования (не обязательно быть суперкодером, но желательно знать SAS/R/SPSS, один из скриптовых языков типа Python, уметь писать запросы на SQL). Это базовый уровень знаний, необходимый для любого анализа данных.

Если предполагается специализация, желательно понимать и ту сферу, где предполагается работать (финансы, риск-менеджмент, биоинформатика, нефтянка и т.д.).

Желательно также обладать определенными soft skills, например, умение провести презентацию, объяснить в доступной форме, в чем важность полученного результата. Ну и желательно владение английским языком, хотя бы для того, чтобы читать статьи и книги по теме.

К счастью, получить качественные знания по теме сейчас намного проще, есть Coursera, есть курсы на iTunes University, а самый простой вариант -- это посмотреть программы курсов американских университетов и подбирать книги по темам. Например, вот так: google.ru

3
0
Прокомментировать

В первую очередь, нужно знать основные разделы высшей математики, математическую статистику, иметь базовые навыки программирования и анализа данных. Это необходимый набор для джуна. Как только вы начинаете метить на позицию выше, список требований, конечно, расширяется. Набор необходимых скиллов и инструментов будет во многом зависеть от задач конкретной компании.

Как правило, в Data Science используют SQL, Python, для сложных вычислений — C/C++. Хороший уровень английского поможет быстрее расти за счет чтения профессиональной литературы и общения с другими профессионалами отрасли.

От начинающего специалиста по Data Science работодатель ждет:

  • базовое знание математической статистики, алгоритмов машинного обучения;
  • навыки подготовки данных к анализу с помощью библиотек;
  • способность выбрать подходящий алгоритм под задачу и создать модель на его основе;
  • умение защитить эффективность модели;
  • способность успешно внедрить ее в процесс или продукт.
    Больше про профессию датасаентиста рассказали в статье Яндекс.Практикума на Академии Яндекса.
0
-1

Опять этот яндекс. Вас слишком много, унялись бы. Из каждой дырки яндекс свою рекламу впаривает. Забивая на свои же правила.

-2
Ответить

А о какой именно рекламе вы говорите? Я, кажется, не указала даже ни одного нашего онлайн-курса или Школы, я предложила прочитать статью по теме и привела ответ на заданный вопрос.

0
Ответить
Прокомментировать
Ответить