фото показано с aif.ru

Для выпускников школ настало время определяться, на какие факультеты подавать заявления. Наверняка многие пойдут на программистов и айтишников. Однако это общее, широкое направление, включающее множество узких специализаций.

Для выпускников школ настало время определяться, на какие факультеты подавать заявления. Наверняка многие пойдут на программистов и айтишников. Однако это общее, широкое направление, включающее множество узких специализаций.И среди них постоянно появляются новые профессии, востребованные в современной экономике. Например, датасаентисты, за возможность нанять которых уже конкурируют многие компании. По данным Всемирного экономического форума, такие специалисты будет занимать первые места в рейтингах профессий с самым большим спросом на рынке как минимум до 2025 года.Кто такие датасаентисты? Рассказывает декан специального факультета талантливой молодежи «Высшая школа «Форсайт», заведующий кафедрой математическим методов в экономике РЭУ им. Г. В. Плеханова Денис Максимов.- В последние десятилетия объем данных настолько возрос, что сбор информации, ее интерпретацию и визуализацию пришлось «поручить» компьютерам. Но способны ли умные машины обрабатывать информацию самостоятельно? Конечно, нет. Необходимо создать программу, обеспечивающую корректную обработку сырых данных на входе, и, например, построение графика на выходе. Человек обрабатывает полученные компьютером результаты. Только он может определить, как они соотносятся с решаемой задачей, подтверждается или опровергается выдвинутая гипотеза.Однако чтобы проделать данные виды работ, необходимо обладать достаточно уникальными компетенциями. Такие продвинутые пользователи – это люди, владеющие новой, но уже востребованной во всех областях знания профессией – Data scientist (датасаентист).Сформировали эту профессию интернет-разработчики, математики, бизнес-аналитики, маркетологи, статистки. В силу своей новизны она не имеет пока русского названия. По этой же причине нередко датасаентистов путают со специалистами, обладающими компетенциями аналитиков. Так, работа аналитиков также связана с анализом больших объемов информации. Но в отличие от них, Data scientist занимается прогнозированием, предвидением будущего. Например, куда и зачем будут ездить жители города через некоторое время. Аналитик же имеет дело с тем, что уже случилось. К примеру, как за период изменились маршруты общественного городского транспорта, какие из них можно отменить.Таким образом, разница уровней компетенций более чем очевидна.Несмотря на молодость специальности, мы сталкиваемся с результатами работы датасаентистов буквально на каждом шагу: таргетированная (нацеленная на конкретную аудиторию) реклама; голосовые помощники; агрегаторы такси; приложения, подбирающие музыку или новости в соответствии с предпочтениями пользователя или информирующие о возможных друзьях в социальных сетях; системы распознавания лиц, используемые в системе охраны в аэропортах и банках. Алгоритмы Data Science лежат в основе любых прогнозов: продажи, погода, научные исследования, финансовый анализ, медицинская диагностика и многое другое. В зависимости от специфики компании деятельность датасаентиста имеет особенности, а в целом алгоритм его работы примерно таков:– определение потребности и конкретной цели заказчика;– выяснение целесообразности решения поставленной задачи с использованием методов машинного обучения;– если да, то подготовка данных для анализа и модели оценки;– программирование и «тренировка» модели машинного обучения;– оценка целесообразности применения модели машинного обучения;– внедрение модели непосредственно в производственный процесс;– сопровождение модели.Как мы видим, работа датасаентистов похожа на процесс научного исследования, объект изучения которого – большой объем информации. Она требует определенных технических компетенций и навыков, значительно более глубоких, чем узкопрофессиональные компетенции.Data scientist – междисциплинарная профессия. Такой специалист должен обладать знаниями в области математики и математической статистики, программирования, основ машинного обучения. Важное конкурентное преимущество датасаентиста – это сочетание глубокого знания предметной области, например, экономики, с развитыми коммуникативными навыками и такими личными качествами, как системность мышления, усидчивость и целеустремленность.Порог вхождения в профессию Data scientist довольно высок, однако желание учиться, заинтересованность и некоторое упорство позволяют с ним справиться. Ведь как писал М. Горький: «Талант развивается из чувства любви к делу, возможно даже, что талант – в сущности его – и есть любовь к делу, к процессу работы». За право пригласить датасаентистов на работу ведется постоянная ожесточенная борьба. И это объяснимо, – обладатели такого уникального набора компетенций, – гаранты удержания лидирующих позиций в цифровой экономике.Наградой же выпускнику станет интересная специальность, работая по которой он сможет не только писать программные коды, но и решать интересные задачи. Приятным бонусом к нетривиальным задачам будет средняя заработная плата в 175 тысяч рублей на российском рынке труда (по данным сервиса «Работа.ру»).

Аналог Ноткоин - TapSwap Получай Бесплатные Монеты

Подробнее читайте на aif.ru