データサイエンティストとは-雇用主の目を通して。 AvitoとSpice ITのインタビュー

Fontanka.ruの開発ディレクターであるKsenia Suvorovaと、オフラインのData ScientistプログラムのコーディネーターであるAndology Miroshnichenkoは、特にNetologyブログのために、Avito社およびSpice IT HRエージェンシーの代表者と、データサイエンティストの専門家の代表が市場に期待することについてのインタビューを準備しました。

現在、データサイエンスまたは機械学習に関するほとんどすべての記事は、「3年前、アメリカの調査会社が4年後、100万人のデータサイエンティストが必要になると計算した」という事実から始まります。 そして、ロシアでさえ、専門知識を持つ人々の深刻な不足があります。 同時に、この分野をマスターする多くの機会があります：オンラインとオフラインのコース、シミュレーター、本-つまり、現在の状況を本当に修正することです。 オフラインデータサイエンティストプログラムのコーディネーター、Andrei Miroshnichenkoによるインタビュー。



前回、2回のインタビューを簡単に絞り 、ビッグデータの専門家の職業が従業員ではなく雇用主の側からどのように見えるかについて話しました。 本日、AvitoおよびSpice ITへの完全なインタビューを公開します。

アビト

Alexandra Golovinaは、データサイエンスの専門家の展望とAvito Netologiaでの仕事について話しました。

あなたの意見では、データサイエンス市場はどの段階ですか？ 成長するのか、十分に発達するのか、それともまったく減るのか、6か月後、勉強した人たちは時間を無駄にしていることを理解するだろうか？

データサイエンスの専門家の必要性は非常に大きく、今後も拡大し続けます。 ただし、トレーニングの機会も多くあります。十分な学術教育を受けていないことを理解している人なら誰でも、コースを受講して必要な基盤を取得できます。

むしろ、問題は、誰が、なぜ職業に就くかということです。 現在、ビッグデータの分野に興味を持ち、それを研究しているが、なぜそれが本当に必要なのかまだ理解していない人がかなりいます。 インタビューで、応募者は機械学習に興味があると言い、理由を尋ね始めると「ファッショナブルだ」と答えます。 それだけです。 知識を適用する方法を理解する、いや。 つまり、ほとんどの場合、これは研究のための研究であり、彼ら自身の仮説をテストする試みです。

しかし、ビジネスではそうではありません。 最適な解決方法を見つける必要がある問題があります。 詳細は、このソリューションが実用的であることです。 そして、これはおそらく人を選択するときに直面する主な問題です。 一部の申請者は、美しいアルゴリズムを考え出すだけで十分だと考えており、それをどこにも適用できないという事実は10番目です。 つまり、問題は多くの人々がデータサイエンスを研究しているが、誰からもデータを適用する場所と理由を十分に理解していないことです。

検査は、順番に分割することができます。 私たちに近い分野で働いた人がいます-分類、IT。 彼らは知識をどこでどのように適用するかを完全に理解しています。 銀行、昨日の卒業生、または研究室で働いていた人など、別の地域から来た人はこの点で負けていますが、これは私たちにとっての指標ではありません。 そのような候補者は私たちのビジネスの詳細を知らないかもしれませんが、仕事を複雑にすることなく完全に機能するアルゴリズムを開発することができます。 ちなみに、これは候補者の2番目の問題です。 彼らは深い学習、深いネットワークに入り、より複雑なものを見つけようとします。 実際には、機能するモデルの方がはるかに簡単です。

市場や内部リソースからどのように人材を募集していますか？

データサイエンスはさまざまな方向から来ています。 YandexとMail.ruの候補者だけを見るわけではありません。 上級職の場合はもちろん、より早い段階でビッグデータを扱う人が必要です。これは具体的に必要です。

データサイエンスや機械学習でも、コンテストの多くはDataRingのKaggleとのコンテストから来ています。 しかし、これでも私たちにとって決定的な指標ではありません。 候補者の能力がポジションにどれだけ対応しているか、基本的にどのくらいチームに適合するかを調べます。 私たちにとって、同僚とのやり取りの方法を知っていることが非常に重要だからです。

YandexやHSEなどの特別なアフィリエイトプログラムはありますか？

まだ、残念ながら。 強力なデータサイエンスを持っているという事実にもかかわらず、私たちはごく最近、それについて外で話し始めました。 しかし、私は来年半にパートナーシッププログラムに来ると思います。

プロの能力といえば。 どのような基本的なスキルと知識を候補者に求めていますか？ 原則として基本は何ですか？ ロシアにもある数学やデータ科学に特化した専門的な大学や専門的な教育を行うべきでしょうか？

データのスペシャリストのために、会社全体で厳選されています。最大のファネルと最小の出口です。 同僚は非常に明確な評価基準を確立しています。 彼らは常に必要なものを知っており、この点で一致します。 私たちには非常に調和のとれたフレンドリーなチームがあり、私はそれを誇りに思っています。

スキルはハードとソフトウェアに分けることができます。 ハードに関しては、教育は必然的に数学です。 専門家は、数学モデルがどのように機能するかを理解する必要があります。 彼らは、原則として、モスクワ大学物理学技術研究所、モスクワ州立大学高等経済学部の主要大学から来ています。 後者の卒業生の中には、競争に冗談さえあります。その中には、機械教育を修了した人や海軍を卒業した人もいます。

製品アナリストとMLアナリストへの条件付き区分もあります。 製品アナリストのタスクは、製品を改善する機会を探し、考えられるユーザーの問題とそれらを迅速に解決する方法に関する仮説を生成することです。 MLアナリストは、製品アナリスト、さまざまなMLメソッドを使用したタスク、個人の推奨事項、価格設定などで見つかったソリューションを自動化します。

テストタスクの基本的なスキルをチェックします。 部門は大きく、さまざまなシステムをサポートする複数の部門で構成されています。 そのため、各部門は、将来何をすべきかにできるだけ近い独自のケースを開発しました。 そのようなケースを解決するとき、候補者のスキルが明らかになります。 その後、コードを見て、会議に招待する人を決定します。

ソフトスキルについて。 これは、候補者との個人的なコミュニケーションにおいて常に注意を払う部分です。 データサイエンスの専門家は職域を超えたプロジェクトに関与しているため、人が会社の価値観を共有し、チームで働き、同僚とコミュニケーションをとることが非常に重要です。

つまり、角に一人ぼっちで座ってスーパーモデルを作る小さなクレイジーな天才の話-それはうまくいかないのですか？

どのタスクを監視しています。 理論的には、これは可能であり、どこかでそのようなことが機能します。 しかし、Avitoで働くにはチームワークが必要です。 そのため、スキルを組み合わせて分析します。

専門知識と専門知識のバランスに戻る。 一般的な場合に適しているのは、クールなモデルを作成するプログラマーですが、専門的な経験はわずかですが、機械学習の基礎知識しか持っていない経験豊富な人でしょうか？

ここのすべては純粋に個人的なものです。 私たちはその人を、彼の見通しで見なければなりません。 同僚は、潜在的な可能性があると感じた場合、最小限の技術的経験を持つ人々を受け入れる準備ができています。 そして、それはすべてモチベーションに依存します。つまり、人自身がこれを望んでいるかどうか、彼がどのように開発する計画を立てているか、そして私たちが長期的にどのくらい進んでいるかです。

社内トレーニングプログラム、メンタリングはありますか？

もちろん。 一方では、行動の自由を提供します。 タスクが付属し、どのツールを選択するか、どのように構築するか、どこを見るか、何を使用するかは、従業員自身が決定します。 この点に関して、私たちは非常に率先して活動しています。 彼らは文字通り仕事にうんざりします。 毎週、1-2人が行う集会があります。彼らは、使用するもの、使用する方法、機能するもの、機能しないものを教えてくれます。 彼らはチーム内で知識を共有し、新入社員はプロセスで直接学ぶ機会があります。

一方、私たちは従業員のハードスキルとソフトスキルに投資しています。 Avitoには、任意のトレーニングにサインアップできるアカデミーがあります。 つまり、同僚からだけでなく、他の専門分野の専門家からも学ぶことができます。

あなたはコンテストに言及しました。 履歴書を提出する以外に、あなたに連絡する他の方法は何ですか？

私たちが開催するコンテストの目的は、ポジションをクローズすることではありません。 彼らには多くの目標があり、主なことは特定の緊急課題を解決するためのアイデアを見つけることです。 同時に従業員を引き付けることができる場合-これは非常にクールです。 しかし、コンテストは主な募集方法ではありません。 通常の検索、求人サイト-これもすべて機能します。 私たちは自分で何人かの人に出かけます。誰かが同僚に勧められます。

空室といえば。 私はしばしばロシアと海外で、ほぼ同じ責任を持つデータ科学の分野の空席の名前に出会ったことがあります。 どこかで機械学習エンジニア、どこかでデータ科学者、どこかでデータ分析者、どこかでプログラマーでした。 これらの空席は何と呼ばれますか？

単一の名前はありません。 これらは、シニアアナリストなどのブロードネームである場合があり、より具体的には、たとえば価格アナリストなどです。 それはすべて、提案されたタスクがどの程度具体的であるか、そして他の人に切り替える前に人がそれらを解決すると仮定する時間に依存します。

原則として、私は候補者と話すとき、私たちが人を探している部門について、彼の詳細について詳しく話します。 データサイエンティストはデータサイエンティストが異なるからです。 さまざまな企業でさまざまな機能を備えているため、何をすべきかをすぐに明確にした方がよいでしょう。

ポートフォリオについて。 その存在はどれほど重要ですか？

これはオプションです。 同僚は、申請者の以前のプロジェクトを見ることに興味があるかもしれませんが、決定的な議論ではありません。 候補者にできる限り近いケースを提供します。 そして、私たちは人が現場でどのように働くかを見ます-これは最も重要です。

人事代理店Spice IT

この市場セグメントはどの段階にありますか？ 近い将来に景気後退を予想すべきでしょうか？

ますます多くの仕事。 データは市場で最も価値のある製品です。 近い将来不況はありません。 特に予測分析の責任者やリード/チーフデータサイエンティストなどの求人に関しては、十分なスペシャリストがいません。 候補者は深刻なプロジェクトに忙しく、始めたものをやめたくありません。 さらに、これらのポジションは、企業が必要とする特別な資質の存在を暗示しています。

インターンと6月の方が簡単です。 データサイエンスは勢いを増し始めており、多くの人がこのことに挑戦して喜んでいます。 男たち自身が履歴書を送り、既存の役職について検討するよう依頼します。 私たちは専用です。

数年後には、データサイエンスは有力な人材の1つになり、市場はオファーでいっぱいになりますが、すべての候補者に十分なものになると思います...

どのような専門的能力をお探しですか？ ベースは何ですか？

専門的な能力は、顧客企業によって設定された要件に依存します。 主なものから区別できるのは、R、Python、Machine Learning、MSSQL、MySQL、Postgresqlなどのデータベースです。 データサイエンティストの候補者は、数学、統計、プログラミングに精通している必要があります。

あなたはどのような超専門的なスキルを見ていますか？

ソフトスキル。 ソフトスキルが重要な要件の1つであるジョブは、これがリーダーシップの地位でない限り、十分にまれです。 市場には非常に多くの強力な専門家がいないという事実のため、技術的要素に重点が置かれています。 もちろん、多くの企業は、積極的な姿勢でプレゼンテーションを準備し、同僚や経営陣との接触を確立する方法を知って、積極的な態度で専門家をランク付けしたいと考えていますが、実際には、ほとんどの顧客はコミュニケーションスキルよりも優れた技術的経験を好みます。

もちろん、デフォルトで期待される普遍的なものがあります。 責任、独立、それが後輩の上の立場になると。 候補者がインターンになろうとする場合、Googleで時間通りに上級スペシャリストに質問する能力は非常に重要です。 さて、誰にとっても業界の最新のトレンドを追っています。 今のところ問題はありませんが。 この位置にいる人々は通常、好奇心がないわけではありません。

会社に入るために特別な大学教育を受ける必要がありますか、それとも自習も考慮されますか？

もちろん、この質問は社内向けに設計されていますが、高等技術教育は基本的な要件によく見られる項目です。

通常、市場を分析し、関連する履歴書の選択を整理した後、私たちはクライアントが教育が選択の重要な要因ではないことに同意します。 しかし、非常に特定の顧客が存在するため、企業のビジネスの方向性に関連した、目立たない教育の存在が重要です。 たとえば、数か月前に心理学者の教育を受けた科学者を探していましたが、これはルールの例外である可能性が高いです。 市場の湿気のために、教育は職務記述書を書く際に背景に追いやられています。

会社の分野で関連する経験はどれほど重要ですか？

これまで、私はそのような経験が重要な立場を1つしか持っていませんでした。まさに同じサイエントロジスト心理学者です。 基本的に、この基準はまれです。 ただし、これはおそらく、私たちの仕事では、データサイエンスのポジションのほとんどが、独自のまたはめったに出会わない事業分野を持つスタートアップからのものであるという事実によるものです。 このプロファイルの専門家を見つけることはほとんど不可能です。

データサイエンティストは、経験がほとんどないかまったくない状態で雇用されていますか？

そのような位置はしばしば見つけられます。 企業は、候補者を研修生またはジュニアアナリストとして受け入れることで、トレーニングを行う準備ができています。 私たちは、フリーランスでプロジェクトを行ったり、経験を積むために自分で何かをしたりする人たちを見る準備ができています。

データサイエンティストとして仕事を得るために必要な平均的な経験は何ですか？

さまざまなレベルの求人があり、最小限の経験または強力な技術スキルを持つ専門家が必要です。 多くのオプション、誰もが何かを選択できます。

データサイエンスポジションの候補者に最もよく遭遇する問題は何ですか？

ジュニアポジションでは理論だけが欠けていることがよくあります-少なくともいくつかの経験が必要です。 企業は、Kaggleが開催するコンテストへの参加のトレーニングコースや経験からの実際的なタスクであっても、すでに自分で何かをしようとした候補者を求めています。

データサイエンスのポジションでのインタビュー中に、候補者にどのようなアドバイスや推奨事項を提供できますか？

主なものは、インタビューの準備です。 私は通常、候補者に技術チームとの会議の準備を依頼します。 時々、男は履歴書で多くの技術を示し、実際に彼らは示されたのほんの一部だけで動作することが起こります。 私は、あなたが直面しなければならなかったものを、そしてどの程度まで正直に説明するようお願いします。 これにより、自分が表明したことを表面的に理解しているために質問に答えられない場合に、面接で恥ずかしい状況を避けることができます。 基本的な要件を見て、可能なことを引き出すことができます。

編集者から

トピックに関するNetologyコース：

• フルタイムコース「 データサイエンティスト 」。
  
• オンラインプログラム「 ビッグデータ：大規模なデータセットを扱う基本 」