Специалисты по Data Sci­ence анализируют большие массивы данных, создают предиктивные модели с помощью алгоритмов машинного обучения и нейросетей, помогают находить скрытые закономерности и прогнозировать развитие событий в разных сферах. Дата-сайентисты могут применять свои навыки в областях медицины, нейробиологии, медиа и не только. Например, они разрабатывают ботов, строят генетические карты, оценивают вероятность страхового случая, подбирают лекарства в фармацевтике, учат нейронные сети писать осмысленные стихи. Некоторые убеждены в том, что дата-сайентисты имеют математический склад ума и освоить эту профессию могут только избранные. Т&Р и научный руководитель Центра непрерывного образования НИУ ВШЭ Евгений Соколов рассказывают о самых распространенных заблуждениях о профессии дата-сайентиста.

Евгений Соколов

Научный руководитель Центра непрерывного образования, факультет компьютерных наук НИУ ВШЭ

Специалист в сфере Data Science, безусловно, много программирует, использует инструменты для обработки данных и машинного обучения, думает про скорость работы своего кода. Но благодаря тому, что дата-сайентисты решают задачи из самых разных областей, например интернет-коммерции, медиа, финансов, в процессе работы они общаются с различными специалистами и узнают много нового о специфике той или иной сферы. Кроме того, чтобы оставаться востребованными, необходимо повышать свою квалификацию, участвовать в митапах и конференциях и обмениваться опытом.

Специалисту в сфере Data Science необходимо владеть коммуникативными навыками — это один из soft skills, которые следует развивать уже в процессе обучения. В частности, нужно правильно снимать запросы. Уметь добиваться от заказчика или руководителя правильной постановки задачи. Очень часто могут не совпадать цели, у заказчика могут быть нереалистичные представления о реализации какого-то проекта. Тогда следует доступно объяснить, почему нельзя выполнить определенную задачу в установленный срок. Кроме того, нужно уметь правильно представлять свои результаты и идеи, достойные воплощения.

Если человек изучал гуманитарные науки, он вполне может осилить информатику и математику. Нейропластичность — это способность мозга создавать новые нейронные пути. Это происходит, когда вы получаете новый опыт и осваиваете новые навыки. По мере формирования этих нейронных путей вы в большей степени можете выполнять другие задачи, в том числе математические.

Согласно теории множественного интеллекта Говарда Гарднера, у человека есть девять видов интеллекта, каждый из которых проявляется по-разному и отвечает за разные сферы деятельности. Следовательно, у всех есть возможность развивать в том числе логико-математический интеллект.

Сегодня каждому специалисту необходимо постоянно осваивать новые навыки. Не так важен ваш бэкграунд, как мотивация и методы обучения. Современные образовательные программы по Data Science позволяют освоить профессию с нуля. Во-первых, благодаря практико-ориентированному подходу студенты могут решать реальные задачи, быстрее начинают понимать сложные концепции, с которыми впоследствии сталкиваются на работе. Во-вторых, программы направлены на развитие определенных навыков, которые ценят работодатели. Например, умение решать задачи просто и надежно, а не руководствоваться только модными методами. Также важно писать эффективный и надежный код, который потом не придется переделывать.

Многие убеждены в том, что можно прочитать книгу про машинное обучение и сразу начать программировать. Безусловно, теория важна. Но 70% времени это работа с данными, поиск проблем и их решения, необходимо постоянно искать, почему та или иная модель не работает. Это понимание складывается только благодаря практике.

Специалисты по Data Science могут заниматься как анализом данных, так и разработкой. Необязательно идти в крупные IT-компании. Есть множество других применений полученных навыков. Дата-сайентисты занимаются аудитом и консалтингом, работают в банковской сфере, в медицине. Например, одна из выпускниц факультета компьютерных наук НИУ ВШЭ сделала приложение, которое помогает врачам диагностировать злокачественные опухоли на ранней стадии. Среди проектов, реализованных на программе «Современное машинное обучение», создание словаря близкородственных языков, преобразование черно-белых фильмов в цветные. У дата-сайентистов есть практически неограниченные возможности для реализации их идей.

Допустим, без английского языка можно начать осваивать профессию дата-сайентиста. Но входить в саму область будет крайне трудно. Освоение языка программирования — это только начало пути! Вся документация к библиотекам языка Python ведется на английском. Русские переводы есть, но они могут быть устаревшими или неточными. Также нужно быть в курсе того, что происходит в Data Science, какие методы сейчас работают лучше всего. Для этого необходимо читать статьи, блоги, исследования на иностранном языке.

Современные образовательные программы по Data Science рассчитаны на людей, не имеющих опыта в IT-сфере. Благодаря практико-ориентированному подходу студенты развивают необходимые hard skills и применяют знания в конкретных ситуациях, с которыми впоследствии сталкиваются на работе. Также студенты осваивают soft skills — в частности, умеют ставить задачи, обрабатывать и давать обратную связь.

Придется приложить много усилий, но все возможно. Есть множество способов научиться программированию. Сейчас это гораздо легче, чем 10 лет назад. Тогда люди должны были самостоятельно во всем разбираться, искать информацию. Сейчас образовательные программы и встроенные в них инструменты дают все, что может пригодиться уже на самой работе.

Некоторые компании бездумно нанимают дата-сайентистов и платят им большие деньги, надеясь, что это поможет развить их бизнес, но эти решения работают не всегда (проблема может заключаться в самих бизнес-процессах). Поэтому возникают подобные мифы. Тем не менее успешных кейсов куда больше: машинное обучение используется для того, чтобы предсказывать спрос на товары и планировать закупки заранее; с его помощью YouTube или «Яндекс.Музыка» подбирают контент, интересный конкретному пользователю; оно помогает банкам лучше оценивать кредитные риски и не разоряться из-за должников. Кроме того, дата-сайентисты помогают искать новые лекарства, строить беспилотные автомобили или анализировать огромные массивы снимков космоса.

Онлайн-программа профессиональной переподготовки в НИУ ВШЭ «Современное машинное обучение» позволит с нуля освоить Руthon, научиться анализировать современные модели машинного обучения и применять глубинное обучение к изображениям, текстам и звукам. Благодаря практико-ориентированному подходу и реализации проектов выпускники становятся полноценными специалистами, готовыми к работе.