Что выбрать, дата аналитику или машинное обучение?
Очень актуальный вопрос для многих, я лично слышу его очень часто. И мне есть что рассказать на этот счет, поскольку у меня есть опыт работу по обеим специальностям. Давайте просто разберем плюсы и минусы этих направлений
Дата аналитика
➕ 1. Легче в изучении примерно в 2 раза, теоретически можно устроиться не зная вообще ничего кроме SQL
2. Прямое влияние на бизнес, возможность предлагать свои гипотезы
3. Больше вакансий. По запросу "Data analyst" на hh сейчас 1800 вакансий. По запросу "Аналитик данных" их вообще 11500, большинство из них конечно хлам с Excel, но тем не менее
4. Почти не требуются знания математики, с которой у многих проблемы
5. Может вкатиться почти любой
➖ 1. Зарплатный потолок ниже процентов на 15
2. Может быть больше созвонов (не во всех компаниях так)
3. Сложнее совмещать 2 работы из-за п.2, но все еще вполне возможно
Машинное обучение
➕ 1. По моему мнению это безумно интересное направление при изучении. Если вам всегда нравилась математика - однозначно стоит попробовать
2. Меньше коммуникации с коллегами, как следствие проще совмещать 2 работы
3. ML инженера сложнее всего заменить ИИ. Если нейронки научатся писать сами себя - наверное нам всем конец😁
4. Выше зарплатный потолок
5. Возможность найти действительно высокооплачиваемую работу за рубежом с вилками 10-12к$. Да, часто для этих вакансий нужны специфические знания, а также больше погружения в математику, но такая возможность действительно есть
➖ 1. Несмотря на интересность в изучении, часто сама работа более рутинная, чем у аналитиков. Бывает она очень сильно напоминает разработку
2. Вакансий сильно меньше. По запросу "Data scientist" на hh сейчас всего 350 вакансий, против 1800 на аналитика
3. Сфера на хайпе, как следствие больше кандидатов на одну вакансию и выше конкуренция
4. Действительно сложная сфера с высоким порогом входа. Если по моему мнению в аналитику могут вкатиться многие, про мл я такого сказать не могу
5. Несмотря на то, что зп потолок действительно выше, чтобы прыгнуть на 500к+ тебе скорее всего придется еще сверху изучать нейронки (NLP, CV)
6. Огромное количество идиотизма на собеседованиях. Я уже писал пост про вопросы, которые задают аналитикам на собеседованиях, но они потом не пригождаются на работе. Здесь этих вопросов в разы больше, поскольку тема крайне обширная, изучать можно очень много всего, но по факту лишь малая часть из этих знаний потом применяется на работе
Очень актуальный вопрос для многих, я лично слышу его очень часто. И мне есть что рассказать на этот счет, поскольку у меня есть опыт работу по обеим специальностям. Давайте просто разберем плюсы и минусы этих направлений
Дата аналитика
➕ 1. Легче в изучении примерно в 2 раза, теоретически можно устроиться не зная вообще ничего кроме SQL
2. Прямое влияние на бизнес, возможность предлагать свои гипотезы
3. Больше вакансий. По запросу "Data analyst" на hh сейчас 1800 вакансий. По запросу "Аналитик данных" их вообще 11500, большинство из них конечно хлам с Excel, но тем не менее
4. Почти не требуются знания математики, с которой у многих проблемы
5. Может вкатиться почти любой
➖ 1. Зарплатный потолок ниже процентов на 15
2. Может быть больше созвонов (не во всех компаниях так)
3. Сложнее совмещать 2 работы из-за п.2, но все еще вполне возможно
Машинное обучение
➕ 1. По моему мнению это безумно интересное направление при изучении. Если вам всегда нравилась математика - однозначно стоит попробовать
2. Меньше коммуникации с коллегами, как следствие проще совмещать 2 работы
3. ML инженера сложнее всего заменить ИИ. Если нейронки научатся писать сами себя - наверное нам всем конец😁
4. Выше зарплатный потолок
5. Возможность найти действительно высокооплачиваемую работу за рубежом с вилками 10-12к$. Да, часто для этих вакансий нужны специфические знания, а также больше погружения в математику, но такая возможность действительно есть
➖ 1. Несмотря на интересность в изучении, часто сама работа более рутинная, чем у аналитиков. Бывает она очень сильно напоминает разработку
2. Вакансий сильно меньше. По запросу "Data scientist" на hh сейчас всего 350 вакансий, против 1800 на аналитика
3. Сфера на хайпе, как следствие больше кандидатов на одну вакансию и выше конкуренция
4. Действительно сложная сфера с высоким порогом входа. Если по моему мнению в аналитику могут вкатиться многие, про мл я такого сказать не могу
5. Несмотря на то, что зп потолок действительно выше, чтобы прыгнуть на 500к+ тебе скорее всего придется еще сверху изучать нейронки (NLP, CV)
6. Огромное количество идиотизма на собеседованиях. Я уже писал пост про вопросы, которые задают аналитикам на собеседованиях, но они потом не пригождаются на работе. Здесь этих вопросов в разы больше, поскольку тема крайне обширная, изучать можно очень много всего, но по факту лишь малая часть из этих знаний потом применяется на работе