دوره دانشمند داده: مقایسه دوره‌ها، ترتیب یادگیری و آنچه آگهی‌ها می‌خواهند

دوره‌ها تو را تا ابتدای سطح ماهر می‌برند؛ بقیه راه با کار واقعی طی می‌شود. اگر از تحلیل داده یا آمار شروع کنی، معمولا بعد از دو تا سه سال کار با داده و چند مدل واقعی می‌توانی برای عنوان دیتا ساینتیست درخواست بدهی. سطح ارشد، با آن ۴ تا ۵ سال سابقه‌ای که آگهی‌ها نوشته بودند، فقط با کار کردن روی مدل‌هایی به دست می‌آید که کسی واقعا از آن‌ها استفاده کرده است.

عدد ساعت به تنهایی چیزی نمی‌گوید. دوره ۹۲ ساعته‌ای که پایتون را پیش‌نیاز گذاشته، از همان جلسه اول سراغ داده و مدل می‌رود؛ دوره ۳۵۰ ساعته‌ای که پیش‌نیاز ندارد، بخش بزرگی از وقتش را صرف پایه‌ها می‌کند. برای همین باید پرسید هر دوره از کجا شروع می‌کند و تا کجا می‌برد.

یک دوره جامع معمولا این درس‌ها را دارد

در برنامه درسی دوره‌های بلند، ترتیب تقریبا ثابت است: مبانی آمار و جبر خطی، پایتون و کتابخانه‌های داده، SQL و پایگاه داده، تمیز کردن و مصورسازی داده، یادگیری ماشین با مدل‌های کلاسیک، ارزیابی مدل، و در آخر یادگیری عمیق یا پردازش متن. دوره ۲۱ درسی که بالا آمد، کار با اکسل، تحلیل آماری در R و داستان‌گویی با داشبورد را هم کنار این‌ها گذاشته است. مسیر ویدیویی بیش از ۷۸ ساعت فیلم دارد و با پایتون، پایگاه داده، Git، داده‌کاوی و یادگیری ماشین نظارت‌شده پیش می‌رود.

هفت سؤال پیش از ثبت نام

• پروژه با داده واقعی دارد؟ دوره‌ای که فقط تمرین کتابی می‌دهد، چیزی برای نشان دادن در مصاحبه باقی نمی‌گذارد.
• آمار را جدی درس می‌دهد؟ ۱۹ آگهی از ۲۳ آگهی آبان آمار خواسته بودند؛ دوره‌ای که از آمار فقط یک جلسه دارد، نیمه کار است.
• SQL جزو برنامه است؟ ۱۶ آگهی SQL یا پایگاه داده را نوشته بودند و بعضی دوره‌های جامع آن را جدا می‌فروشند.
• بردن مدل به محیط عملیاتی را نشان می‌دهد؟ ۱۴ آگهی از استقرار مدل، Docker یا MLOps حرف زده بودند و کمتر دوره‌ای به آن می‌رسد.
• مدرس خودش در پروژه داده کار می‌کند؟ نمونه تدریس را ببین و بپرس آخرین پروژه‌اش چه بوده است.
• بعد از کلاس پشتیبانی هست؟ جلسه رفع اشکال یا منتور هفتگی برای کسی که تنها تمرین می‌کند فرق بزرگی است.
• قسط و انصراف چطور است؟ بیشتر مراکز برای شهریه بالای ۱۰ میلیون تومان قسط دارند؛ شرط برگشت پول را پیش از پرداخت بخوان.

خرید درس به درس هم یک راه است

همان مرکزی که دوره ۹۲ ساعته دارد، درس‌ها را جدا هم می‌فروشد: پایتون ۶۰ ساعت با ۱۰٫۸ میلیون، یادگیری ماشین ۴۰ ساعت و یادگیری عمیق ۴۰ ساعت هر کدام ۹٫۵ میلیون تومان. دوره‌های ضبط‌شده تکی در سایت‌های آموزش ویدیویی هم بعد از تخفیف بیشتر زیر یک میلیون تومان‌اند. این راه ارزان‌تر است ولی ترتیب و پروژه را باید خودت بچینی.

تصویر روشن است: کارفرماها دنبال کسی‌اند که سه چیز را با هم داشته باشد، یعنی یادگیری ماشین، پایتون و آمار. بعد از این سه، SQL و پایگاه داده در ۱۶ آگهی، بردن مدل به محیط عملیاتی در ۱۴ آگهی و پیش‌بینی فروش یا تقاضا در ۱۳ آگهی آمده بود. یادگیری عمیق در ۸ آگهی بود و مدل‌های زبانی بزرگ، RAG یا پردازش متن هم در ۸ آگهی. داشبورد و ابزارهایی مثل Power BI فقط در ۷ آگهی آمده بود.

سطح کار بالاست. ۱۳ آگهی سطح ارشد خواسته بودند، ۸ آگهی سطح کارشناس، یکی سرپرست تیم و یکی کارآموز. از ۱۳ آگهی که سال سابقه را نوشته بودند، ۳ آگهی ۲ سال، ۴ آگهی ۳ سال، ۲ آگهی ۴ سال و ۴ آگهی ۵ سال یا بیشتر خواسته بودند. ۹ آگهی کامل به انگلیسی نوشته شده بود و ۶ آگهی زبان انگلیسی را شرط گذاشته بود.

رشته در ۱۸ آگهی کامپیوتر و فناوری اطلاعات بود، در ۱۳ آگهی ریاضی و آمار و در ۴ آگهی اقتصاد؛ بیشتر آگهی‌ها چند رشته را با هم پذیرفته بودند. ۱۶ آگهی کارشناسی را کافی دانسته بودند و فقط ۳ آگهی ارشد یا دکترا خواسته بودند. هیچ آگهی گواهی دوره نخواسته بود؛ به جای آن، متن آگهی‌ها از کارهایی حرف می‌زد که باید قبلا انجام داده باشی.

۲۲ آگهی شرط جنسیت نداشت و فقط یکی آقا خواسته بود. ۶ آگهی پایان خدمت سربازی را شرط گذاشته بود و ۴ آگهی امریه سربازی پیشنهاد داده بود. ۱۳ آگهی سقف سن نوشته بودند، از ۳۰ تا ۵۰ سال. صنعت کارفرما در ۷ آگهی نرم‌افزار و فناوری اطلاعات بود و در ۷ آگهی بانک، سرمایه‌گذاری یا بیمه. بیمه تکمیلی در ۱۲ آگهی، ساعت کاری منعطف در ۸ آگهی و کمک‌هزینه دوره آموزشی در ۳ آگهی جزو مزایا بود.

دانشمند داده کسی است که یک سؤال کسب‌وکار را به مسئله‌ای تبدیل می‌کند که با داده جواب دارد، مدلی برای آن می‌سازد و نشان می‌دهد آن مدل چقدر به تصمیم بهتر کمک کرده است. بیشتر وقتش صرف ساختن مدل نمی‌شود؛ صرف فهمیدن مسئله، پیدا کردن و تمیز کردن داده و توضیح نتیجه برای مدیری می‌شود که آمار نخوانده است.

دیتا ساینتیست کیست؛ سه نمونه از کار واقعی در آگهی‌ها

• سنجش ریسک اعتباری در بانک و فین‌تک: مدلی که از رفتار پرداخت مشتری حدس می‌زند چه کسی وامش را برنمی‌گرداند. چند آگهی بانکی و مالی دقیقا همین را خواسته بودند.
• قیمت‌گذاری و پیش‌بینی تقاضا در فروشگاه آنلاین و شرکت‌های خدماتی: پیش‌بینی اینکه فردا چه کالایی چقدر فروش می‌رود و قیمت را چطور تنظیم کنند.
• پیش‌بینی ریزش و پیشنهاد کالا: پیدا کردن مشتری‌ای که به زودی می‌رود و ساختن سامانه پیشنهاد؛ ۳ آگهی از ریزش مشتری و ۷ آگهی از سامانه پیشنهاد حرف زده بودند.

یک روز کاری معمولی

صبح جلسه کوتاه تیم و مرور نتیجه مدلی که دیروز روی داده تازه اجرا شده است. بعد چند ساعت کار با SQL و پایتون برای ساختن ویژگی‌های تازه از داده خرید یا تراکنش. بعدازظهر مقایسه دو مدل، نوشتن گزارش کوتاه برای واحد فروش یا ریسک، و گاهی جلسه با مهندس نرم‌افزار برای اینکه مدل داخل سامانه اصلی اجرا شود. در شرکت‌های کوچک‌تر همین یک نفر داشبورد هم می‌سازد و داده را هم جمع می‌کند.

فرقش با چند کار نزدیک

برنامه‌نویس نرم‌افزار محصول می‌سازد و دانشمند داده از داده پیش‌بینی بیرون می‌آورد. کارشناس آمار بیشتر گزارش و آزمون آماری انجام می‌دهد و کمتر مدل پیش‌بینی می‌سازد. مهندس یادگیری ماشین مدل آماده را بزرگ می‌کند و پایدار نگه می‌دارد. در شرکت‌های ایرانی این مرزها کم‌رنگ است و یک نفر ممکن است هر سه کار را بکند.

در آگهی‌های آبان فقط یک آگهی کارآموزی بود، برای تحقیق و توسعه در هوش مصنوعی و علم داده، با حقوق ۱۰ تا ۱۵ میلیون تومان. هیچ آگهی دیتا ساینتیستی برای کسی بدون سابقه نبود. یعنی بعد از دوره، بیشتر آدم‌ها اول از یک در کناری وارد می‌شوند و بعد عنوانشان عوض می‌شود.

سه در کناری که بیشتر باز است

• تحلیل داده و گزارش‌سازی: با پایتون، SQL و داشبورد، و بعد کم‌کم مدل پیش‌بینی را هم به کار اضافه کردن.
• کارشناس آمار یا پژوهش: برای کسی که از رشته آمار و ریاضی می‌آید و آزمون آماری را خوب بلد است.
• برنامه‌نویسی بک‌اند یا داده: برای برنامه‌نویسی که آمار و یادگیری ماشین را کنار کارش یاد گرفته است.

دورکاری، بانک و شهرهای دیگر

فقط ۱ آگهی از ۲۳ آگهی دورکاری بود و ۲۱ آگهی تمام‌وقت. بانک، سرمایه‌گذاری و بیمه روی هم ۷ آگهی داشتند و دو عنوان آگهی مستقیم از ریسک اعتباری حرف می‌زد. بیرون از تهران، مشهد ۲ آگهی و اصفهان ۱ آگهی داشت. اگر در شهر دیگری زندگی می‌کنی، احتمال کار دورکاری یا پروژه‌ای برای شرکت تهرانی را جدی‌تر بگیر.

سربازی و سن

۶ آگهی پایان خدمت را شرط گذاشته بودند و ۴ آگهی امریه سربازی پیشنهاد داده بودند؛ برای مرد جوانی که هنوز خدمت نرفته، امریه یک راه ورود است. سقف سن در ۱۳ آگهی بین ۳۰ تا ۵۰ سال بود و رایج‌ترین عدد ۳۵ سال.

بر پایه گزارش‌های معتبر حقوق ۱۴۰۵ که پاسخ ۲۸۰ نفر در گروه علوم داده و هوش مصنوعی را جمع کرده است، حقوق دریافتی خالص پایان ۱۴۰۴ با سطح و شهر خیلی تغییر می‌کند. میانه سطح کارشناس در شهرهای کوچک ۲۴ میلیون تومان بود و نیمی بین ۱۹ تا ۳۳ میلیون می‌گرفتند. همین سطح در تهران میانه ۳۵ میلیون داشت، کارشناس ارشد در کل کشور ۵۰ میلیون و مدیر در تهران ۷۹ میلیون تومان، با نیمی بین ۶۵ تا ۱۰۵ میلیون.

عدد درخواستی همین افراد برای ۱۴۰۵ حدود ۴۲ تا ۵۰ درصد بالاتر از دریافتی‌شان بود: ۳۶ میلیون در سطح کارشناس شهرهای کوچک، ۵۰ میلیون در کارشناس تهران، ۷۳ میلیون در کارشناس ارشد و ۱۱۶ میلیون در سطح مدیر تهران. این عدد خواسته افراد است، نه چیزی که گرفته‌اند.

حقوق در آگهی‌ها

از ۲۳ آگهی آبان فقط ۱ آگهی عدد حقوق داشت: کارآموزی با ۱۰ تا ۱۵ میلیون تومان. ۲۲ آگهی دیگر حقوق را توافقی نوشته بودند، پس عدد آگهی‌ها برای سطح کارشناس و ارشد در دست نیست.

چه چیزی حقوق را بالا می‌برد

سطح و سابقه بیشترین اثر را دارد؛ فاصله میانه کارشناس تهران تا مدیر تهران بیش از دو برابر است. بعد از آن، کار در بانک و فین‌تک، تسلط به انگلیسی برای شرکت‌هایی که آگهی را انگلیسی نوشته‌اند، و توانایی بردن مدل به محیط عملیاتی بیشتر از یک مهارت تازه در یادگیری عمیق فرق ایجاد می‌کند.