Стать программистом в 40

[Физик-Лирик]

Никак. Без хорошей фундаментальной мастерс дегрее в data mining (data science) делать нечего. Можно весь материал выучить самостоятельно (что само собой очень трудно), но как потом доказать работодателю свои знания? Разве что в Kaggle competition участвовать.

есть сайнтист, а есть программист и это два совершенно разных человека.
Big Data программист не обязан знать ни статистику ни даже математику, достаточно основ CS, java и набор соотв фреймворков, типа hadoop, cassandra, mango, aws.
Так что если цель стать программистом, то никакой доп дегри не потребуется.
Достаточно пары тройки сертификатов и курсы.

Это что, получается, что я (программист со стажем) могу себе написать в резюме Data Scientist, если я знаю Хадуп, Хайв, и т.д.? Как-то сомневаютсь немного, что легко будет работу найти.

Если Вы мне попадетесь на интервью, то я сразу скажу data scientist Вы или нет. Все упрется в problem domain. Т.е. если Вы имеете представление, что Вы дeлали (будете делать) как аналитик данных, это одно. Если же просто знаете как программировать на этих системах, то скорее всего я Вас буду рассматривать как программиста. В обоих случаях, навыки востребованные. Посмотрите на тебования. Если Вы действительно все это знаете, то попробуйте проинтeрвьюироваться. Думаю результат будет.

[Физик-Лирик]

... Но много грузили всякими фундаментальными вещами типа функционального анализа и теории групп.

Вы удивитесь, но как и это сейчас востребовано. Во-первых, вся Колмогоровская теория вероятностей есть не что иное как функциональный анализ, точнее функциональный анализ в L^2 Гильбертовом пространстве. А во-вторых, сейчас в машинном обучении очень быстро развивается направление, называемое Kernel methods. Суть метода в отображении исходного векторного пространства (где находятся данные) в некое Гильбертово пространство (точнее Reproducing Kernel Hilbert Space). Это и векторная машина и принципиальные компоненты и кластеры. Очень интересная теория с растущими практичекими применаниями. Без знания функана (или пол-литра, если знаний функана нет) не обойтись.

[Физик-Лирик]

Но это как бы не статистика. Все-таки машинное обучение - это несколько другое (хотя, конечно, очень завязано на статистику).

Статистика чистой воды и есть

Это из той же серии как статистика - это математика или нет.
Собственно я особо здесь спорить не буду. Ну пусть будет статистика. Что я хотел сказать, так это то, что только определенные области статистики (машинное обучение) сейчас бурно развиваются. Другие области (статистические тесты, гипотезы, инференция) как бы не особо.

[Roy]

Не за 2 года, конечно, это университеты начали менять программу примерно 2 года назад.

Да всё то же: данных вдруг много стало. Когда выборка 10 миллионов, к ней надо несколько иначе подходить, чем если выборка в 10 тысяч. Новые методы разработали. Кроме того, статистикам теперь обязательно программирование преподают, а раньше большинство SPSS point+click обходились, или того хуже, Minitab какой-нить.

Я имел в виду как университеты начали менять программы? Брал статистику несколько лет назад - для BS всё было достаточно традиционно как и в прошлом веке. Для MS добавили Statistical Learning класс.

[valchkou]

Это что, получается, что я (программист со стажем) могу себе написать в резюме Data Scientist, если я знаю Хадуп, Хайв, и т.д.? Как-то сомневаютсь немного, что легко будет работу найти.

Конечно нет, вы сможете написать: BigData Engineer, BigData Architect, BigData Developer и тп.
вот примеры вакансий на вскидку:
https://tas-accenture.taleo.net/careers ... c=JB-11540
https://www.theladders.com/job/jobboard ... rce=indeed
http://www.dice.com/job/result/intelsft ... S_AV_OG_RC_

бакалавра достаточно почти в 100% позиций

p.s.
топик то как оптимистично начинался, "стать программистом", а скатился к каким то ученным и тестерам.

[Физик-Лирик]

p.s.
топик то как оптимистично начинался, "стать программистом", а скатился к каким то ученным и тестерам.

Скорее наоборот. Топик так пессимистично начинался с каких то программистов, а в итоге пришел к ученым и аналистам.

[Физик-Лирик]

точно
ну мы с Физиком любой топик про математиков повернём в правильное русло

Да, это мы можем.

Всё правильно, но вот как конкретно показать опыт 1 год (минимум требование)

Наверное можно заменить периодом учебы.

[valchkou]

Всё правильно, но вот как конкретно показать опыт 1 год (минимум требование):

ответ был на вопрос про программиста со стажем, вот я и привел соотв вакансии.
на минимум сначала нужно выбрать язык программирования и выучить его.
а 1 год не проблема вообще. Можно довольно быстро сделать себе интересное резюме в наши дни.

точно
ну мы с Физиком любой топик про математиков повернём в правильное русло

Да, это мы можем.

да вам бы лишь потеоретизировать. Давайте будет программистами реалистами.

[Физик-Лирик]

да вам бы лишь потеоретизировать. Давайте будет программистами реалистами.

Так на самом деле мы и есть реалисты. Поэтому и решили несколько расширить диапазон возможных областей применения для человека с изначальным мат. образованием.

[valchkou]

да вам бы лишь потеоретизировать. Давайте будет программистами реалистами.

Так на самом деле мы и есть реалисты. Поэтому и решили несколько расширить диапазон возможных областей применения для человека с изначальным мат. образованием.

ну хорошо сколько надо денег и времени чтобы стать data scientist с её входными данными ?
программист может уложиться в 1-2 года и 5-10к, по желанию на сопуствующие курсы и сертификаты.

[Физик-Лирик]

ну хорошо сколько надо денег и времени чтобы стать data scientist с её входными данными ?
программист может уложиться в 1-2 года и 5-10к, по желанию на сопуствующие курсы и сертификаты.

Не могу сказать. Думаю для изучения хватит такого же срока. Насчет гарантированного трудоустройства, не знаю. Правда не вижу особой разницы между начинающим программистом и начинающим аналистом. Могу сказать, что мои знакомые устраивались бизнес-аналистами без предварительного опыта в аналитике (правда был опыт в IT). Королева считает, что без опыта в аналитике трудно будет устроиться. Собственно, цель была дать человеку больше пространства для маневра. Имеет смысл почитать обьявения и сравнить начальные требования для программистов и непрограммистов. Далее, для человека с мат. образованием имeет смысл идти именно в машинное обучение. Обьясняю. С точки зрения языка программирования в принципе достаточно выучить один "статистический" язык (например, R). С точки зрения самого програмирования он гораздо проще, т.к. заточен исключительно для "науки". Можно взять Питон. Он будет и как язык вообще и как "стат" язык (для этого надо выучить стат. библиотеки). "Kор" языка учится достаточно быстро. А вот далее идет предметная область, к коей относятся многочисленные пакеты с многочисленными алгоритмами. Все это имеется в наличии. После этого задача - понять, как все это дело применять и для каких проблем. Собственно так это работает. Куча книг, куча материала на Инете. Для практики можно взять многочисленные базы данных с Инета и начать работать с ними (строить модели). Безусловно, одного яыка немного маловато будет, но для начала сойдет. Вопрос - надо проверить, что бакалавра будет достаточно (посмотреть обьявы). Здесь я на 100% не уверен. С магистром было бы проще (с точки зрения бумажки).

[Lida]

аналитика (например, анализ данных). Да, там свои "правила игры". Но человеку с техническим образованием (даже 15-летней давности) будет там легче соорентироваться

Аналитика - это прежде всего domain knowledge, а затем уже знание tools. Без опыта работы хоть где-то (бизнес или академия) в анализе данных делать нечего.

+ Миллион!

За таблицы и графики в экселе платят меньше чем среднему учителю. За моделирование - чуть побольше для начинающего, но все одно не более среднего учителя. А вот чтобы расти в аналитике и чего-то добиться в итоге - как раз нужно быть экспертом в в той области в которой анализируешь. Будь то маркетинг, либо бизнес, либо разработка продукта и тд.

Your real output is not the data , not a marketing mix model, not the dashboard. Your real output is a set of decisions the company will be making to drive business priorities. For example, recommending marketing actions requires your ability to understand marketing strategy, the marketplace, conduct situational analysis, marketing acquisition and customer retention strategies. Most important is the ability to identify the right marketing application. You don't need an MBA in Marketing but if you can't have an intelligent business conversation with Marketing Executives, you won't be effective with your recommendations.

[valchkou]

Я не правильно вас понял, я то подумал вы из нее сайнтиста делать собираетесь,
бизнес аналист это совсем другая история, как вариант тоже сойдет и бакалавра достаточно,
хотя и работа на любителя, попасть в разы сложнее, по деньгам как повезет, а можно и в минус выйти,
да и сама работа как правило нудная, скучная и депрессивная, по сравнению с программерской.

[Roy]

а 1 год не проблема вообще. Можно довольно быстро сделать себе интересное резюме в наши дни.

А вот с этого места поподробнее, пожалуйста
Как и где быстро можно сделать. Это очень бы пригодилось.

[Roy]

А как насчёт bootcamps, например

http://www.bootcamps.in/seattle/code-fellows/

Я тут на мериканском форуме инвесторов тусуюсь. Народ часто задаёт вопрос "кем быть", и при этом чтобы быстро и недорого. Очень часто советуют всякие coding bootcamps.

Спасибо, почитаем.

[valchkou]

А вот с этого места поподробнее, пожалуйста
Как и где быстро можно сделать. Это очень бы пригодилось.

К примеру java.
Есть достаточно много опенсурсных проектов в частности под BigData,
та же cassandra, hadoop, hive, pig, spark, kafka и тд и тп.
подучив основы java/python, можно и нужно начать котрибутить в них.
контрибутить начать можно хоть сегодня, вот пример чисто для ознакомления http://kafka.apache.org/contributing.html
Что это дает:
- реальный опыт разработки продукта
- освоение инструментов
- опенсурс код, который видит потенциальный работадатель.
- весомый аргумент в резюме.

в добавок можно развернуть свой проект в AWS с тестовыми данными.
ну а если еще и сертификатами запастись, то
я вас уверяю заберут с руками и ногами, не смотря на пол, возраст, опыт и зубы.

за пол-года реально освоить язык в степени достаточной для opensource.
еще полгода потратить на CS и опенсурс.
через год начать искать работу, параллельно лабая тестовый проект и получая нужны сертификаты и продолжая опенсурсить,

только если человек семейный с детями - это все утопия.

[Физик-Лирик]

Аналитика - это прежде всего domain knowledge, а затем уже знание tools. Без опыта работы хоть где-то (бизнес или академия) в анализе данных делать нечего.

+ Миллион!

За таблицы и графики в экселе платят меньше чем среднему учителю. За моделирование - чуть побольше для начинающего, но все одно не более среднего учителя. А вот чтобы расти в аналитике и чего-то добиться в итоге - как раз нужно быть экспертом в в той области в которой анализируешь. Будь то маркетинг, либо бизнес, либо разработка продукта и тд.

Думаю, с миллионом Вы явно погорячились. С другой стороны аналисты (даже эксперты) все когда-то начинали. Мы же говорим о юниорском уровне. Естественно, что начинающему будут не особо много платить, что в аналитике, что в программировании. Времена, когда после 3-х месячных курсов программирования брали на работу уже давно прошли (они остались в 2000 году).
Какое моделирование Вы имеете в виду, где платят как учителю?

[Физик-Лирик]

Я не правильно вас понял, я то подумал вы из нее сайнтиста делать собираетесь,
бизнес аналист это совсем другая история, как вариант тоже сойдет и бакалавра достаточно,
хотя и работа на любителя, попасть в разы сложнее, по деньгам как повезет, а можно и в минус выйти,
да и сама работа как правило нудная, скучная и депрессивная, по сравнению с программерской.

Собственно проблема в том, что у нас нет полной картины человека. Как говорилось выше, чтобы определиться с областью, надо знать (самому человеку) зачем он хочет что-то менять. Деньги? Карьера? Самореализация? Да, может так оказаться, что по деньгам (в начале) может быть и не лучше. Но, как говорится, не хлебом единым ... Все очень зависит. Именно поэтому мы здесь предлагаем разлчные вариант, что бы человек все принял во внимание.
Мне тоже работа бизнес-аналиста не очень (по сравненою с мат. моделированием - скукота, на мой взгляд). Но у меня знакомые довольны. Помню одногу коллегу, бизнес-аналиста, так у него глаза горели, когда он мне рассказывал о своих проектах. Наверное, все зависит от наклонностей самого человека.
А Вы что думаете, начинающего программера сразу "творить" посадят? Наверняка будет баги фиксить поначалу. Разве это не занудная деятельность?

[Boriskin]

Во-первых, вся Колмогоровская теория вероятностей есть не что иное как функциональный анализ, точнее функциональный анализ в L^2 Гильбертовом пространстве.

В сторону: тоже мне, рокетсаейнс с Гильбертовыми пространствали... С пространствами Соболева не сравнить.

[valchkou]

А Вы что думаете, начинающего программера сразу "творить" посадят? Наверняка будет баги фиксить поначалу. Разве это не занудная деятельность?

по началу нет, даже наоборот, и только с годами осознаешь, что баги приятнее создавать.

как то по молодости я такой жесткий баг разгреб, что сразу превратился в эксперта продукта,
пришлось даже повышения зп просить, чтобы соответсвовать роли.

[zigzag]

Собственно проблема в том, что у нас нет полной картины человека. Как говорилось выше, чтобы определиться с областью, надо знать (самому человеку) зачем он хочет что-то менять. Деньги? Карьера? Самореализация? Да, может так оказаться, что по деньгам (в начале) может быть и не лучше. Но, как говорится, не хлебом единым ... Все очень зависит. Именно поэтому мы здесь предлагаем разлчные вариант, что бы человек все принял во внимание.

Ну эта тема близка многим людям, которые сидят и читают молча, мотают на ус. Так что может что то ей не подойдет, но пригодится другим.

В сторону: тоже мне, рокетсаейнс с Гильбертовыми пространствали... С пространствами Соболева не сравнить.

Вроде сказали, что автор уже давно позабыла о таком уровне. Вы люди в самом деле применяете в жизни все это самое? Лично в моем чердаке места мало, все что не использую выкидываю по ненужности, правда теперь напрягают с экзаменами про то, что давно забыла (не учительские экзамены).

[Физик-Лирик]

Во-первых, вся Колмогоровская теория вероятностей есть не что иное как функциональный анализ, точнее функциональный анализ в L^2 Гильбертовом пространстве.

В сторону: тоже мне, рокетсаейнс с Гильбертовыми пространствали... С пространствами Соболева не сравнить.

Если Вам удасться применить Соболева пространства для машинного обучения (а мы как бы о статистике и машинном обучении говорили, а не о пространствах вообще), то Вас ждет великое будующее. Соболева пространства - те же Банаховы пространства (в частности, Гильбертовы) с определенной нормой. Как их применять для машинного обучения не знаю. Однако изучал их применение в теории дифференциальных уравнений в частных призводных (обобщенные решения). Могу порекомендовать очень хорошие книги, например, О.А.Ладыженской. Там же можно прочитать о существовании и единственности решений уравнений Навье-Стокса.

[Физик-Лирик]

А Вы что думаете, начинающего программера сразу "творить" посадят? Наверняка будет баги фиксить поначалу. Разве это не занудная деятельность?

по началу нет, даже наоборот, и только с годами осознаешь, что баги приятнее создавать.

как то по молодости я такой жесткий баг разгреб, что сразу превратился в эксперта продукта,
пришлось даже повышения зп просить, чтобы соответсвовать роли.

Ну тогда тоже вариант. Согласен, на "ошибках" хорошо учиться. Однако, боюсь, далеко не всегда фиксиние багов приведет к экспертному уровню. Думаю, что в целом оно все гораздо банальнее.

Собственно проблема в том, что у нас нет полной картины человека. Как говорилось выше, чтобы определиться с областью, надо знать (самому человеку) зачем он хочет что-то менять. Деньги? Карьера? Самореализация? Да, может так оказаться, что по деньгам (в начале) может быть и не лучше. Но, как говорится, не хлебом единым ... Все очень зависит. Именно поэтому мы здесь предлагаем разлчные вариант, что бы человек все принял во внимание.

Ну эта тема близка многим людям, которые сидят и читают молча, мотают на ус. Так что может что то ей не подойдет, но пригодится другим.

В сторону: тоже мне, рокетсаейнс с Гильбертовыми пространствали... С пространствами Соболева не сравнить.

Вроде сказали, что автор уже давно позабыла о таком уровне. Вы люди в самом деле применяете в жизни все это самое? Лично в моем чердаке места мало, все что не использую выкидываю по ненужности, правда теперь напрягают с экзаменами про то, что давно забыла (не учительские экзамены).

В этом то и фишка заключается, чтобы найти себе деятельность по душе, где можно все это применять. А так, если искать по "моде", то может закончиться фиксинием багов в коде. В этом и весь прикол, что не так уж много людей с хорошим математическим/физическим образованием в IT индустрии, которые на высоком уровне все это дело понимают (в индустрии, а не лэбах и универах). В 90-х да, физики-математики побежали в "программиривание", финансы и т.п. А сейчас я такого не особо вижу. В "аналитике" все больше computer science. Поэтому у человека и может появиться такая уникальная возмжность блеснуть. Конечно, надо будет очень повкалывать.

[valchkou]

Однако, боюсь, далеко не всегда фиксиние багов приведет к экспертному уровню. Думаю, что в целом оно все гораздо банальнее.

на данный момент главное начать любыми способами, куда приведет это второстепенный вопрос.
а далее чел сам должен разбраться.
Вариантов развития много, начиная от корп червя, который на багах собаку съел и теперь в роли чуть ли не главного БА, потому как никто лучше продукт не знает и вплоть до создания своего стартапа с нуля с использованием самых вкусных технологий.
в любом случае программист имеет огромный выбор путей развития, в отличие от того же тестера или БА.
data scientist однозначно круче, не спорю даже, там можно такого наворотить! только как туда влезть? и дорого к тому же

[Физик-Лирик]

Однако, боюсь, далеко не всегда фиксиние багов приведет к экспертному уровню. Думаю, что в целом оно все гораздо банальнее.

на данный момент главное начать любыми способами, куда приведет это второстепенный вопрос.
а далее чел сам должен разбраться.
Вариантов развития много, начиная от корп червя, который на багах собаку съел и теперь в роли чуть ли не главного БА, потому как никто лучше продукт не знает и вплоть до создания своего стартапа с нуля с использованием самых вкусных технологий.
в любом случае программист имеет огромный выбор путей развития, в отличие от того же тестера или БА.
data scientist однозначно круче, не спорю даже, там можно такого наворотить! только как туда влезть? и дорого к тому же

Еще раз перечитал первый пост автора, где он задает вопрос, нужно ли идти учиться на магистра. В принципе, если автор решится на это, то стоит сравнить магистра в computer science и data science. А так да, согласен, надо с чего то начать. Но мы до сих пор так и не выяснили мотивации. Не то что мы хотим в какие секреты влезть. Просто будет гораздо понятнее, что человек на самом деле хочет в этой жизни.