Здравствуйте, Sharov, Вы писали:
S>Да ладно, недавно читал, кажется в блоге Анатолия Левенчука, что наоборот не хватает спецов для всяких S>ai и machine/deep learning'ов. Правда, там ни столько инженеров, сколько исследователей и ученых нехватка. Застой во всяких документооборатах и проч.
Парадокс в том, что глобально — нехватка, а локально — никто адекватного спеца на денежную работу не возьмет, т.к. он создаст угрозу job security нанимающего. Ну или возьмут, но не дадут нормально работать.
Здравствуйте, ned, Вы писали:
A>>просто сейчас работодатели прифигели, и хотят за два с половиной килобакса в месяц получить синьора в C++. ned>А чего в РФ опять к зарплатам в баксах вернулись? Давно?
Пора бы уже... все же адекватные для Мск 6К USD звучат куда как менее страшно чем 350 тыр
Здравствуйте, Aртём, Вы писали:
Aё>Если тебе аналист разжевал формулы, и задание спустил с чёткими деталями, тогда да. Но тогда и machine learning от программиста не требуется.
Никто новые мат методы не придумывает в индустрии. Все пользуют более менее стандартные модели и инструменты.
Если аналист — это спец в незнакомой тебе предметной области формулирует требования к модели, тогда да...
Здравствуйте, ned, Вы писали:
ned>А чего в РФ опять к зарплатам в баксах вернулись? Давно?
примерно со времени распространения широкополосного интернета рынок глобален даже для девелоперов, которые не желают уезжать из своей деревни. Во всяком случае для тех, кто знает английский и имеет вменяемые скиллы. Возможно на вас лично это не распространяется.
Здравствуйте, D. Petrov, Вы писали:
DP>Никто новые мат методы не придумывает в индустрии. Все пользуют более менее стандартные модели и инструменты.
Чтобы использовать стандартные модели, нужно эти самые модели на уровне математического языка понимать, не? Если же тебе аналист "на пальцах" разжевал "возьми эту штуку, соедини с той и результат запиши в файл"- это не есть понимание программистом machine learning. На правах imho, разумеется.
Здравствуйте, Sharov, Вы писали:
S>Да ладно, недавно читал, кажется в блоге Анатолия Левенчука, что наоборот не хватает спецов для всяких S>ai и machine/deep learning'ов. Правда, там ни столько инженеров, сколько исследователей и ученых нехватка. Застой во всяких документооборатах и проч.
Здравствуйте, Aртём, Вы писали:
Aё>Чтобы использовать стандартные модели, нужно эти самые модели на уровне математического языка понимать, не?
Да. Но не на столько глубоко как кажется со стороны. Надо уметь их использовать, а не проектировать. Поэтому многие из этих аналитиков имеют не математическое и даже не техническое образование.
Мы ушли в сторону. Это я к чему начал... Интерес к анализу данных в америке есть и уже пару лет довольно устойчивый. В России интерес появляется. Работа довольно интересная, особенно если сравнивать с обычным программировнаием. Я бы порекомандовал в эту тему переходить или как минимум ознакомиться с ней.
Нехватка таких специалистов часто связанна с тем, что компании не понимают что конкретно им надо. В америке ситуация лучше, но не на много. Но это тема для другого разговора...
Здравствуйте, kaa.python, Вы писали:
KP>Пора бы уже... все же адекватные для Мск 6К USD звучат куда как менее страшно чем 350 тыр
Хорошо живете. Это средний уровень по США. Glassdor пишет National Avg $90K в год. Это где то $72K чистыми (оптимистический сценарий), т.е. те же $6K чистыми в месяц.
Здравствуйте, D. Petrov, Вы писали:
DP>Хорошо живете. Это средний уровень по США. Glassdor пишет National Avg $90K в год. Это где то $72K чистыми (оптимистический сценарий), т.е. те же $6K чистыми в месяц.
На самом деле грустные результаты. 6К в Мск попадали в верхние 5-10% до "песца", а никак не в среднее значение. Сейчас звучит как вообще что-то заоблачное, как мне кажется.
A>просто сейчас работодатели прифигели, и хотят за два с половиной килобакса в месяц получить синьора в C++. A>т.к. взяв сегодня сеньёра на 200к, вчерашний синьёр за 150к может огорчиться,
По форуму работа в среднем 100-120 тыщ, так что вчерашний синьёр будет счастлив.
A>значит надо повышать всем своим, а это много денег.
Здравствуйте, D. Petrov, Вы писали:
DP>Мы ушли в сторону. Это я к чему начал... Интерес к анализу данных в америке есть и уже пару лет довольно устойчивый. В России интерес появляется. Работа довольно интересная, особенно если сравнивать с обычным программировнаием. Я бы порекомандовал в эту тему переходить или как минимум ознакомиться с ней.
Не подскажете чтобы почитать для оценки сложности входа в область и какого плана задачи там могут быть?
Здравствуйте, мыщъх, Вы писали:
>> робототехника тоже в каком-то тупике. Что там ещё есть? М>в каком тупике робототехника? я в шоке от того, что винда (десятка) была портирована мелкомягкими на... raspberry pi.
Ну и что что портировали? Реклама того как они умеют и ничего более. М>или ms тупо не знает чем бы еще заняться, или на raspberry pi не только игрушечные кластеры строят. и ведь интел выбросил на рынок эдисон с прочими галлилеями.
Raspberry pi — ничего нового, а область их применение зачастую надуманна. SoC были давно просто их выбросили на рынок. М>в безопасность сейчас вкладывают огромные деньги и увеличивают бюджеты которые по ходу дела вообще бездонные. безопасность эта одна из тех областей в которых никогда нельзя сказать, что "все уже сделано", поскольку противостояние меча и щита не закончится никогда.
Не вкладывают, а раздувают бюджеты.
Здравствуйте, cppman, Вы писали:
DP>>Мы ушли в сторону. Это я к чему начал... Интерес к анализу данных в америке есть и уже пару лет довольно устойчивый. В России интерес появляется. Работа довольно интересная, особенно если сравнивать с обычным программировнаием. Я бы порекомандовал в эту тему переходить или как минимум ознакомиться с ней.
C>Не подскажете чтобы почитать для оценки сложности входа в область и какого плана задачи там могут быть?
Базовый уровень — выучить R или python+pandas+NumPy. Изучить одну из ML библиотек и что-то спрогнозировать. Намного сложнее получить реальный опыт. Нужны хорошие данные. Можно Kaggle попробовать или что-то типа.
Другой подход — идти к аналитике со стороны платформ (Hadoop, Apache Spark). Путь более практичный но не совсем аналитика.
Здравствуйте, D. Petrov, Вы писали:
DP>Хорошо живете. Это средний уровень по США. Glassdor пишет National Avg $90K в год. Это где то $72K чистыми (оптимистический сценарий), т.е. те же $6K чистыми в месяц.
Тююю. Ты не воспринимай оценки kaa.python как реальные. У него свой отдел маркетинга и свои засланные HR Шучу. Но серьезно.
DP>Другой подход — идти к аналитике со стороны платформ (Hadoop, Apache Spark). Путь более практичный но не совсем аналитика.
DP>Мы как то тут обсуждали здесь
Здравствуйте, MxMsk, Вы писали:
MM>Тююю. Ты не воспринимай оценки kaa.python как реальные. У него свой отдел маркетинга и свои засланные HR Шучу. Но серьезно.
я так и понял. Приведенная мной средняя зп по америке — это начальный уровень, свежие выпускники и т.п. Его уровень — опытные и успешные. Для таких средняя американсяка зп раза в два взлетит и разница с Москвой снова станет существенной.
Здравствуйте, Takadam, Вы писали:
T>анализ данных и machine learning — это 2 близкие друг к другу темы? я просто не понял, вы то говорите то про одну, то про другую.
Тут терминология не сложилась как мне кажется. В некоторых конторах все объединяют. В других data science это одно, а ML выделяют отдельно (в названиях должностей).
Мне нравится такое разделение: ML — это построение прогнозирующих моделей, data science — это построение описательных моделай, т.е. аналитика, поиск ответов\шаблонов на бизнес вопросы из данных, всякая оптимизация, A\B тестирование и прочая статистика. В больших компаниях этим занимаются разные команды, да и навыки нужны разные.
В таком описании ML есть везде. Но в аналитике он играет лишь вспомогательную роль наряду с другими методами, а может вообще отсутствовать.
DP>Тут терминология не сложилась как мне кажется. В некоторых конторах все объединяют. В других data science это одно, а ML выделяют отдельно (в названиях должностей).
DP>Мне нравится такое разделение: ML — это построение прогнозирующих моделей, data science — это построение описательных моделай, т.е. аналитика, поиск ответов\шаблонов на бизнес вопросы из данных, всякая оптимизация, A\B тестирование и прочая статистика. В больших компаниях этим занимаются разные команды, да и навыки нужны разные.
DP>В таком описании ML есть везде. Но в аналитике он играет лишь вспомогательную роль наряду с другими методами, а может вообще отсутствовать.
Часто ли используется Perl для этих задач? Или может есть какая-нибудь тенденция к использованию Perl6? То, что Python и R используются — я в курсе.
DP>>В таком описании ML есть везде. Но в аналитике он играет лишь вспомогательную роль наряду с другими методами, а может вообще отсутствовать. T>Часто ли используется Perl для этих задач? Или может есть какая-нибудь тенденция к использованию Perl6? То, что Python и R используются — я в курсе.
Пытаешься приспособить тот язык, который знаешь? Я совершенно не сварщик, но что-то Перл в связке с ML ни разу не попадался.
