Data Science: в каком порядке изучать темы и что читать

Знакомая картина: на столе четыре книги. Толстый учебник по математической статистике, том по алгоритмам, книга про нейронные сети с картинками и справочник по языку программирования. Человек искренне начинает с первой, доходит до середины третьей главы, где формулы перестают складываться в смысл, и откладывает всё до лучших времён. Через полгода стопка стоит там же, а решение «займусь данными» так и осталось решением.

Ошибка здесь не в способностях и не в книгах. Ошибка в порядке. Data Science устроен так, что математика в нём обретает смысл только после того, как вы своими руками потрогали данные и уткнулись в вопрос, на который без неё не ответить. Начинать с теории — то же самое, что учить правила дорожного движения, ни разу не сев за руль: слова запоминаются, картинка не складывается.

Разберём профессию с той стороны, с которой в неё входят на практике.

Чем занят специалист по данным на самом деле

Представление о профессии обычно строится вокруг обучения моделей. В действительности львиная доля времени уходит на другое. Сначала нужно понять, какой вопрос задаёт бизнес и можно ли на него ответить имеющимися данными. Потом — найти эти данные, а они лежат в разных системах, в разных форматах и с разной степенью аккуратности. Потом — привести их в пригодный вид.

Чистка и подготовка данных занимает больше половины любого проекта. Пропуски, опечатки, задвоенные записи, поле «дата», где половина значений записана как текст, — всё это разбирают руками и скриптами до того, как речь заходит о моделях. Новичков это разочаровывает, а опытных не удивляет: качество исходных данных определяет результат сильнее, чем выбор алгоритма.

Дальше идёт исследование: графики, срезы, гипотезы. Часто на этом этапе проект и заканчивается — выясняется, что ответ на вопрос виден невооружённым глазом и никакая модель не нужна. Это нормальный исход, и хороший специалист умеет его признать, а не строить модель ради модели.

Если модель всё-таки нужна, начинается обучение, проверка на отложенных данных и разговор о том, что считать успехом. Затем — самое неприятное для многих: объяснить результат людям, которые не разбираются в математике, и договориться, как решение будет работать в реальном процессе. Внедрение и объяснение — это отдельный навык, и он отличает специалиста, за которым закрепляются проекты, от того, чьи ноутбуки с расчётами остаются в архиве.

Работает специалист по данным не в одиночку. Задачу приносит продуктовое или бизнес-подразделение, данные лежат у инженеров, результат внедряют разработчики. Поэтому неделя состоит не из одного кода: обсуждения, уточнения и споры о критериях занимают ощутимую долю времени. Тем, кто представлял себе тихую работу наедине с ноутбуком, полезно знать это заранее.

Ниже — программы каталога по направлению: они различаются глубиной и длиной, и это как раз тот случай, когда стоит сравнивать содержание, а не обещания.

Пять ролей, которые скрываются за одним названием

Слово Data Science в объявлениях о работе обозначает разные занятия. Прежде чем выбирать программу, определитесь, к какой из ролей вы идёте, — от этого зависит и набор тем, и требуемый уровень математики.

Для входа без технического бэкграунда разумнее всего первая строка. Аналитика данных требует меньше математики, даёт быстрый результат и открывает дверь внутрь: оказавшись в компании, вы увидите, где живут данные, и сможете двигаться в любую сторону. Прямой вход в исследования с нуля почти не встречается — туда приходят из университетской среды или после нескольких лет практики.

Порядок, в котором это укладывается в голове

1. Таблицы и логика данных. Excel или его аналог, сводные таблицы, простые расчёты. Здесь вырабатывается привычка задавать данным вопросы.
2. Запросы к базам. Умение достать нужный срез самостоятельно — навык, который отделяет специалиста от просителя выгрузок.
3. Python и работа с таблицами в коде: загрузка, фильтры, группировки, соединения. Тот же смысл, что в первом пункте, но на объёмах, которые таблицы не тянут.
4. Визуализация и статистика в прикладном виде: среднее и медиана, разброс, доверие к разнице между двумя числами.
5. Машинное обучение: сначала простые модели и правильная проверка, потом всё остальное.
6. Инженерная часть: как ваш расчёт превращается в повторяемый процесс, а не разовый подвиг.

Ключевое правило — каждый пункт на своих данных. Учебный набор про пассажиров корабля или цветы даёт технику, но не даёт понимания. Возьмите свои выгрузки: расходы семьи за два года, статистику своего сообщества, открытые данные о городе. Вопрос, который вам самому интересен, вытянет через теорию лучше любой мотивации.

Что читать и в каком порядке

Книги в этой области делятся на четыре сорта, и путать их не стоит. Первый — практические руководства по инструментам: язык, библиотеки, приёмы обработки. Они нужны в самом начале и читаются с клавиатурой под руками, иначе бесполезны.

Второй сорт — книги про мышление и про данные как таковые: как формулируется вопрос, откуда берутся искажения, почему корреляция не означает причину, как обманывает график с обрезанной осью. Это самое ценное чтение для новичка, и оно почти не устаревает. Такие книги отлично идут в дороге и не требуют компьютера.

Третий — учебники по статистике и машинному обучению. Их читают не подряд, а по мере надобности: столкнулись с задачей — открыли главу. Попытка одолеть такой том целиком до практики и есть та самая ошибка со стопкой на столе.

Четвёртый — тексты про применение в конкретных областях: розница, банки, промышленность, медицина. Они дают понимание, какие вопросы вообще задают бизнесу, а без этого технические навыки повисают в воздухе. Добавьте к списку документацию библиотек и разборы решений в открытых соревнованиях: там видно, как рассуждают практики, и это лучший бесплатный источник в направлении.

Отдельно про язык. Заметная часть хороших книг и почти вся документация выходят на английском, а перевод отстаёт на год-другой. Читать технический текст со словарём поначалу медленно, но это окупается: пересказы теряют как раз те детали, ради которых книга и писалась.

На что смотреть в программе обучения

Первое — с чего программа начинается. Если на первой неделе вам обещают нейронные сети, а таблицы и запросы идут по остаточному принципу, порядок перевёрнут. Второе — проекты на настоящих данных, с грязью, пропусками и неоднозначностями. Курс, где все наборы данных заранее вычищены, готовит к соревнованиям, а не к работе.

Третье — как проверяют задания. В этой области особенно важен разбор от практикующего специалиста: код может работать и при этом содержать методическую ошибку, из-за которой результат бессмыслен. Автоматическая проверка такое пропускает.

Четвёртое — есть ли в программе часть про объяснение результатов: отчёты, презентации, разговор с заказчиком. Её обычно недооценивают, а на собеседовании спрашивают именно об этом.

Пятое — длина и нагрузка. Программы в направлении встречаются и на несколько месяцев, и почти на год, и есть даже формат магистратуры. Чем длиннее программа, тем важнее заранее решить, откуда вы возьмёте время: направление тяжёлое, наскоком его не берут.

Выбор редакции

Полный курс по Data Science

SkillFactory · 4,0

4 870 ƃ^* 9 730 ƃ −50% Смотреть программу

• Инженер данных с нуля Яндекс Практикум 6 110 ƃ^*
• Инженер данных Яндекс Практикум 4 310 ƃ^*
• Специалист по Data Science Яндекс Практикум 6 070 ƃ^*
• Дата-инженер: расширенный курс Нетология 4 020 ƃ^* 8 110 ƃ −51%
• Data-инженер Slurm 2 340 ƃ^*

Все курсы в каталоге

Шестое — что происходит после выпуска: помогают ли собрать портфолио, открыт ли доступ к обновлениям материалов, есть ли сообщество, где разбирают задачи. Направление меняется быстро, и запись двухлетней давности уже требует поправок.

Что двигает доход в работе с данными

Первое и главное — близость к деньгам компании. Специалист, который считает отчёты по просьбе, и специалист, чьи модели напрямую влияют на выручку или расходы, оцениваются по-разному, хотя инструменты у них могут совпадать. Умение связать свою работу с деньгами обсуждается в этой профессии как отдельный навык.

Второе — роль из таблицы выше. Инженерные позиции, где нужно и программировать, и понимать инфраструктуру, стабильно оплачиваются выше чисто аналитических, потому что таких людей меньше. Третье — отрасль: банки, телеком и крупная розница вкладываются в данные больше, чем небольшой бизнес, у которого их попросту мало.

Четвёртое — опыт доведения проектов до внедрения. Портфолио из десяти учебных тетрадок с расчётами весит меньше, чем один проект, работающий в компании и приносящий понятную пользу. Пятое — рынок труда, на который вы выходите: местный работодатель и зарубежный заказчик считают деньги по разным шкалам, а удалённая работа делает вторую дорогу доступной, хотя и повышает требования к языку и самостоятельности.

Потолок наступает там, где человек остаётся исполнителем задач, которые ему приносят. Дальше растут в сторону постановки задач, руководства командой данных или углубления в узкую область, где специалистов единицы. И каждый из этих шагов снова требует учёбы.

Кому эта область подходит по складу ума

Тем, кто по своей воле копается в цифрах и получает удовольствие, когда из таблицы вылезает неожиданная закономерность. Тем, кто способен долго оставаться в состоянии «пока непонятно»: в работе с данными ответ редко приходит с первой попытки. Людям с уважением к аккуратности — здесь одна перепутанная строка меняет вывод. И тем, кому нравится объяснять: половина ценности специалиста проявляется в момент, когда он превращает расчёт в понятную коллегам историю.

Ещё один признак — спокойное отношение к отрицательному результату. Значительная часть гипотез не подтверждается, и это обычный рабочий исход, а не провал. Если каждая неудачная попытка переживается как личное поражение, работа будет изматывать сильнее, чем стоит.

План на ближайшие тридцать дней

Выберите один вопрос, ответ на который вам действительно интересен. Найдите данные, которые могут на него ответить. Приведите их в порядок, постройте пять графиков и напишите на одну страницу, что вы поняли. Если процесс увлёк, а не измучил, ставьте следующую задачу и выбирайте программу — но уже осмысленно, зная, какая часть даётся вам тяжелее всего.

Нетология

4,2 · 291 отзыв

На рынке с

2011 года

Курсов в каталоге

335

Сайт школы

netology.ru

Нетология — российская онлайн-школа, запустившаяся в 2011 году и выросшая в одну из крупнейших EdTech-платформ Рунета. Через её программы прошли более 186 тысяч человек, значительная часть — из Беларуси и других русскоязычных стран. Учебный процесс ведётся на русском языке, часовой пояс вебинаров ор...

Смотреть курсы школы

Slurm

На рынке с

2018 года

Курсов в каталоге

110

Сайт школы

slurm.io

Слёрм (slurm.io) — российский учебный центр, специализирующийся на DevOps, Kubernetes и смежных инженерных темах. Проект работает с 2018 года и считается одной из сильнейших русскоязычных инженерных школ в своей нише. Для белорусских IT-инженеров Слёрм особенно актуален: белорусская индустрия истори...

Смотреть курсы школы

И вернитесь к стопке книг. После первого самостоятельного разбора данных те же страницы читаются иначе: формулы перестают быть отвлечёнными и становятся ответом на вопрос, который вы уже задавали себе сами.

Что почитать дальше

• С чего начать в data science
• С чего начать в машинном обучении