
להגיב ל: לימודים // עזרה
קדם ‹ Forums ‹ הייטק ‹ לימודים ‹ לימודים // עזרה ‹ הייטק
-
70
66
0
פעילה בקהילה
אני גם טיפוס אינטלקטואלי, ואוהבת מאוד ללמוד ולחשוב. אני עכשיו בשנה ג’, ועכשיו אני לומדת Data Science – פיתוח בינה מלאכותית. אפשר לומר שאני מרגישה את עצמי מתחברת הרבה יותר למה שאני לומדת שם, מאשר למה שלמדתי בלימודי הסמינר הרגילים (לא הייתי במסלול AI של קמאטק). עד אז, לא הכרתי מציאות של “ליהנות מתכנות”, ברמה שפשוט כיף לקוח בבוקר, כשאת יודעת שבזה את הולכת להתעסק. כי פיתוח אתרים לצורך פרויקט – כמה כבר התעסקות אינטלקטואלית יש בזה? לעומת זאת, כמדענית נתונים את ממש חוקרת את הדאטה שלך, את מנסה להוציא ממנו את התובנות החשובות שיפתחו בפנייך דלתות, את עושה מעין “ניסויים” כדי לבחור עם איזה מודל להתעסק ובסופו של דבר. מעבר לכך, מאחורי כל המודלים האלו יש מתמטיקה עניפה! אני מרגישה מין “גאוות יחידה” כזו, שכל הסטודנטים של מדעי המחשב לומדים “רק בשביל התיאוריה” את המתמטיקה הזו, ולא מתעסקים איתה בכלל, ואילו אני, דווקא אני, מתעסקת בפועל עם מה שנבנה באמצעות המתמטיקה הזו! כיום, אין לי את הרקע המתמטי שיש לבוגרי תארים בתחום (למדתי ברוך ד’ בסמינר, לימודים על טהרת הקודש), אולם אני מתכננת בהמשך בעזרת ד’ להשלים את החומר המתמטי החסר (ובעזרת ד’ בלי נדר לא באמצעות תואר!). מדעני הנתונים הם אכן ככל הנראה יחידי סגולה, שבתחומם התיאוריה המתמטית באמת מסייעת ועוזרת להבין נושאים עמוקים בתחום.
אבל — להיכנס כג’וניורית לעולם ה-Data Science? זה קשה לכולם, גם לחילונים עם תואר שני, קל וחומר למי שיש לו רק תואר ראשון (אלא אם כן הוא עשה תואר ראשון ב-Data Science), ומסתבר שקל וחומר למי שאין לו תואר.
דרך הגיונית יותר היא, אכן, להיכנס למשרה כלשהי ומשם לעלות הלאה. אני מאמינה שרוב אנשי ה-Data Science שהגיעו לתפקיד הזה אחרי כברת דרך בשוק התעסוקה – הגיעו מתחום הדאטה. גם אצלנו בקורס, אני חושבת שרוב הנשים הן מתחומי הדאטה.
ההיגיון אומר, שלהתקדם באותו צוות – קל יותר מאשר לעבור לצוות אחר באותה חברה, אך להתקדם באותה חברה קל יותר מאשר להתקבל לחברה אחרת, כשאת מעוניינת לעשות הסבה לתחום שבו את למעשה ג’וניורית. למה אני מתכוונת? בדרך כלל מי מי שעובד בצוות עם data scientists, הם באמת אלו שהם data engineer, מה שאומר, שמישהי שהיא data engineer – יש לה סבירות גבוהה יותר לעבוד בצוות עם data scientists, ואם כך אז אולי גם להתקדם לתחום הזה, כשיפתח תקן חדש למדען נתונים בצוות שבו היא נמצאת.
לעומת זאת, אני גם יודעת על מישהי שעבדה בפולסטק והעבירו אותה מטעם החברה לצוות AI, רק שאני לא יודעת מה היא בדיוק עושה שם, והאם היא תתפקד בהמשך כמו data scientist לכל דבר ועניין. זה תלוי בן אדם, תלוי חברה…
כנראה שהמעבר אפשרי משני הכיוונים, אך מעבר מתחום הדאטה לתחום הזה – הוא קל וחלק הרבה יותר. בשביל כאלו שהם data engineer, זה כמו קידום למשרה בכירה יותר בתחום (לא בדיוק, אבל בערך), וזה משהו שמתבסס על היכולות הקודמות שהן צברו (הרבה פעמים מבקשים מאנשי data science לשלוט גם ב-sql ולדעת לעשות data engineering על הדאטה. זה תלוי בחברה – יש חברות שיש להן יותר תקנים, והן יכולות לאפשר לאנשי ה-data science להתעסק בצורה “טהורה” בתחום הזה, ולעומת זה יש חברות שאיש ה-data science אצלן הוא “כלבויניק” – יש פה מסד נתונים, שלוף מפה את הדאטה שאתה צריך והסתדר איתו – מה שדורש יכולות של data engineer, ואם יש לו את זה מתפקיד קודם – אז מצוין). לעומת זאת, בשביל כאלו שהיו בתחום הפולסטק – לעבור ל-data science זה די הסבת מקצוע, הן ככל הנראה לא עומדות להשתמש ביכולות העשירות שהן צברו – בתפקיד החדש, וחבל… גם לא יהיו להן את המיומנות של data engineering, שבהחלט מהווה יתרון חזק בתחום הזה.
כל זה – הוא “בתיאוריה”. במציאות ימינו, כששוק העבודה כה קשוח, אני לא יודעת אם מישהי שמציעים לה משרת פולסטק – תסרב, כי גם זה שער מצוין לעולם התעסוקה. מצד שני, ייתכן שיש יותר משרות ג’וניורים בתחום ה-SQL, שדורש פחות פרטיקה בתור התחלה מאשר תחום הפולסטק (רוב אנשי ה-data engineer כנראה התחילו במשרת SQL פשוטה יותר בתחילת דרכם).
לגבי התארים – אני לא חושבת שזו השתדלות בשביל להיכנס לתחום, כשגדולי ישראל אסרו את התואר (אם את משתייכת לזרם אחר, לכי עם הרב שלך). כולנו רוצות להתפרנס ולהקים בית של תורה מכסף כשר, שקיבלנו באמצעות השתדלות כשרה.
מעבר לכך – בשביל מה בדיוק צריך תואר? כפי שהבנתי, רוב תפקידי ה-Data Science אינם תפקידים מחקריים. הווי אומר, יש הבדל בין הידיעה כיצד להשתמש בחבילות השונות ובמודלים השונים, לבין הידיעה כיצד ליצור אותם. אולי נמשיל את זה, שזה כמו שבמדעי המחשב את משתמשת בקומפיילר שמישהו בנה, את לא צריכה את הידיעה איך לבנות קומפיילר כזה בעצמך! רוב מדעני הנתונים עוסקים במציאת הצורה האופטימלית לפתור את המשימה, מבין שלל הכלים והמודלים שאנשים כבר תכנתו עבורם, ולא בהמצאת מודלים חדשים.
אולם עדיין, יש קבוצה מסוימת בתוך מדע הנתונים שהם בתפקידם חוקרים – researchers. ועל תקן זה התקבלו לעבודתם. אולם אני בספק גדול, אם זה היה התקן הראשון שהם נכנסו אליו בתחום זה. מסתבר, שרובם ככולם היו קודם לכן data scientists רגילים. אכן לתפקיד ה-data researcher יש צורך בידיעת מתמטיקה גבוהה, על מנת להבין מדוע המודל שהוא בנה לא פועל כל כך טוב עם הנתונים ואיזה סגנון מודל יכול יותר להתאים להם (הרי הכל מאחורי המודלים אלו חישובים מתמטיים). יש לנו בקורס מרצה שעובד בתעשייה בתחום הזה (לא כ-researcher), והוא אמר לנו שהוא מעולם לא גזר פונקציה מחוץ לאקדמיה. זה אומר הרבה.
אני רוצה להדגיש שגם התפקיד של data scientist, שאינו מחקרי, הוא באופיו תפקיד הרבה יותר מדעי מתחומים אחרים כמו פיתוח פולסטק, והרבה יותר דורש מחשבה, העמקה ואינטלקטואל! לכן, אל תהיי כל כך בטוחה שאת מחפשת דווקא להיות researcher בתחום הזה, ייתכן בהחלט שהתחום הרגיל יענה על כל ציפיותייך בצורה מושלמת, ומשם גם תמיד אפשר להתקדם.
(אם אני רוצה להמחיש לך מה משמעות “חוקר”, קבלי את הדוגמה הבאה: מערכת פורומים עולמית מנסה להפעיל סינון על התגובות שאנשים כותבים, כך שתיחסם כל תגובה שמכילה מילים פוגעניות, או שתוכנה עלול להעליב מישהו, גם אם בצורה אלגנטית. לצורך כך, נניח שיש בשוק כבר 10 כלים קיימים שאפשר להתאים אותם לביצוע המשימה הזו. Data scientist רגיל יבצע את הבדיקות שלו, על מנת לבחור את הכלי המתאים ביותר מבין העשר. data researcher לעומתו, יבחר ליצור כלי חדש שמטפל בבעיה הזו, אם באמצעות גישה חדשה שלא הייתה ידועה עד כה בשוק הזה, אם באמצעות קומבינציה של כלים מסוימים שיוצרת מודל חזק הרבה יותר).
אני כן רוצה ללמוד את המתמטיקה שקשורה לתחום הזה, כי זה די בסיס מבחינתי, אבל בשביל זה יש אפשרות להאזין לקורסים מצוינים באתר של GOOL, שמותאמים לעולם ה-data science, ואין צורך ללמוד שום תואר. אלו קורסים טובים הרבה יותר מהשיעורים באקדמיה (ויעידו על כך הסטונדטים שמשתמשים באתר הזה, שהם מכל האוניברסיטאות ומהמכללות בארץ, גם מהטכניון).
בנוסף, אם נסתכל על מסלול התארים המקובל לאנשים כאלו, איך במודעות הדרושים מנסחים את דרישות ההשכלה לתפקיד כזה – אז רובם רוצים תואר שני. ותואר שני, כדי שיהיה מספיק נחשב בתחום, צריך להיות תואר שני עם תזה – מחקר אישי של הסטודנט, שאורך זמן רב ודורש משאבים לא מעטים, ומאריך את מועד קבלת התואר.
האם את ערוכה לשש שנים של לימודים? האם זה בכלל ריאלי, לאישה שבעזרת ד’ מתכננת להקים משפחה בטווח הקרוב? בל נשכח שגם לנו, הבנות העיוניות יותר מטבען, התענוג האמיתי שיהיה לנו בחיים, יהיה מהסיפוק שלנו כשנראה בעזרת ד’ את הבעל והילדים צומחים בזכותנו, ולא בגלל העבר האינטקטואלי העשיר שמאחורינו או לפנינו.
חוץ מזה, לא באמת צריכים שני תארים בשביל לעבוד בתחום. תואר ראשון הוא בשביל הכניסה לעולם ההייטק, כמו כל ג’וניור, ותואר שני הוא זה שמתמקד בעולם ה-data sience. לכן, יש כבר כמה אוניברסיטאות/מכללות שפתחו תואר ראשון בתחום הזה, עבור כאלו שיודעים כבר בתחילת הלימודים שלהם שזה התחום שהם מעוניינים בו. אמנם אין לתואר הזהאת ההילה הנוצצת של התואר השני, אך מצד שני אני מאמינה שהוא מכיל את רוב המידע שמקבלים אלו שעושים תואר שני בתחום. אולם אני לא חושבת שתואר ראשון שכזה קיים בהפרדה (וגם לגבי תואר שני אני לא יודעת).
אבל בהתחשב בדרישות השוק, ושלא תחשבי שהדרישות מאיש data science ג’וניור פחותות מהדרישות מג’וניור בשוק הפולסטק, ושלא תחשבי שיש שם יותר משרות לג’וניור, כי יש שם פחות – אני חושבת שהדרך הריאלית לבוגרת סמינר חרדית להיכנס, זה באמצעות משרה קודמת בתעשייה ולא כג’וניורית טרייה.
מעבר לכך, גם בתחום זה, כמו בשאר תחומי ההייטק – הפרקטיקה חשובה יותר מהתיאוריה! כשרואים תיק עבודות עשיר מאחורייך, זה מרשים, אפילו אם אין לך תואר ראשון או שני, יותר מבוגר ירוק! אז איך רוכשים פרקטיקה? אפשר להיכנס לאתר של Kaggle, אתר הבית של אלו שלומדים להיכנס לעולם המדהים של מדע הנתונים (ולא רק להם). יש שם הרבה תחרויות ואפשרויות להגיש לתחרות פתרון משלך. אפילו אם מישהי לא זכתה, העבודה שהיא עשתה – מרשימה בהחלט. בפרט אם זו הייתה תחרות מטעם חברה עולמית כמו מייקרוסופט או גוגל.