Предстоящая экономическая рецессия станет первой в эпоху науки о данных или машинного обучения. Все указывает на то, что это будет серьезное событие, и мы уже чувствуем его начало, поскольку такие фирмы, как Meta, уже делают заявления, подразумевающие усиление ограничений на набор персонала и более высокие требования к производительности для существующего персонала.

На протяжении всего времени, когда наука о данных была «вещью», у нас был удивительный рост, но впервые американские горки катятся вниз. Большинство специалистов по обработке и анализу данных и инженеров по машинному обучению столкнутся с такой экономической трансформацией впервые, и они, несомненно, будут обеспокоены. Те, кто был в рабочей силе какое-то время, будут иметь представление о том, чего ожидать.

Этот пост содержит несколько утешительных советов специалистам по данным и инженерам по машинному обучению, пока они будут искать работу в ближайшие 12–24 месяца. Вот некоторые гарантии и причины для оптимизма.

1. Наука о данных никуда не денется и будет востребована в условиях экономической ситуации

В отличие от нескольких лет назад, сегодня большинство компаний считают, что наука о данных — это полезный и необходимый опыт для их предприятия. Они стали свидетелями повышения эффективности и скорости понимания, а также ценности автоматизации/машинного обучения, которую специалисты по данным привносят в организацию. Сейчас они достигли той стадии, когда не могут представить свою аналитику без навыков специалиста по данным.

Кроме того, потребность в понимании и аналитике не зависит от экономической среды. Основное различие в аналитике между периодом роста и периодом рецессии заключается в том, что новые проблемы занимают руководителей фирм, что требует разного анализа. В периоды экономического подъема обычно решаются вопросы стратегии роста, новых рынков и оптимизации доходов, тогда как в периоды рецессии часто решаются вопросы конкурентной стратегии, оптимизации затрат и рентабельности инвестиций. Во время рецессии понимание для принятия решений с помощью машинного обучения так же важно, если не больше. Поскольку фирмы вынуждены быстро приспосабливаться, время оборота становится все более важным.

Это не означает, что общий спрос на специалистов по данным не упадет, но предполагает, что сокращение будет менее серьезным, чем в большинстве других дисциплин. И большинство фирм будут стремиться сохранить своих опытных специалистов по данным для целей машинного обучения.

2. «Мягкие льготы», вероятно, сократятся вместе с другими секторами

Организации стремятся максимально сократить расходы на машинное обучение во время рецессии, чтобы оставаться устойчивыми к экономическим колебаниям. Как правило, «мягкие льготы» — те, которые рассматриваются как «приятные» или второстепенные — в первую очередь подлежат сокращению.

Если вы часто путешествуете по работе, вы наверняка заметите это снижение. Если вы использовали дискреционные ресурсы для личного посещения тренингов и конференций, будьте готовы упустить эти возможности в будущем. Будьте готовы к значительному сокращению посещаемости, если вы организуете конференции и мероприятия по науке о данных или машинному обучению.

Опять же, это не так ужасно, как могло бы быть для других отраслей. Многие инструменты обучения науке о данных доступны онлайн и не требуют личного участия. Почти все знания доступны где-то в открытом доступе. Специалисты по данным и инженеры по машинному обучению больше, чем многие другие отрасли, привыкли к удаленному взаимодействию, и для удаленного обучения и совместной работы доступны различные технологические платформы. Кроме того, после двух лет ограничений, связанных с пандемией, мы все вполне комфортно относимся к удаленному взаимодействию.

3. Рынок труда станет более конкурентоспособным, но есть способы адаптироваться

Без сомнения, рынок труда для специалистов по данным и инженеров по машинному обучению будет ужесточаться в течение следующих 12–24 месяцев. Работа будет, но конкуренция будет жестче. Это означает, что кандидаты будут сталкиваться с растущим давлением, чтобы продемонстрировать свою компетентность в качестве ученых / инженеров данных, чтобы соответствовать «более высокой планке» для трудоустройства.

Если вы планируете выйти на рынок труда в области машинного обучения в течение следующих 12–24 месяцев, вам следует к этому подготовиться. Вот несколько предложений:

  • Учиться, учиться и еще раз учиться

Если у вас есть свободное время, используйте его, чтобы изучить новые методы машинного обучения и поэкспериментировать с ними. Чем разнообразнее ваш набор навыков, тем более привлекательным вы будете для потенциального работодателя.

  • Создать портфолио

Нет ничего более убедительного для работодателя, чем осязаемые доказательства высокого качества работы. Создайте репозиторий на github, создавайте статьи или ведите блог, чтобы вы могли быстро продемонстрировать любому возможному будущему работодателю, что вы понимаете методы машинного обучения и умеете хорошо программировать.

  • Улучшите свои знания об облачных технологиях

Облачные вычисления начинают доминировать в области науки о данных, инженерии данных и машинного обучения. Если вам не хватает навыков работы с облачными технологиями, ваши варианты работы будут гораздо более ограниченными.

  • Участие в разработке с открытым исходным кодом

Внесите свой вклад в программные пакеты или даже создайте свой собственный, если у вас есть время. Участие в разработке расширяет ваше сообщество, делает вас более известным, учит вас основным навыкам машинного обучения и отлично смотрится в вашем резюме.

  • Посещайте виртуальные и локальные встречи и знакомьтесь с другими профессионалами везде, где только можно, чтобы расширить свое сообщество.
  • Если представится возможность, сотрудничайте и выступайте на этих сеансах машинного обучения. Создание вашей репутации таким образом повысит осведомленность о вашей работе и повысит вероятность того, что работа обнаружит вас, а не наоборот.

Последнее слово

В ближайшие год или два в машинном обучении могут наступить трудные времена, но не о чем беспокоиться. Вы можете быть устойчивы к этим изменениям, если у вас есть правильные ожидания и готовность.