Ежегодно Kaggle проводит опрос среди специалистов по анализу данных, и объявляет конкурс на поиск инсайтов из полученных данных. В этом году в опросе участвовало 19717 человек со всего мира. В статье рассматриваются лучшие обзоры и решения Kaggle ML & DS Survey 2019.
Рисунок 1. Распределение опрошенных специалистов по странам.
Как видно из инфографики, больше всего специалистов в США и Индии.
Data Science стал редкой возможностью хорошего заработка в бедных странах, что и вызвало такую популярность в Индии.
Рисунок 2. Распределение по полу и по странам
Но разработчики из России занимают гордое четвертое место по численности, хотя доля женщин уступает ряду стран западной Европы.
Рисунок 3. Распределение по возрасту
Мода распределения приходится на 25-29 лет. Хайп, зародившийся несколько лет назад, вовлек недавних выпускников в область DS.
Мужчины и женщины при этом показывают одинаковое распределение по возрасту.
А вот распределение в Индии принципиально отличается от США. Преобладают молодые специалисты, студенческого возраста.
Самые высокие доходы у разработчиков из США и западной Европы и явно коррелируют со уровнем дохода по странам. Доходы российских специалистов ниже в 5-10 раз.
США – 140 000$ в год
Великобритания – 80 000$ в год.
Россия — 20 000$ в год.
И это похоже на правду, т.к. специалисты в нашей команде DATA4 зарабатывают немногим больше суммы из опроса.
Чтобы получать больше медианной зарплаты, потребуется минимум 5 лет опыта программирования и 2-3 лет работы с ML.
Распределение по величине компаний, в которых работают специалисты по анализу данных, показывает, что большинство рабочих мест приходится либо на стартапы, либо на корпорации. В среднем бизнесе ловить нечего.
Большинство специалистов начали программировать одновременно с занятием ML, или перешли из других областей разработки.
Разработчики из России становятся старше, и переходят на следующие уровни образования.
Образование и возраст влияют на источники получения информации.
В странах с развитой экономикой (США, Европа) научная степень влияет на уровень зарплаты. В остальном мире разница не статистически значима.
Быть Data Scientist и Data Engineer, выгоднее, чем аналитиком или статистиком.
И напоследок, тепловая карта по заработным платам в странах мира. Можно посмотреть, где потеплее, и взять билет, пока в России зима!
В следующих статьях рассмотрим интересные соревнования и наборы данных с Kaggle. Пишите в комментариях о каких соревнованиях написать в будущих материалах.
Рисунок 1. Распределение опрошенных специалистов по странам.
Как видно из инфографики, больше всего специалистов в США и Индии.
Data Science стал редкой возможностью хорошего заработка в бедных странах, что и вызвало такую популярность в Индии.
Рисунок 2. Распределение по полу и по странам
Но разработчики из России занимают гордое четвертое место по численности, хотя доля женщин уступает ряду стран западной Европы.
Рисунок 3. Распределение по возрасту
Мода распределения приходится на 25-29 лет. Хайп, зародившийся несколько лет назад, вовлек недавних выпускников в область DS.
Мужчины и женщины при этом показывают одинаковое распределение по возрасту.
А вот распределение в Индии принципиально отличается от США. Преобладают молодые специалисты, студенческого возраста.
Самые высокие доходы у разработчиков из США и западной Европы и явно коррелируют со уровнем дохода по странам. Доходы российских специалистов ниже в 5-10 раз.
США – 140 000$ в год
Великобритания – 80 000$ в год.
Россия — 20 000$ в год.
И это похоже на правду, т.к. специалисты в нашей команде DATA4 зарабатывают немногим больше суммы из опроса.
Чтобы получать больше медианной зарплаты, потребуется минимум 5 лет опыта программирования и 2-3 лет работы с ML.
Распределение по величине компаний, в которых работают специалисты по анализу данных, показывает, что большинство рабочих мест приходится либо на стартапы, либо на корпорации. В среднем бизнесе ловить нечего.
Большинство специалистов начали программировать одновременно с занятием ML, или перешли из других областей разработки.
Разработчики из России становятся старше, и переходят на следующие уровни образования.
Образование и возраст влияют на источники получения информации.
В странах с развитой экономикой (США, Европа) научная степень влияет на уровень зарплаты. В остальном мире разница не статистически значима.
Быть Data Scientist и Data Engineer, выгоднее, чем аналитиком или статистиком.
И напоследок, тепловая карта по заработным платам в странах мира. Можно посмотреть, где потеплее, и взять билет, пока в России зима!
В следующих статьях рассмотрим интересные соревнования и наборы данных с Kaggle. Пишите в комментариях о каких соревнованиях написать в будущих материалах.
