תכנית עילית: הכירו את תוכנית ההכשרה בתחום ה-Data science של ITC

אנחנו עוסקים לא מעט בקהילה בדרכים בהן ניתן לצרף אנשים נוספים לתחום ולהנגיש, ככל שניתן, את הידע הנדרש כדי להשיג את העבודה הראשונה כ-Data scientist. רבים מכם יודעים כי לא מדובר על משימה קלה במיוחד, השילוב של חוסר הכרה של העולם התוכן לעומקו ומגוון ההכשרות הרחב שיש בשוק, מקשה על בוגרי תארים מתקדמים, או אפילו מפתחים בעלי ניסיון, לעשות את המעבר ולהשיג את דריסת הרגל הנדרשת.

אני מקדיש לנושא זה תשומת לב רבה ולעיתים עולות יוזמות חדשות בקהילה אשר מנסות להעניק מענה הולם לבעיה הזו. כדי להעצים את העשייה שלי בתחום ובשאיפה לעזור לכמה שיותר אנשים, אני כעת חובר לארגון  בשם Israel Tech Challenge, ארגון ללא מטרות רווח, אשר מציע תכנית הכשרה מקיפה ומלאה בתחום ה-Data science. כחלק משיתוף הפעולה שלי עם ITC אני מסייע להם באיתור מועמדים רלוונטיים שיכולים לקחת חלק בתכנית האקסלוסיבית שהם בונים.

קצת פרטים על התכנית עצמה: ההכשרה מתבצעת בתחום ה-Computer Vision (ראייה ממוחשבת) וה-NLP (עיבוד שפה טבעית), כאשר לב ליבה של התכנית היא שימוש בטכניקות מעולם ה-Deep Learning לביצוע משימות בתחום זה. התכנית היא חלק ממסלול ה-Data Science של תכנית ה-Fellows. התכנית הנ"ל מיועדת לבוגרי Bs.c מצטיינים מאוניברסיטאות מובילות בארץ ובעולם, בדגש על בוגרי תארים במדעי המחשב, הנדסה, מתמטיקה, פיסיקה, כימיה וביולוגיה שלהם ידע בתכנות. ההכשרה כולה בנויה משלושה חלקים עיקריים: החלק הראשון, אשר אורך ארבעה חודשים, עוסק בלימוד עצמו ומקנה לסטודנטים את כל הכלים להתמודדות עם בעיות שונות בתחום ה-Data science. בחלק זה מגיעים מרצים אורחים משלל חברות מובילות במשק אשר משתפים מינסיונם בעבודה היומיומית שלהם, וזאת במטרה לחשוף את הסטודנטים לבעיות אמתיות שעולות כחלק מתהליך העבודה. החלק השני כולל חמישה שבועות של התמחות קצרה אצל אחת מהחברות הפועלות עם ITC בהן הסטונדטים עובדים על בעיות מוגדרות עם ליווי של אנשי החברה.

החלק השלישי, אשר אורך חמישה חודשים, הוא התמחות בשכר אצל חברות מובילות בתפקידי פיתוח ומחקר במגוון רחב של חברות אשר פעולות בשיתוף פעולה עם ITC. השכר הממוצע לחודש בזמן ההתמחות הוא 20 אלף שקל לחודש, כאשר בסופו של שלב זה מרבית הסטודנטים כבר מקבלים הצעות מהחברות עצמן למשרות לטווח הארוך. לקורס יש שני מחזורים בשנה, הראשון מתקיים בחודש באפריל ובעוד השני שמתחיל בחודש אוקטובר (בעוד חודשיים). העלות של התכנית כולה היא היא 30,000 שקלים.

הסבר על התכנית

על מנת ללמוד על תכנית ההכשרה לעומק, קיימתי ראיון מקיף עם לואיס וולך, Data Science Lead ב-ITC ובר וינוגרד, יועץ בתחום ה-Data Science ואחד מסגל המורים בקורס. לאויס ובר אמונים על הפיתוח המקצועי של תכנית ההכשרה ושניהם מגיעים עם ניסיון רב בתחום וידע פרקטי בעולמות ה-Data Science. לאורך הראיון נצלול פנימה ונכיר את אבני הבניין השונות של תכנית זו ונבין כיצד היא יכולה לסייע לאלה אשר רוצים לעשות את שינוי הקריירה המיוחל.

תחילה רציתי לשפוך אור על תהליך איתור המועמדים ולנסות להבין מה משמש כפקטור משמעותי בתהליך הקבלה. "על מנת שנבטיח שכל הבוגרים שלנו יוכלו להפיק את המיטב מהתכנית אנחנו מוודאים שהם מגיעים עם הרקע המתאים. תואר ראשון או שני במדעים מדויקים וניסיון מעשי בפיתוח." הסביר וינוגרד כאשר נשאל על תהליך המיון. וינוגרד הוסיף עוד כי: "לפני התכנית, המועמדים עוברים תהליך מיון קפדני שבודק את הרמה המקצועית והאישית שלהם. כמו החברות השותפות שלנו, אנחנו מכוונים לאות חיובי חזק מהמועמדים ונקבל רק את מי שעומד בקריטריונים. אפילו כשזה בא במחיר של קורס קטן יותר."

לאחר תהליך המיון הקפדני, הסטודנטים שאכן התקבלו מתחילים בתהליך הכשרה ארוך ומקיף, כזה ששם דגש רב הן על יכולות התכנות שלהם והן על ההבנה העמוקה של תחום ה-Data Science. הנחת יסוד זו באה לידי ביטוי בכמעט כל אלמנט וחולייה בקורס עצמו כפי שוינוגרד פירט לי בתשובתו: "התפיסה שלי היא ש-Data Scientist בתעשייה הוא קודם כל מפתח והוא נמדד על ביכולות Execution שלו. ההכשרה נמשכת 10 חודשים ומחולקת לשלושה חלקים. ארבעת החודשים הראשונים כוללים לימוד פרונטלי אינטנסיבי (10 שעות ביום) בקמפוס. את ארבעת החודשים האלו אנחנו מחלקים לשלושה חלקים. בחלק הראשון, ובעבודת בית לפני שהקורס מתחיל ניתנים כלים בסיסיים בפיתוח – פייתון, עבודה מול מסדי נתונים, גיט, דוקר ועוד. בשלב הזה המשתתפים כבר מתחילים בפרויקט הראשון שלהם – איסוף מידע והנגשתו לבחירתם. לרוב הבחירה היא משעשעת וכיפית ומאפשרת ביטוי לתחומי העניין של המשתתפים. למשל בניית מאגר נתונים על סרטי אנימה או תוצאות של משחקי ספורט. בשלב השני המשתתפים לומדים מידול סטטסטי, שיטות supervised ו-unsupervised, עיבוד תמונה, עיבוד שפה, למידה עמוקה ועוד. הדגש על התרגול בשלב הזה הוא קריטי ובהרבה מההדרכות, המרצה נוכח בכיתה בזמן פיתרון התרגיל. תוך כדי השלב הזה ועד סוף התוכנית המשתתפים בוחרים פרויקט שמשתמש בכלים שהם למדו."

חשוב להדגיש כי על אף שמדובר על שלב בו מתבצעת הלמידה הראשונית של הנושאים בתחום, ישנו דגש רב על פרקטיקה ויצירת פרויקטים בעלי משמעות וערך. "היעד שהגדרתי לבוגרים שלנו בסוף תקופת ההכשרה הפרונטלית בקמפוס הוא היכולת לבנות הוכחת היתכנות (POC) למוצר מבוסס מידע עבור מגוון רחב של תעשיות וסוגי בעיות. אחד הפרויקטים החביבים עלי נכתב על ידי זוג שהתחתן במהלך התכנית. הם בנו מסנן תמונות חתונה אוטומטי (לרדת מכשלושת אלפים תמונות לכמה מאות) וכלל שיטות מלמידה עמוקה, עיבוד תמונה קלאסי וunsupervised learning וגם אתר בו אפשר לבחון את התוצאות של המודל. כל זאת כאשר הם מתבססים על תובנות ממאמרים אקדמים שהם מצאו בסקר ספרות." הוסיף וינוגרד.

בשלב השלישי והאחרון של ההכשרה הפרונטלית, הסטודנטים נחשפים לאפליקציות ושיטות ספציפיות לעולמות בעיה באמצעות סדנאות שמועברות על ידי החברות השותפות של ITC. וינוגרד סיפר לנו על שיתוף פעולה מיוחד במינו: "בסדנא של MobileEye לומדים לזהות מרחק מתמרורים באמצעים של עיבוד תמונה. תחומים נוספים שהן מועברות סדנאות: סייבר, חקלאות, רפואה, תכנון תנועה, המלצות תוכן ועוד. בסופו של דבר, הבוגרים למדו והוכיחו ידע מעשי בהבנת מוצר, שימוש בכלי מידול והוצאה לפועל של הרעיונות ומחקר לכדי משהו בעל ערך – וזה כל מה שחשוב." לאחר הלימוד והתרגול בכיתה, הבוגרים מצטרפים לפרויקט של חמישה שבועות אצל אחד השותפים. שם הם יכולים לחוות בפעם הראשונה עבודה אמיתית בתוך חברה עם צוות של אנשי מקצוע מנוסים שמדריכים אותם. כפי שציינו לפני כן, החלק האחרון הוא התמחות בשכר מלא למשך חמישה חודשים אצל אחד השותפים לדרך של ITC. לשלב האחרון, הבוגרים מתראיינים כמו למשרה כמו כל מועמד אחר ולרוב מקבלים הצעה לטווח ארוך מעבר לחמשת החודשים הנדרשים.

כפי שבוודאי הבנתם, ITC שם דגש רב לא רק על ההכשרה המקצועית, אלא גם על ההכנה של המועמדים ליום שאחרי הקורס: מציאת העבודה הראשונה כ-Data scientist. על השקפת עולם זו, הסביר לנו לעומק לואיס וולך, Data Science Lead ב-ITC. " בסופו של הקורס, בוגרי התכנית כשירים להתחיל את עבודתם כמדעני נתונים (רבים מהבוגרים הקודמים שלנו, אכן השיגו עבודות מיד לאחר סיום הקורס) ובעלי סט כלים רחב המאפשר להם להתמודד עם מגוון רחב של בעיות ואתגרים. מלבד, הלימוד השוטף של הסילבוס והנושאים השונים ב-Data Science ו-Machine Learning, התכנית שלנו שמה דגש על שני נושאים חשובים, אשר מכינים את המועמדים שלנו בצורה טובה יותר למשרות בחוץ. הנושא הראשון, הוא הקניית כלים וכישורים מעשיים שבדרך כלל לא נלמדים בתארים, אך כן חשובים בתעשייה (לדוגמת: Spark, הקמת סביבות וירטואליות ודוקרים, שיפור יכולות ה-scraping שלהם והפיכתם למפתחי פיתון עצמאיים). כלים אלו, מאפשרים להם להתחיל "לרוץ" ולספק ערך של ממש בתחילת דרכם – הרבה יותר ממדעני נתונים מתחילים אחרים. הנושא השני, הוא החיבור העמוק שיש לנו עם התעשייה אשר סייעה לנו גם בעיצוב וגיבוש הסילבוס כפי שהוא. מומחים רבים מחברות טכנולוגיה שונות, מעבירים אחוז ניכר מההרצאות אצלנו בקורס ובכך מעניקים לבוגרים שלנו הצצה לנושאים שבאמת בעלי חשיבות ולסט האתגרים עמם יתמודדו."

וולך ווינוגרד מצטנעים ולא מספרים על הבוגרים שלהם, אך ישנם מספר רב של בוגרים שהצליחו להיכנס לחברות המובילות בשוק וכבר עכשיו עובדים בתפקידים שונים בחברות כדוגמת: גוגל, פייסבוק, אינטל, מיקרוסופט, טאבולה, IBM, אפל, צ'קפוינט ועוד.

התמודדות

בהמשך לשיחה שלנו על התכנית שוחחנו גם על האתגרים הניצבים בפני מועמדים ללא ניסיון אשר מנסים להשיג, לעיתים ללא הצלחה מרובה, את המשרה הראשונה שלהם. וולך הסביר כי ישנן מספר גורמים המונעים מג'וינרים להתברג פנימה לחברות או סטארטאפים וציין גם מה הפתרונות לפי דעתו. "ישנן מספר נקודות תורפה למדעני נתונים אשר נמצאים בתחילת דרכם ומנסים להשיג עבודה בתעשייה. הנה שלוש בעיות עיקריות: הבעיה הראשונה היא שבמרבית המקרים, Data scientist צריך להרגיש בנוח עם משימות פיתוח "רגילות" ולהגיע לרמת כשירות בה הם יכולים לתפקד כמפתחים עצמאיים. הבעיה השנייה, אשר יש לה קשר הדוק לבעיה הראשונה, נעוצה בעובדה שמדעני נתונים לפעמים נדרשים לעשות את "העבודה המלוכלכת" כחלק מהתפקיד שלהם וישנן לא מעט עדויות על מועמדים שאינם מוכנים לכך וכי ישנן ציפיות אחרות לחלוטין מהתפקיד. הבעיה האחרונה היא שבמקרים מסוימים, אותו מועמד משיג עבודה ראשונה בסטארטאפ ובעצם משמש כתקן הראשון בתחום. כאשר מועמד נכנס לחברה בשלב זה, לא בטוח שלחברה יש את התשתיות המתאימות או ההבנה כיצד Data scientist אכן צריך לעבוד. אנחנו מנסים להעניק פתרון למרבית הבעיות שהוצגו כאן על ידי הכשרה של הסטודנטים שלנו עם גורמים מהתעשייה, ובכך חושפים אותם לכל היכולות הנדרשות, ולבסוף משדכים אותם לחברות בהן הם יוכלו ללמוד מאנשים בעלי ניסיון רב יותר ובכך להגיע למקום שמוכם לקליטתם".

וינוגרד מתייחס גם הוא לסוגיה הנ"ל ומביא מספר טיפים חשובים למועמד המתחיל: "הקשיים של מי שמנסה להיכנס לתחום הם מגוונים ותלויים ברקע שמגיעים איתו. ראשית צריך להיות מסוגלים לכתוב קוד ברמה גבוהה. התפקידים בתעשיה דורשים יכולות פיתוח כי בסופו של יום המטרה היא לבנות מוצרים ולא לעשות מחקר לשם מחקר. שנית, צריך רקע מדעי מתאים. מבחינת רקע מתמטי, מספיקה שנה ראשונה של כל תואר במדעים מדויקים. בנוסף, אני רואה ערך בשילוב עם ניסיון במדעים אמפיריים שבהם יש דגש על תכנון ניסויים והסקת מסקנות מהם, למשל ביולוגיה, מדעי החברה אבל לא מדעי המחשב ומתמטיקה. עם רקע אקדמי חזק, הקורסים הזמינים אונליין יכולים להספיק ללומד עצמאי לקבל הבנה בסיסית טובה של הכלים שעומדים לרשות ה-Data Scientist. חלק מהמעסיקים לוקחים בחשבון תואר שני או דוקטורט רלוונטי כמקביל לנסיון בתעשיה. אם מתאפשר לעבור לתפקיד מתאים בחברה שכבר עובדים בה, הרבה מהקשיים שכרוכים בלמצוא עבודה חדשה בתחום שאין בו נסיון, נעלמים. אם בכל זאת יש צורך במעבר לחברה חדשה, נותרו עוד שתי משוכות לעבור: לקבל הזמנה לראיון ולעבור אותו. אחת הדרכים הכי מוצלחות אם לא הכי מוצלחת להגיע לראיון היא באמצעות המלצה אישית של עובד מוערך בחברה. אם אפשרי, עדיף לבקש הפניה דרך חברים וקולגות. אופציה נוספת ומומלצת היא להגיע למיטאפים בתחום ובדגש על כאלה שמארחות חברות שמעניין לעבוד בהן או שהמרצים עובדים בחברות האלו. החברות מקיימות את האירועים, בין השאר, למטרות גיוס עובדים. רצוי ומומלץ לנצל את ההזדמנויות האלו כדי לייצר קשר".

לקינוח וינוגרד מסביר מה בכל מקרה אפשר לעשות וכיצד ניתן לשפר את הסיכויים לקבל המשרה ההתחלתית: "מעסיקים היום יעדיפו לוותר על מועמד מתאים ורק לא לטעות ולשכור מועמד לא מתאים. נדרשת רמת וודאות גבוהה. לכן האות מתהליך ההעסקה חייב להיות חיובי מאד. הראיונות עצמם הם מאד מגוונים ומשתנים בין מראיינים וחברות אבל בסופו של המטרה של כולם זהה – לשכנע את המעסיק הפוטנציאלי שהמועמד מתאים לתפקיד ויהיה תוספת מבורכת לחברה. נהרות של דיו נשפכו על איך לעבור ראיונות לכן לא אכנס לזה. עם זאת, יחסית קל להשאיר רושם בעולם הזה. הדרך הכי מוצלחת היא לפרסם פרויקט אישי, בסגנון של כאלו שהזכרתי קודם. פרויקט כזה נותן חור הצצה ליכולות הטכניות, המוצריות והיצירתיות של המועמד. הוא מאפשר לנהל שיחה על בעיות שהמועמד העמיק בהם ולייצר יתרון משמעותי על מועמדים אחרים. הוא ישאיר זיכרון חזק אצל הצד השני. כדאי לתכנן הצגת כזה פרויקט מראש ולצרף אותו במקום בולט בקורות חיים. מהסיבה הזאת אנחנו מתעקשים על שלוש הזדמנויות לכל משתתף לייצר לעצמו "תיק עבודות" שיוכל לדבר עליו בראיונות עם מעסיקים פוטנציאלים: פרויקט איסוף המידע, פרויקט מוצר המידע והפרויקט בחברה אחרי ההכשרה הפרונטלית".

לסיכום, כפי שאתם בוודאי מבינים, הוקדשה לתכנית ההכשרה הנ"ל המון חשיבה ודגש לכל אלמנט בדרך. ישנן מספר לא מבוטל של חברות שמחפשות מועמדים חזקים ואם אנחנו רוצים שהקהילה תמשיך ותגדל אנחנו צריכים להכשיר עוד אנשים איכותיים שימשיכו את המחקר הקיים ויפתחו אותו הלאה. התכנית של ITC היא ללא ספק בין התכניות המקיפות והאיכותיות שיש בארץ ואני גאה מאוד לסייע להם להפוך אותה לעוד יותר מדהימה. במידה ואתם רוצים לקבל פרטים נוספים על התכנית או אפילו להתייעץ על סוגיות שיש לכם בנושא תרגישו חופשי לפנות אלי ואני אשמח לסייע ככל שאוכל.

המחזור הבא עתיד להיפתח במאי הקרוב וההרשמה אליו כבר נפתחה. שימו לב שמדובר על תהליך מיון עם מספר שלבים לכן עדיף להירשם בהקדם כדי שתוכלו להתחיל את התהליך בזמן וללא לחץ. במידה ואתם רוצים להבטיח את מקומכם כבר עכשיו במחזור הבא אתם מוזמנים להירשם עכשיו בקישור הבא.