כתבות בנושא לימודים וקריירה

בפוסטים הקודמים שעסקו בסקר מדעני הנתונים ומקצועות ה-Machine Learning (ML) כתבתי בעיקר על השכר – פילוחים, תחזיות ותגליות. מי שלא קרא מוזמן לעיין בדו"ח השכר המלא  ולהתנסות במחשבון השכר ולקרוא את הפוסט שמסביר על מאחורי הקלעים של מחשבון השכר. הפעם הגיע הזמן לדבר על משהו שאינו כסף, לשם שינוי. השנה הוספנו לסקר שאלות רבות על אופי התפקידים השונים, מה שמאפשר לענות על אחת השאלות שאני נשאל הכי הרבה – מה עושה מדען נתונים (ולצורך העניין, מפתח\ת אלגוריתמים, אנליסט, וכו').

לכתבה המלאה >>

הכתבה בשיתוף Y-Data

בזמן שתעשיית הדאטה בישראל רק הולכת ומתפתחת, יותר ויותר אנשים מחפשים את כרטיס הכניסה לתחום. קורסים והכשרות הם התשובה של רבים לכך, ואחד הקורסים שהצליחו לצבור לעצמם שם בקהילה שלנו הוא התכנית של Y-DATA, אותה אנו מלווים זו השנה השלישית. ההרשמה לקורס פתוחה עד התאריך 10.8.2021 וגם הפעם יש לנו קוד הנחה המקנה לכם 1000 ש"ח הנחה- ML2021. ניתן להשיג מידע נוסף ולהירשם דרך הלינק הזה.

למי שלא מכיר, Y-DATA מבית יאנדקס (Yandex) היא תכנית להכשרת מדעני נתונים, שפונה למי שיש להם ניסיון משמעותי בתכנות ורקע אקדמי רלוונטי המבקשים לעשות הסבה לתחום. המחזור השלישי של התכנית מתקרב לסיום, ובאוקטובר הקרוב יפתח המחזור הרביעי שיכלול כ-50 סטודנטים, שירכשו כלים ויכולות שיאפשרו להם להשתלב בתעשייה עם סיום ההכשרה (ולעתים, אפילו במהלכה). השנה, התכנית אף מפעילה אקסלרטור קריירה שמלווה את הסטודנטים בתהליך חיפוש העבודה ומקנה להם כלים לייעול התהליך.

אחרי שנה כה מטלטלת, רצינו לבדוק מקרוב איך הצליחו החבר'ה ב-Y-DATA להתמודד עם השלכות הקורונה, איך התפתחה התכנית שלהם לאורך השנים ולמה החליטו שלא להמשיך רק בלמידה מרחוק. מעבר לכך, חשוב היה לנו לשמוע מה חושבים הבוגרים של התכנית עליה, וכיצד היא תרמה להם.

הראיון הבא עם קוסטיה קילימניק, מנהל תוכנית Y-DATA בישראל, ישפוך קצת אור על הנושא. לכתבה המלאה >>

Hebrew version

English version

كما في السّنوات السَابقة، هذه السَنة أيضًا أجرينا الاستطلاع السّنوي لمجتمع MDLI، بهدف رسم تخطيط للاتجاهات المختلفة عند العاملين في مجال الـ Data Science والـ Machine Learning. لقد قام عدد كبير من المجيبين والمجيبات بتعبئة استطلاعنا السنوي- 1,250 شخصًا – انجاز عظيم بكل المقاييس. قام عمري غولدشتين، مُطور خوارزميات، عالِم معطيات وصاحب المدونة "قائم على المعطيات"، بتحليل معطيات الاستطلاع. من خلالها قُمنا بإنتاج تقرير الأجور لمجتمع MDLI لعام 2021، وإلى جانب ذلك قُمنا بتطوير حاسبة الأجر مخصصة لمهن المعلوماتية (داتا) في البلاد.

في الأسابيع القربية سوف نُضيف إلى الموقع عددًا من التقارير الإضافية والتي ستتضمن نتائج الاستطلاع، من بينها: كيف تم بناء حاسبة الأجور الجديدة، وضع فجوات الأجور بين الجنسين في السّوق وتحليل الوظائف المختلفة ومجالات المسؤولية التي تُرافقها. تقرير الأجر الكامل هو الجزء الأول من السّلسلة، وهو معروض هنا أمامكم/ن.

في التقرير التّالي سنقوم بتقسيم معطيات الأجر التي ذُكرت في الاستطلاع بحسب الوظيفة، الدراسة، المستوى الاداري، الجنس وغيرها. عندما نحلل تأثير الإجابات المختلفة على الأجر، نحن بالتأكيد معرّضون لتأثيرات مُتغيرات مُتداخلة. على سبيل المثال، متوسط الأجر في الاستطلاع كان 38,500 شاقل شهريًا للعاملين في تل أبيب، مقابل 26,700 شاقل شهري بالمتوسط في القدس. هذه المعطيات قد تكون عملية لكل من يفكر بالانتقال من العاصمة إلى تل أبيب أو العكس، لكن بالتأكيد لا يمكن توقع قفزة في الأجر بقيمة 12,000 شاقل فقط اعتمادًا على تغيير مكان الإقامة. هل عروض العمل مختلفة في تل أبيب؟ أو متوسط مستوى الدراسة؟ لا حدّ للتداخلات التي يمكننا القيام بها وللعلاقات السّببية التي يمكن البحث عنها. في هذا التقرير سوف نستكفي بالتداخلات حول متغيرين أو ثلاثة في كل مرة ولن نعرض فقط متوسط كل فئة، بل أيضًا مقاييس إحصائية أخرى والتي قد علمتنا عن التوزيع كله.

ملاحظة: بسبب حرصنا الشديد على خصوصية المجيبين (وعلى قدرة شمولية الاستنتاجات) لن يتم عرض أي معلومة وسيتم تجميع المعطيات لـكل 10 عينات على الأقل.

حاسبة الأجر

قبل أن نبدأ، مثلما ذكرنا، في هذه السّنة سوف نقدم لأول مرة حاسبة الأجر لمجتمع MDLI التي تعتمد على نتائج الاستطلاع. محاولة إيجاد معلومات عن الأجر في مجال الهايتك تنتهي في معظم الأحيان بجداول أجور في شركات التوظيف المختلفة. هذه الجداول عملية، لكنها لا تتمتع بالشّفافية إطلاقًا – كيف تم حساب الأجور؟ ما هو حجم العينة وما هي المدة زمنية تم قياسها خلالها؟ ما هو مفهوم المجال؟ إلخ.  تمكننا معطياتنا من بناء جدول أجور بديل في الشكل المقبول، وعن طريق حاسبة الأجور تستطيعون أن تحصلوا أيضًا على المجال التي تتواجد فيه 50% من العينات (أو أين يتوقع النموذج أن تتواجد 50% من العينات) وليس فقط التوقعات المتوسطة. ندعوكم لتجربة الحاسبة عبر الرّابط التالي.

לכתבה המלאה >>

כפי שסיפרנו לכם בעבר, השנה השקנו לראשונה מחשבון שכר לכל מקצועות הדאטה המבוסס על נתוני הסקר השנתי של קהילת MDLI. בפוסט הבא רצינו לחלוק איתכם את הרציונל שעומד מאחוריי פיתוח המחשבון, לספר מה מייחד אותו ואיך הוא יכול לספק ערך לחברי הקהילה.

לכתבה המלאה >>

הכתבה נכתבה בשיתוף עם Razor Labs

מי שעוקב אחרי הפוסטים והמאמרים שאני כותב יודע עד כמה אני שם דגש רב על כל תחום הלימודים ופיתוח הקריירה. בארץ, כפי שבוודאי אתם יודעים, יש מחסור עצום באנשי ML טובים וישנן הכשרות רבות שנפתחו בשנים האחרונות שמטרתן היא לצמצם את הפער שנוצר ולשלב עוד עובדים איכותיים באקוסיסטם. כפועל יוצא מכך, החליטה חברת Razor Labs להקים את Future Learning, אקדמיית הבינה המלאכותית הראשונה בישראל, אשר מטרתה להכשיר מהנדסים מחוננים ומצטיינים לעסוק ב-Deep Learning באופן המשלב ידע תאורטי ומעשי.

למי שלא מכיר, ההכשרה של Razor Labs בתחום קיימת מזה 3 שנים ועד כה, הכשירה מעל ל-50 מהנדסים בשבעה מחזורים, כאשר כ- 85% מהם השתלבו בחברות הקבוצה (Razor & Axon) בתום הכשרתם. בנוסף לכך, במהלך השנה האחרונה זכתה האקדמיה להכרה רשמית מרשות החדשנות כגוף להכשרות מהנדסי AI, וכן זכתה כגוף המוביל להקמת מאגד מרכז הכשרות לאומי לבינה מלאכותית יחד עם חמש חברות מובילות במשק הישראלי.

מאחר ומדובר על אחת ההכשרות הרציניות והמוכרות בתחום שלנו, רציתי לחקור לעומק על התוכנית של Razor Labs כדי להבין בצורה טובה יותר מה כולל הקורס והאם הוא באמת יכול להיות מפתח כניסה לעולם ה-ML. על מנת לעשות זאת, שוחחתי עם מלקמו אלמו, מנהל Future Learning ועם מיכאל זולוטוב, ה-CTO של Razor Labs כדי שיספרו לי קצת על מאחורי הקלעים של הקורס. לפני שנתחיל, אציין כי ההרשמה לקורס פתוחה כעת עד ה-4.4 וניתן להירשם דרך הלינק הבא.

Future Learning Bootcamp לכתבה המלאה >>

אחת השאלות הנפוצות ביותר בתחום ה-DS/ML היא איך להיכנס לתחום. בעקבות העליה בפופלאריות של עולם הבינה המלאכותית עוד ועוד אנשים מעוניינים לעשות את צעדיהם הראשונים בעולם זה, אך לא תמיד יודעים כיצד. כדי לעשות סדר בנושא ועל מנת לפרוש בפני אלו שבראשית דרכם את האופציות השונות העומדות בפניהם, הוזמנתי על ידי עמית בן דור לשיחה מקיפה על הנושא כחלק מהפודקאסט המצליח "עושים תוכנה". כך יצא שהקלטנו שני פרקים מלאים אשר עוסקים בסוגיה ממספר זוויות שונות – החל מהסבר פשוט לכל תפקיד בתחום ועד טיפים מתקדמים לאיך אפשר להתברג בתעשיית ה-ML בארץ.

בפרק הראשון, הסברנו תחילה מדוע התחום צובר תאוצה רבה כל כך בשנים האחרונות ומה המוטיבציה של אנשים רבים לנסות להצטרף אליו. דברנו על המשכורות הגבוהות, הפיתוח בחזית העשייה, הפן המחקרי של העבודה ועוד סיבות נוספות. לאחר מכן, ורגע לפני שאנחנו צוללים לאיך אפשר להיכנס לתחום, שטחנו בפני המאזינים את מגוון התפקידים הרחב שיש בעולם ה-AI והסברנו בצורה פשוטה מה מגדיר כל תפקיד, מה תחום העיסוק שלו ובמה הוא שונה משאר התפקידים. התייחסנו כמובן לתפקידי ה-Data scientist, Data Analyst, חוקר ועוד. זו הזדמנות מצוינת עבור כל מי שלא היה בטוח בהבדלים בין התפקידים, להבין כעת מה מבדיל כל תפקיד ותפקיד.

Listen to "[עושים תוכנה] איך נכנסים לעולם הData science? המתכון המלא" on Spreaker.

לכתבה המלאה >>

נכתב על ידי עמית מנדלבוים, Director, Mellanox AI @ Nvidia, כפוסט בקבוצה MDLI (ממליץ להיכנס לקרוא גם את התגובות).

——————————————-

בצורה קצת יותר מפורטת. למה לעשות תואר שני, איך לעשות תואר שני, וכל הסיבות למה אתם לא עושים או רוצים לעשות תואר שני ולמה הן לא רלוונטיות. אזהרה: פוסט ארוך!

קצת רקע, ראיינתי בשנתיים וחצי האחרונות למעלה מ150 מועמדים לתפקידי דאטה סאיינטיסט. אני שומר על ראש פתוח ולכן ראיינתי כמעט כל סוג אפשרי

1. אנשים ותיקים מאוד בהיי-טק שלאחרונה נכנסו לתחום.

2. אנשים שעשו תואר ראשון (ואולי גם שני ושלישי) ואז עשו קורס של אחת המכללות למיניהן (בלי להזכיר שמות) כולל תוכניות מאוד אינטנסיביות שחלק כאן מכירים.

3. אנשים כמעט בלי רקע בתחום אבל עם רקע מתמטי\מדעי חזק מאוד.

4. אנשים שעובדים כבר כמה שנים בתחום.

5. אנשים שסיימו עכשיו תואר שני בתחום.

6. אנשים שסיימו תואר ראשון ולקחו כמה קורסים + פרויקט.

בלי להיכנס כרגע להכללות ובלי לפגוע באף אחד, ותוך הסתייגות שתמיד תמיד יש יוצאי דופן, להפתעתי (שוב, כי אני מנסה לשמור על ראש פתוח), מי שהפגינו את היכולות הטובות ביותר בראיונות היו אלו שעשו תואר שני בתחום (או לכל הפחות קרוב לתחום) עם סטייה קלה לאנשים שעשו תואר שני או שלישי אחר (למשל פיזיקה, ביולוגיה, מתמטיקה) עם רקע של הצטיינות ונכנסו לתחום לאחרונה דרך המחקר שלהם, עבודה שלהם, או עצמאית. כמובן שאלה שעשו תואר שני וכבר עובדים כמה שנים בתחום היו טובים, אבל אלה למרבה הצער נדירים ביותר.

קצת רקע נוסף שלא תחשבו שאני סתם איזה מתנשא שזורק עליכם "תעשו תואר שני" בלי שיש לכם אפשרות, אז אני התחלתי תואר שני במדעי המחשב, בגיל 30, כשהייתי עם שני ילדים, אחרי שנתיים בתעשייה ועם תואר ראשון בהנדסה (כלומר הרבה השלמות לתואר השני) ועם זה שהייתי צריך גם לעבוד במקביל לחלק מהתואר. וכן, היו אתי בתואר השני לא מעט אנשים כאלה (פחות או יותר), כולם סיימו וכולם עובדים היום בתחום.

אז נתחיל משאלת השאלות, למה בכלל לעשות תואר שני?

לכתבה המלאה >>

תחום ה-Data Science צבר תאוצה רבה בשנה האחרונה ונראה שישנם עוד ועוד אנשים שרוצים לסלול את דרכם פנימה לעולם זה. מגמה זו הובילה אותי בשנה שעברה ליצור שיתוף פעולה עם Y-DATA – תוכנית ההכשרה של יאנדקס. כפועל יוצא משיתוף פעולה זה הכנתי כתבה מקיפה על התוכנית הלימודית של Y-DATA בה צללנו לעומק של הסילבוס ולמדנו להכיר לראשונה את המהות של התכנית והדגש הרב שהיא שמה על התכנים האקדמיים. שנה שלמה עברה מאז ויאנדקס ממשיכה בכל הכוח ופותחת מחזור נוסף לתכנית ההכשרה שלה שכוללת הפעם תכנים רבים נוספים. ומעל כל זאת, החידוש האמיתי של המחזור הנוכחי הוא האפשרות להשתתף בתכנית במודל "לימודים מבוססי הצלחה" ולשלם על הקורס רק במידה ואכן הצלחתם למצוא עבודה בתחום.

לפני שאנחנו צוללים פנימה לשינויים, נסביר קצת מה היא תכנית Y-DATA ומה עומד מאחוריה. מי שירצה לקרוא על כך בהרחבה מוזמן כמובן לעיין בכתבה שהכנתי בשנה שעברה אשר מופיעה בפסקה הקודמת. Y-DATA היא בעצם תוכנית הכשרה בתחומי הדאטה אשר פונה למועמדים בעלי רקע אקדמי עשיר ו\או נסיון של כמה שנים לפחות בכתיבת קוד אשר רוצים לעשות הסבה לתחום ה-Data Science. התכנית היא שלוחה של בית הספר למדעי הנתונים של חברת יאנדקס (YSDA), הפעיל מזה מעל לעשור במספר ערים ברוסיה. התכנית חרטה על דגלה להכשיר את הסטודנטים שלה לשוק העבודה ולספק להם כלים של ממש, כאלה שיאפשרו להם למצוא עבודה במהרה בסיום הקורס. בשנה שעברה המחזור הראשון של התוכנית בארץ הפך במהרה להצלחה רצינית – בין היתר בזכות פרויקטי הגמר המרשימים שעליהם עוד נדבר בהמשך. כפי שציינתי, השנה התכנית עברה מקצה שדרוגים רחב והתאימה את עצמה לשוק הדינמי הישראלי.

כדי להכיר לעומק את כל השינויים שנעשו בתוכנית, ולכדי לשמוע מידע נוסף על תוכנית המלגות החדשה, קיימתי ראיון עם קוסטיה קילימניק, מנהל תוכנית Y-DATA בישראל. כמו כן, חשוב לי לציין כי בדומה לשנה שעברה, גם השנה אנחנו מקיימים שיתוף פעולה עם יאנדקס, מה שמקנה לכם 1,000 שקל הנחה בשימוש בקוד MDLI. באתר ההרשמה.

תשלום מבוסס הצלחה

לכתבה המלאה >>

הוצאת הספרים Springer שחררה מאות ספרים במגוון רחב של נושאים בחינם לקהל הרחב. הרשימה, אשר כוללת 408 ספרים בסה"כ, מכסה מגוון רחב של נושאים מדעיים וטכנולוגים. כדי לחסוך לכם את המעבר על כך הספרים, ריכזתי ברשימה אחת את כל הספרים (65 במספר) שרלוונטים לתחום הדאטה. בין הספרים תוכלו למצוא כאלה שעוסקים בצד המתמטי של התחום (אלגברה, סטטיסטיקה ועוד) ולצידם גם ספרים מתקדמים יותר על DL ונושאים מתקדמים אחרים. לצד כל אלה, ישנם כמה ספרים טובים בשפות תכנות שונות כדוגמת פיתון, R מטלב ועוד. מומלץ לפתוח דרך המחשב כדי לראות את הרשימה המלאה בצורה נוחה. 

לכתבה המלאה >>

נכתב במקור כפוסט בקבוצת Machine & Deep learning Israel

אני רואה שיש פה לאחרונה הרבה דיונים על פרוייקטים ומה כדאי לעשות. הקדשתי לנושא הזה הרבה מחשבה לאחרונה לקראת הקורס שאני מתחיל ללמד באונ' ת"א ואני רוצה לחלוק פה את המחשבות שלי בתקווה שיעזרו לכמה אנשים למקד את המאמצים שלהם. הפוסט הזה מביע את דעתי האישית בלבד, ואין לי דאטא שיתמוך בה אז כל אחד מוזמן לפרש לפי ראות עיניו.

“If we have data, let’s look at data. If all we have are opinions, let’s go with mine.” -Jim Barkdale

אז קודם כל למה שתקשיבו לי בכלל?

חוץ מזה שאני ד"ר בתחום (חשמל בת"א חקרתי קבלת החלטות דינמית), אני גם בתעשייה כבר 4 וחצי שנים, הייתי מוביל טכנולוגי, הקמתי צוות ובדרך להקים עוד אחד (ובדרך ריאיינתי לפחות עשרות אנשים), ואם אתם אוהבים את גאמפא אז גם הייתי שנתיים במיקרוסופט ועבודות שלי הוצגו בכנסים פנימיים של החברה בנוסף לכנסים אקדמיים ולמוצרים מאד מצליחים. אפילו פרצתי דרך בתחום או שניים, אבל זה כבר נושא לפוסט אחר (וחלק מזה בכלל אסור לי לספר).

אז עכשיו אחרי שחפרתי מספיק על הניסיון שלי, מה אני מציע?

לכתבה המלאה >>

X