Data Science с практикой и тренажёрами

Data Science в Узбекистане: куда идёт спрос на данные

Спрос на специалистов Data Science в Узбекистане растёт быстрее, чем на разработчиков классического профиля: по внутренней статистике hh.uz, интерес соискателей к профессии дата-сайентиста вырос на 53% за 2025 год. Причина проста — банки, телеком-операторы и маркетплейсы в Ташкенте, Самарканде и Фергане накопили данные о клиентах и транзакциях, и теперь им нужны люди, способные превратить эти цифры в прогнозы и рабочие модели.

Сколько платят специалистам Data Science

По данным hh.uz, зарплатные ожидания соискателей в категории «дата-сайентист» в среднем составляют около 8,7 млн сум в месяц — это медиана резюме, а не потолок рынка. На агрегаторе ГородРабот.uz картина смелее: среди актуальных вакансий по запросу «data scientist» в Ташкенте средняя предлагаемая зарплата — около 25 млн сум, с разбросом от 10 до 50 млн сум в зависимости от компании и уровня специалиста. По Узбекистану в целом агрегатор показывает свыше 2 400 таких объявлений, средняя зарплата по ним — около 20,8 млн сум. Разброс закономерен: одни вакансии рассчитаны на стажёров с базовым Python, другие — на специалистов с опытом продакшн-моделей и MLOps.

Кто нанимает и зачем

Больше всего вакансий Data Science создают несколько секторов:

• банки и платёжные системы — кредитный скоринг и борьба с мошенничеством
• телеком-операторы — прогноз оттока абонентов и анализ трафика
• маркетплейсы и логистические компании — рекомендательные системы и оптимизация доставки

Ещё один источник вакансий — резиденты IT Park Uzbekistan: по оценке аналитиков парка, уже в 2024 году в стране было открыто порядка 500 позиций, связанных с искусственным интеллектом и анализом данных, а на 2025 год ожидался кратный рост. Зарплата в этом сегменте по стране обычно составляет от 12 до 30 млн сум в месяц — в зависимости от компании и стека технологий.

Что нужно освоить, чтобы войти в профессию

Базовый набор в Data Science один и тот же независимо от индустрии: Python, SQL, статистика и хотя бы один фреймворк машинного обучения — например, scikit-learn, а дальше PyTorch или TensorFlow, если интересна работа с нейросетями. Без портфолио на GitHub и пары завершённых учебных проектов резюме почти не рассматривают: работодатели хотят увидеть, как вы обрабатывали реальный датасет, а не только список пройденных курсов.

Data Scientist или Data Analyst — с чего разумнее начать

Многие путают эти две роли, а разница между ними практическая. Data Analyst строит отчёты и дашборды на уже собранных и очищенных данных — порог входа ниже, хватает SQL, Excel и базовой визуализации. Data Scientist идёт дальше: собирает признаки, обучает модели и проверяет гипотезы статистическими методами, а значит требует уверенного программирования и математики. Если вы только начинаете и не уверены в своих силах, вход через аналитику данных — рабочая стратегия: часть навыков совпадает, а первый оффер получить проще.

Есть и обратная сторона: Data Science — это не быстрый путь к деньгам за три месяца курсов. Математическая статистика и линейная алгебра даются не всем одинаково легко, а без них модели остаются «чёрным ящиком», который сложно объяснить заказчику. Но если вы готовы разбираться в цифрах и не бросать при первой непонятной формуле — рынок в Узбекистане ждёт именно таких людей, а не тех, кто прошёл курс только ради сертификата.

Курсы по data science с практикой дают навыки, которые сразу можно применять. В отличие от теоретических лекций, здесь вы решаете реальные задачи под контролем наставников.

Практические занятия включают работу с инструментами, разбор кейсов и проекты для портфолио. Это ускоряет переход от обучения к работе по новой специальности.