
Cum devii Data Scientist de la zero? Înveți în ordine Python, SQL, analiza datelor cu pandas și statistică, apoi machine learning, și construiești 3–4 proiecte în care un model rezolvă o problemă reală. La 10–12 ore pe săptămână, drumul durează realist 12–18 luni, iar mulți ajung în rol trecând întâi printr-un job de Data Analyst.
Mai jos afli ce face concret un Data Scientist, ce matematică îți trebuie de fapt, ordinea în care înveți, un prim model scris în Python și explicat linie cu linie, salariile orientative din România și cum arată drumul spre primul job.
Ce face un Data Scientist?
Un Data Scientist folosește date istorice ca să construiască modele care estimează ce se va întâmpla sau care automatizează o decizie. Diferența față de analist e direcția privirii: analistul explică ce s-a întâmplat luna trecută, Data Scientistul încearcă să prezică luna viitoare.
Exemple concrete de probleme:
- ce clienți ai unui operator de telefonie sunt pe cale să renunțe la abonament;
- cât stoc de umbrele trebuie să comande un magazin online pentru octombrie;
- care tranzacții cu cardul arată a fraudă;
- ce produse îi recomanzi unui client după ce a cumpărat un laptop.
Surprinzător pentru mulți, antrenarea modelului ocupă o parte mică din timp. Cea mai mare parte se duce pe înțelegerea problemei, extragerea datelor cu SQL, curățarea lor și verificarea că modelul chiar e mai bun decât o regulă simplă. La final, rezultatul trebuie explicat unor oameni care nu știu statistică.
Ai nevoie de matematică pentru Data Science?
Da, mai multă decât pentru alte meserii din IT, dar nu de nivel de facultate de matematică. Îți trebuie trei zone, la nivel aplicat:
- statistică: medie, mediană, deviație standard, distribuții, corelație, teste de ipoteză;
- probabilități: ce înseamnă că un model e „80% sigur” și de ce contează clasa rară (de exemplu, frauda);
- algebră liniară și puțină analiză, la nivel de intuiție: vectori, matrice, ce face gradientul când un model „învață”.
Dacă ai luat BAC-ul la matematică, ai baza. Restul îl înveți pe măsură ce ai nevoie de el, de preferat legat de cod: înțelegi mult mai repede media și deviația standard când le calculezi pe un tabel de vânzări decât dintr-o formulă de pe tablă.
Cum devii Data Scientist: ce înveți și în ce ordine
Ordinea care funcționează pentru un începător complet este Python, SQL, analiza datelor, machine learning, apoi Git și algoritmi pentru interviuri. Fiecare pas îți dă ceva util imediat, chiar dacă nu ajungi încă la modele.
1. Python: limbajul de bază
Python este limbajul folosit în aproape tot ce înseamnă știința datelor. Înveți variabile, liste, dicționare, funcții, fișiere și lucrul în notebook-uri (Jupyter), unde scrii cod și vezi rezultatul pe bucăți. Pornești cu cursul de Python pentru începători, în care scrii cod direct în browser.
2. SQL: datele vin din baze de date
Datele firmelor stau în baze de date, nu în fișiere CSV curate. Un Data Scientist care știe SQL își extrage singur datele, cu JOIN, GROUP BY și funcții fereastră, fără să aștepte un coleg. Îl înveți în cursul de SQL.
3. Analiza datelor cu pandas și statistică
Aici înveți să încarci, să cureți și să explorezi date cu pandas, NumPy și grafice. Tot aici aplici statistica: cauți valori lipsă, valori extreme, corelații. Este pasul pe care începătorii vor să-l sară și pe care se bazează tot restul. Îl parcurgi în cursul Data Analysis with Python.
4. Machine learning
Machine learning înseamnă că programul învață reguli din exemple, în loc să le scrii tu de mână. Începi cu regresie și clasificare, înveți să împarți datele în antrenare și test, să alegi o metrică și să compari modele. Apoi treci la arbori de decizie, clustering și primele rețele neuronale. Biblioteca standard pentru început este scikit-learn, iar pașii îi faci în cursul de Machine Learning și AI pentru începători.
5. Git și algoritmi pentru interviuri
Git îți versionează codul și experimentele, iar proiectele tale ajung pe GitHub, unde le văd recrutorii. Algoritmii (căutare, sortare, complexitate) apar la interviurile tehnice, mai ales în firmele de produs, așa că îi exersezi în ultimele luni.
Primul tău model, explicat pe înțeles
Ca să vezi cum arată munca de Data Scientist, iată un model care estimează prețul unui apartament din suprafață și numărul de camere. Datele sunt simulate (200 de apartamente), ca exemplul să ruleze oriunde fără fișiere externe.
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error
from sklearn.model_selection import train_test_split
# 200 de apartamente simulate: suprafața (mp), camere, preț (mii euro)
rng = np.random.default_rng(42)
suprafata = rng.uniform(35, 110, 200)
camere = np.clip((suprafata // 25).astype(int), 1, 4)
pret = 1.9 * suprafata + 4 * camere + rng.normal(0, 12, 200)
X = np.column_stack([suprafata, camere])
X_train, X_test, y_train, y_test = train_test_split(
X, pret, test_size=0.25, random_state=0)
model = LinearRegression().fit(X_train, y_train)
baseline = np.full_like(y_test, y_train.mean())
print("Eroare medie ghicind media:", round(mean_absolute_error(y_test, baseline), 1))
print("Eroare medie cu modelul: ", round(mean_absolute_error(y_test, model.predict(X_test)), 1))
print("Estimare 60 mp, 2 camere: ", round(model.predict([[60, 2]])[0], 1), "mii euro") Rezultatul afișat este:
Eroare medie ghicind media: 38.8
Eroare medie cu modelul: 8.9
Estimare 60 mp, 2 camere: 120.4 mii euro Ce se întâmplă, pe pași:
train_test_splitpune deoparte 25% din apartamente. Modelul nu le vede la antrenare, deci le poți folosi ca un examen cinstit.LinearRegression().fitînvață din restul de 75% cât adaugă la preț fiecare metru pătrat și fiecare cameră.baselinee cea mai simplă „predicție” posibilă: dai fiecărui apartament prețul mediu. Orice model trebuie să bată această regulă, altfel nu are rost.mean_absolute_errorspune cu cât greșești în medie, în mii de euro. Modelul greșește cu aproximativ 9 mii, față de 39 mii dacă ghicești media.
Lecția importantă nu e linia cu fit, ci comparația cu regula simplă. La interviuri, întrebarea „față de ce e bun modelul tău?” apare des, iar mulți începători nu au răspuns.
Cât durează să devii Data Scientist?
Pentru un începător complet, cu 10–12 ore pe săptămână, realist 12–18 luni până la un nivel de junior. E mai mult decât pentru Data Analyst, pentru că adaugi statistică și machine learning peste aceeași bază.
| Etapă | Ce înveți | Durată orientativă (10–12 ore/săpt.) |
|---|---|---|
| 1 | Python de bază, notebook-uri | 3 luni |
| 2 | SQL: interogări, JOIN, agregări | 2 luni |
| 3 | pandas, vizualizare, statistică aplicată | 3 luni |
| 4 | Machine learning: regresie, clasificare, evaluare, arbori | 3–4 luni |
| 5 | Proiecte de portofoliu, Git, algoritmi, interviuri | 2–3 luni |
Vestea bună: după etapa 3 știi deja suficient pentru roluri de Data Analyst. Mulți aleg să lucreze întâi ca analiști și să treacă spre Data Science din interiorul unei echipe, unde au acces la date reale. Dacă vrei să mergi pe acest drum, citește cum devii Data Analyst de la zero.
Proiecte pentru portofoliul de Data Scientist
Un proiect bun de Data Science pornește de la o întrebare clară și se termină cu o concluzie pe care o poate înțelege un manager. Seturi de date publice găsești pe Kaggle Datasets sau pe portalurile de date deschise ale instituțiilor.
- Predicția prețului locuințelor, cu comparație între o regresie simplă și un model pe arbori.
- Clasificarea clienților care renunță la un abonament, cu atenție la metrica potrivită când clasa e rară.
- Segmentarea clienților unui magazin online cu clustering și descrierea fiecărui grup în cuvinte.
- Clasificarea unor texte în română (recenzii pozitive sau negative), ca prim contact cu NLP.
Pentru fiecare, scrie în README întrebarea, datele, metoda, rezultatul față de regula simplă și ce ai încerca mai departe.
Cât câștigă un Data Scientist în România?
Un Data Scientist junior câștigă orientativ 5.000–7.000 lei net pe lună cu contract de muncă, un mid 8.000–12.000 lei, iar un senior 12.500–19.000 lei. Bucureștiul și Clujul plătesc de obicei peste aceste intervale.
| Nivel | Experiență | Net pe lună (orientativ) |
|---|---|---|
| Junior | 0–2 ani | 5.000–7.000 lei |
| Mid | 2–5 ani | 8.000–12.000 lei |
| Senior | 5+ ani | 12.500–19.000 lei |
Diferențele dintre surse sunt mari la acest rol: sondajul Paylab pentru Data Scientist dă valori mai mici, iar ghidurile salariale online dau valori mai mari pentru seniori, așa că am ales un interval de mijloc. Rolurile orientate spre ML și AI se plătesc de obicei spre capătul de sus.
Greșeli frecvente când înveți Data Science
- Începi cu rețele neuronale și modele de limbaj înainte să știi pandas și SQL. Te blochezi la primul set de date murdar.
- Raportezi acuratețea fără să o compari cu o regulă simplă. Un model de fraudă „99% precis” poate să nu prindă nicio fraudă.
- Testezi modelul pe aceleași date pe care l-a învățat. Rezultatul arată excelent și nu spune nimic.
- Strângi certificate în loc de proiecte. La interviu contează ce poți explica din propriul cod.
- Uiți partea de comunicare. Un grafic clar și trei propoziții bune valorează cât un model mai precis.
Întrebări frecvente
Pot deveni Data Scientist fără facultate?
Da, dar e mai greu decât la alte roluri din IT, pentru că multe anunțuri cer studii în matematică, informatică sau economie. Un portofoliu solid compensează, iar drumul prin Data Analyst e de obicei cel mai realist pentru cine vine din alt domeniu.
Care este diferența dintre Data Analyst și Data Scientist?
Data Analystul explică ce s-a întâmplat, cu SQL, Excel și dashboard-uri. Data Scientistul construiește modele care prezic sau automatizează decizii, cu Python și machine learning. Uneltele de bază sunt comune, iar mulți Data Scientists au început ca analiști.
Python sau R pentru Data Science?
Python, pentru un începător. Este folosit mai larg în firme, are biblioteci precum pandas și scikit-learn și îți deschide și alte drumuri, de la automatizări la backend. R rămâne popular în cercetare și statistică academică.
Trebuie să știu deep learning pentru primul job?
Nu. La nivel de junior se cer mai ales Python, SQL, pandas, statistică și modele clasice (regresie, arbori, clustering). Deep learning-ul îl aprofundezi după ce ai baza și, de obicei, când un proiect concret îl cere.
Cât durează să devin Data Scientist?
Aproximativ 12–18 luni la 10–12 ore pe săptămână, pornind de la zero. Poți intra pe piață mai devreme ca Data Analyst, după primele 7–8 luni, și continua de acolo.
Primul pas: scrie primele linii de Python
Ca să devii Data Scientist ai nevoie de o ordine clară (Python, SQL, analiza datelor, machine learning), de răbdare cu statistica și de proiecte în care compari onest modelul cu o regulă simplă.
Dacă vrei cursurile deja puse în ordine, cu exerciții verificate automat, urmează traseul de carieră Data Scientist / ML Engineer. Primul curs din traseu este Python pentru începători: primele lecții sunt gratuite, fără card și fără instalare, iar în prima seară scrii deja cod care rulează.
Curs Python
Programare Python pentru începători, cu exerciții practice în browser
Începe gratuit
