Data Scientist 2026

Чем занимается Data Scientist

Data Scientist строит математические модели, которые превращают данные в бизнес-решения: предсказывают отток клиентов, рекомендуют товары, детектируют мошенничество, оценивают кредитный риск. В отличие от аналитика данных, Data Scientist не просто смотрит на цифры, а создаёт модели, которые сами принимают решения. По данным hh.ru, в мае 2026 года в России открыто 2 100+ вакансий Data Scientist — рост на 28% за год, во многом за счёт интеграции LLM в продукты и взрывного спроса на ML-специалистов со стороны банков, ретейла и телекома.

Рабочий цикл Data Scientist: постановка задачи вместе с продуктом → сбор и очистка данных → разведочный анализ → эксперименты с моделями → оценка метрик → внедрение в продакшн совместно с ML-инженером. На практике 60–70% времени уходит на подготовку данных — это неудобная правда профессии.

Зарплаты по грейдам в 2026

По данным Habr Career (выборка 2 400 анкет), медианная зарплата Data Scientist — 260 000 ₽/мес. Это один из самых высоких показателей в IT-индустрии России.

• Junior DS: 80 000–140 000 ₽/мес
• Middle DS: 160 000–300 000 ₽/мес (медиана — 260 000 ₽)
• Senior DS: 300 000–500 000 ₽/мес
• Lead / Research Scientist: от 450 000 ₽/мес

Специализация на LLM и Generative AI даёт премию 30–50% к медиане: спрос на тех, кто умеет дообучать и деплоить языковые модели, обгоняет предложение в 3–4 раза (по данным hh.ru Analytics, Q1 2026).

Стек и инструменты

Анализ вакансий Data Scientist показывает устойчивую картину по инструментам:

• Python — упоминается в 97% вакансий. Базовый язык без альтернатив.
• SQL — 85% вакансий. Без уверенного SQL не пройти первый технический скрининг.
• Scikit-learn, XGBoost, LightGBM — 70% вакансий. Классический ML для табличных данных.
• PyTorch или TensorFlow — 55% вакансий. Обязательно для deep learning и NLP-позиций.
• Spark / PySpark — 35% вакансий. Для работы с большими объёмами данных.
• MLflow, Weights & Biases — 30% вакансий. Управление экспериментами и MLOps.

Чем Data Scientist отличается от смежных ролей

• Data Analyst — отвечает на вопрос «что происходит», использует SQL и BI-дашборды. DS — отвечает «что будет» и «почему».
• ML Engineer — деплоит и обслуживает модели в продакшне. DS — создаёт эти модели.
• Research Scientist — разрабатывает новые алгоритмы в академическом стиле. DS — применяет существующие к бизнес-задачам.

Как войти в профессию

Data Science — одна из профессий с самым высоким порогом входа в IT. Без математики (линейная алгебра, теория вероятностей, статистика) и уверенного Python не стоит начинать с курсов — они не дадут базу, только имитацию.

Реалистичный маршрут — 12–18 месяцев при серьёзном подходе:

• Месяцы 1–4: Python + математика (линейная алгебра, статистика, теорвер).
• Месяцы 4–8: pandas, numpy, scikit-learn, SQL, разведочный анализ данных.
• Месяцы 8–12: классический ML (деревья, бустинг), метрики качества, первые kaggle-соревнования.
• Месяцы 12–18: deep learning (PyTorch), NLP-базы или CV, реальный проект с деплоем.

Лучшее портфолио — победа или топ-10% в kaggle-соревновании плюс один задеплоенный ML-сервис с API. Это закрывает вопрос «есть ли практика» на 90% собеседований.