Live-данные · обновлено 11 октября 2026

Навыки Data Scientist: что требуют работодатели

На основе 157 вакансий — частотность навыков, разбивка по грейдам, связки технологий.

Мурадов ЮрийАвтор·Мурадов Юрий·Аналитик SkillStat
ИАПроверено·Игорь Антонов·Технический редактор·Senior Data Scientist
Навыков в анализе
20
топ-20 по частоте
Самый частый навык
91.7%
Python
Навыков / вакансия
9
медиана
Преобладает грейд
Senior
49.6% вакансий
Python 91.7% SQL 64.3% pandas 45.9% PyTorch 36.3% Apache Spark 33.8% Все навыки →
Топ-навыки По грейдам По категориям Что учить первым Курсы Вопросы и ответы
Ищете зарплатную статистику? Сколько зарабатывает Data Scientist? →

Коротко: какие навыки нужны Data Scientist в 2026 году

По данным 157 вакансий московского рынка, чаще всего требуют: Python (91.7%), SQL (64.3%), pandas (45.9%), PyTorch (36.3%), Apache Spark (33.8%).

Для Junior: базовый стек — Python, SQL.

На уровне Middle/Senior добавляются: pandas, PyTorch, Apache Spark, NumPy.

Таблица ниже — реальные требования работодателей по вакансиям, а не учебная программа.

Какие навыки чаще всего требуют от Data Scientist

Частота упоминания в 157 активных вакансиях. Клик по заголовку колонки — сортировка.

Главный вывод: Python, SQL встречаются в ≥60% вакансий — это базовый стек. Остальное зависит от специализации: pandas, PyTorch, Apache Spark.

# Навык ↕ Частота ↓ Доля ↕ Вакансий
1 Python
91.7% 144
2 SQL
64.3% 101
3 pandas
45.9% 72
4 PyTorch
36.3% 57
5 Apache Spark
33.8% 53
6 NumPy
33.1% 52
7 LLM
31.8% 50
8 scikit-learn
28% 44
9 Docker
26.1% 41
10 Apache Airflow
25.5% 40
11 Git
24.8% 39
12 RAG
22.3% 35
13 Apache Hadoop
19.1% 30
14 LangChain
14.6% 23
15 TensorFlow
13.4% 21
16 MLflow
13.4% 21
17 FastAPI
12.7% 20
18 Kubernetes
12.1% 19
19 Apache Kafka
11.5% 18
20 XGBoost
11.5% 18

Доля = процент вакансий Data Scientist, в которых упоминается навык. Одна вакансия может содержать несколько навыков. На основе 157 вакансий, 11 октября 2026.

Базовые (≥60%)
Нужны практически всегда
Python SQL
Дифференцирующие (20–60%)
Влияют на специализацию
pandas 45.9% PyTorch 36.3% Apache Spark 33.8% NumPy 33.1% LLM 31.8% scikit-learn 28% Docker 26.1% Apache Airflow 25.5% Git 24.8% RAG 22.3%
Нишевые (<20%)
Для специализированных ролей
Apache Hadoop 19.1% LangChain 14.6% TensorFlow 13.4% MLflow 13.4% FastAPI 12.7% Kubernetes 12.1% Apache Kafka 11.5% XGBoost 11.5%

Навыки по грейдам: Junior, Middle, Senior

Доля вакансий каждого грейда, в которых встречается навык. Фильтр — кнопки ниже. Ячейки с «≈» — оценка по выборке менее 20 вакансий.

Распределение по рынку: Senior — 49.6%, Middle — 29.5%, Junior — 7%.
Пока недостаточно данных для разреза навыков по грейдам

Стек по категориям

Навыки сгруппированы по типу технологий. Цифры — частота в вакансиях.

Ключевые навыки
Python 91.7% SQL 64.3% FastAPI 12.7%
Инструменты разработки
Git 24.8%
Платформы, базы и инфраструктура
Docker 26.1% Kubernetes 12.1%
Сопутствующий рабочий контекст
pandas 45.9% PyTorch 36.3% Apache Spark 33.8% NumPy 33.1% LLM 31.8% scikit-learn 28% Apache Airflow 25.5% RAG 22.3%

ML Engineer, AI Engineer и Data Scientist: чем отличаются навыки

Роли пересекаются — вакансии часто смешивают термины. LLM встречается в 31.8% вакансий этой профессии , RAG — в 22.3%. Вот как отличаются фокусы:

Роль Фокус Ключевые навыки
ML Engineer Модели в production, ML-пайплайны PyTorch (36.3%), PyTorch, MLflow (13.4%), Docker, Airflow
AI Engineer LLM, RAG, агенты, API-интеграции LLM (31.8%), RAG (22.3%), LangChain (14.6%), FastAPI
Data Scientist Исследование данных, гипотезы, метрики Python, pandas, SQL, статистика, Jupyter

Что учить Data Scientist первым

Порядок опирается на частотность навыков по данным вакансий и логику освоения специализации. Список — ориентир, не жёсткое правило.

  1. 1
    Python и базовые библиотеки (91.7%)
    NumPy, Pandas — обработка данных; Jupyter/VS Code, виртуальные окружения.
  2. 2
    Классический ML (28%)
    Scikit-learn: линейные модели, деревья, градиентный бустинг, оценка качества моделей.
  3. 3
    Нейросетевые фреймворки (36.3%)
    PyTorch или TensorFlow/Keras — архитектуры, обучение, инференс.
  4. 4
    LLM и языковые модели (31.8%)
    Трансформеры, API OpenAI/YandexGPT/GigaChat, prompt engineering, few-shot learning.
  5. 5
    RAG и векторные базы данных (22.3%)
    Retrieval-Augmented Generation: эмбеддинги, Qdrant/Chroma/Weaviate, similarity search.
  6. 6
    Агентные фреймворки и оркестрация (14.6%)
    LangChain, LlamaIndex — AI-пайплайны, tool calling, многоагентные системы.
  7. 7
    Деплой и сервинг моделей (12.7%)
    FastAPI/gRPC для инференса, Docker, ONNX — оптимизация latency в production.
  8. 8
    MLOps и мониторинг (13.4%)
    MLflow, DVC, Airflow — версионирование экспериментов, воспроизводимость, мониторинг дрейфа.
Как мы считаем навыки — методология

Источник данных: 157 вакансий в московском сегменте. Навыки извлечены автоматически из текста каждой вакансии. Все значения рассчитываются на основе реальных данных — без ручной редакции.

Доля (share %): доля вакансий профессии, в которых упомянут навык. Одна вакансия может упоминать несколько навыков — суммарная доля может превышать 100%.

Данные по грейдам: грейд определяется по требованиям каждой вакансии (уровень опыта). Ячейки с «≈» — оценка: выборка менее 20 вакансий. Ячейки «—» — данных нет.

Связки навыков: пары, встречающиеся вместе в ≥10 вакансиях (порог надёжности данных).

Зарплатная премия: разница медианы вакансий с навыком к медиане профессии. Показывается при наличии ≥20 вакансий с зарплатой. «Оценка» — 20–29 вакансий.

Обновлено: 11 октября 2026 · 157 вакансий

Курсы · подобрано по данным рынка

Курсы для Data Scientist

Сопоставили программы с реальным стеком из 157 вакансий — оценка соответствия рассчитана автоматически, это не реклама.

Все курсы →
Соответствие = доля ключевых навыков вакансий, которые закрывает программа курса. На основе 157 вакансий, обновлено автоматически.

Вопросы и ответы

Какие навыки нужны Data Scientist в первую очередь?
По данным 157 вакансий чаще всего требуются: Python (91.7%), SQL (64.3%), pandas (45.9%), PyTorch (36.3%), Apache Spark (33.8%).
Что должен знать Junior Data Scientist?
На уровне Junior важен базовый стек: Python, SQL, pandas. Рынок ориентирован на Senior (49.6% вакансий), поэтому конкуренция за начальные позиции высокая.
Что должен уметь Middle Data Scientist?
На уровне Middle (29.5% вакансий) работодатели ожидают уверенного владения: Python, SQL, pandas. Требования расширяются относительно начального уровня.
Что ждут от Senior Data Scientist?
Senior (49.6% вакансий) — доминирующий грейд. Чаще всего требуют: Python, SQL, pandas. На этом уровне добавляются системное мышление, архитектурные решения и наставничество.
Нужен ли Data Scientist SQL?
SQL встречается в 64.3% вакансий (101 из 157). Навык необходим для работы с данными.
Нужен ли Data Scientist Git?
Git встречается в 24.8% вакансий (39 из 157). Обычно ожидается на любом грейде.
Нужен ли Data Scientist Linux?
Linux — важный навык для работы с серверной инфраструктурой.
Нужен ли Data Scientist Docker?
Docker встречается в 26.1% вакансий Data Scientist (41 из 157). Навык особенно важен на Middle/Senior.
Нужен ли Data Scientist Kubernetes?
Kubernetes встречается в 12.1% вакансий. Это не начальный навык — он востребован на Middle/Senior и в инфраструктурных ролях.
Какие навыки повышают зарплату Data Scientist?
Зарплатная премия рассчитывается при достаточной выборке. Подробнее — на странице зарплат.
Как часто обновляются данные о навыках?
Данные обновляются регулярно. Текущий срез — 11 октября 2026, 157 вакансий.