Live-данные · обновлено 12 августа 2026

Навыки Data Scientist: что требуют работодатели

На основе 168 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
43.6% вакансий
Python 91.7% SQL 63.7% pandas 42.9% PyTorch 41.1% LLM 41.1% 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 168 вакансий московского рынка, чаще всего требуют: Python (91.7%), SQL (63.7%), pandas (42.9%), PyTorch (41.1%), LLM (41.1%).

Для Junior: базовый стек — Python, SQL.

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

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

Какие навыки чаще всего требуют от Data Scientist

Частота упоминания в 168 активных вакансиях. Клик по заголовку колонки — сортировка.

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

# Навык ↕ Частота ↓ Доля ↕ Вакансий
1 Python
91.7% 154
2 SQL
63.7% 107
3 pandas
42.9% 72
4 PyTorch
41.1% 69
5 LLM
41.1% 69
6 NumPy
34.5% 58
7 Apache Spark
31.5% 53
8 scikit-learn
31.5% 53
9 Git
27.4% 46
10 RAG
26.2% 44
11 Apache Hadoop
23.8% 40
12 Docker
20.8% 35
13 LangChain
20.8% 35
14 Apache Airflow
19.6% 33
15 PostgreSQL
14.3% 24
16 TensorFlow
13.1% 22
17 XGBoost
13.1% 22
18 LightGBM
12.5% 21
19 ClickHouse
11.9% 20
20 Apache Kafka
11.3% 19

Доля = процент вакансий Data Scientist, в которых упоминается навык. Одна вакансия может содержать несколько навыков. На основе 168 вакансий, 12 августа 2026.

Базовые (≥60%)
Нужны практически всегда
Python SQL
Дифференцирующие (20–60%)
Влияют на специализацию
pandas 42.9% PyTorch 41.1% LLM 41.1% NumPy 34.5% Apache Spark 31.5% scikit-learn 31.5% Git 27.4% RAG 26.2% Apache Hadoop 23.8% Docker 20.8% LangChain 20.8%
Нишевые (<20%)
Для специализированных ролей
Apache Airflow 19.6% PostgreSQL 14.3% TensorFlow 13.1% XGBoost 13.1% LightGBM 12.5% ClickHouse 11.9% Apache Kafka 11.3%

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 — 43.6%, Middle — 35%, Junior — 7.1%.
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 63.7%
Инструменты разработки
Git 27.4%
Платформы, базы и инфраструктура
Docker 20.8% PostgreSQL 14.3% ClickHouse 11.9%
Сопутствующий рабочий контекст
pandas 42.9% PyTorch 41.1% LLM 41.1% NumPy 34.5% Apache Spark 31.5% scikit-learn 31.5% RAG 26.2% Apache Hadoop 23.8%

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

Роли пересекаются — вакансии часто смешивают термины. LLM встречается в 41.1% вакансий этой профессии , RAG — в 26.2%. Вот как отличаются фокусы:

Роль Фокус Ключевые навыки
ML Engineer Модели в production, ML-пайплайны PyTorch (41.1%), PyTorch, Docker, Airflow
AI Engineer LLM, RAG, агенты, API-интеграции LLM (41.1%), RAG (26.2%), LangChain (20.8%), 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 (31.5%)
    Scikit-learn: линейные модели, деревья, градиентный бустинг, оценка качества моделей.
  3. 3
    Нейросетевые фреймворки (41.1%)
    PyTorch или TensorFlow/Keras — архитектуры, обучение, инференс.
  4. 4
    LLM и языковые модели (41.1%)
    Трансформеры, API OpenAI/YandexGPT/GigaChat, prompt engineering, few-shot learning.
  5. 5
    RAG и векторные базы данных (26.2%)
    Retrieval-Augmented Generation: эмбеддинги, Qdrant/Chroma/Weaviate, similarity search.
  6. 6
    Агентные фреймворки и оркестрация (20.8%)
    LangChain, LlamaIndex — AI-пайплайны, tool calling, многоагентные системы.
  7. 7
    Деплой и сервинг моделей (20.8%)
    FastAPI/gRPC для инференса, Docker, ONNX — оптимизация latency в production.
  8. 8
    MLOps и мониторинг (19.6%)
    MLflow, DVC, Airflow — версионирование экспериментов, воспроизводимость, мониторинг дрейфа.
Как мы считаем навыки — методология

Источник данных: 168 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: 12 августа 2026 · 168 вакансий

Курсы · подобрано по данным рынка

Курсы для Data Scientist

Сопоставили программы с реальным стеком из 168 вакансий — оценка соответствия рассчитана автоматически, это не реклама.

Все курсы →
Соответствие = доля ключевых навыков вакансий, которые закрывает программа курса. На основе 168 вакансий, обновлено автоматически.

Вопросы и ответы

Какие навыки нужны Data Scientist в первую очередь?
По данным 168 вакансий чаще всего требуются: Python (91.7%), SQL (63.7%), pandas (42.9%), PyTorch (41.1%), LLM (41.1%).
Что должен знать Junior Data Scientist?
На уровне Junior важен базовый стек: Python, SQL, pandas. Рынок ориентирован на Senior (43.6% вакансий), поэтому конкуренция за начальные позиции высокая.
Что должен уметь Middle Data Scientist?
На уровне Middle (35% вакансий) работодатели ожидают уверенного владения: Python, SQL, pandas. Требования расширяются относительно начального уровня.
Что ждут от Senior Data Scientist?
Senior (43.6% 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 63.7% вакансий, PostgreSQL — в 14.3% (24 из 168). Это базовые требования большинства позиций.
Нужен ли Data Scientist Git?
Git встречается в 27.4% вакансий (46 из 168). 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 20.8% вакансий Data Scientist (35 из 168). Навык особенно важен на Middle/Senior.
Нужен ли Data Scientist Kubernetes?
Kubernetes востребован на Middle/Senior, особенно в DevOps-ориентированных командах.
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 — 12 августа 2026, 168 вакансий.