Как, на ваш взгляд, это правильный подход? Или лучше учитывать дополнительное образование, самообразование, знания на собеседовании? Или они всё равно вторичны? Делитесь историями.)
С уважением к другим ответам попробую добавить свои 5 копеек.
Постановка вопроса содержит по крайней мере 2 (ДВЕ) величины существенно вероятностной природы -
2.1. Что есть "оправданно"? С точки зрения зарплаты? Или - развития? Или -тупо текущих задач - срочно "сдавать еще вчера" и т.д.
2.2. Что есть "начинающий"? Слишком расплывчато. Начинающий гуманитарного профильного мышления может быть хорош для размышлений над одними задачами. А для других datamining задач кандидат без высшего математического - будет просто выброшенные на ветер деньги.
Работодатель, бедняжка, сам часто, что более вероятно (сорри за каламбур) - криво-косо понимает задачи data-scientist'a, РЕАЛЬНО, ему даже начинающий должен как вторую, но обязательную нагрузку - рассказывать год-два, что такое data science, иначе какой он профи? (не будем говорить о родственниках, коих могут брать на вырост, ну и пусть берут, если бюджет позволяет, мне не жалко).
Из пункта (3) следует некая вероятностная "оправданность" требования диплома 3 вузов, но - лучше бы портфолио, конечно, погонять на собеседовании - даже для работодателя полезно.
Здесь уже упоминали о ценности жесткого собеседования. Моя ученица в этом 2021 году в Сан-Франциско перешла на data scientist , собеседования были 1,5 месяца, готовил я её около полугода 1-2 раза в неделю, у нее уже был сделанный конкретно тяжелый, но нужный коммерческий проект как бы)) "собственными усилиями", таких начинающих еще поискать! Но формально - да, начинающая.
ИТОГО. Смотрите функции, компетенции и задачи, конкретно нужные для конкретного работодателя.
Я могу даже из бухгалтеров сделать data scientista - под конкретные функциональные и по-операбельные задачи.
С уважением,
всегда Ваш
покорный слуга
Математик.Никифоров, 11 августа 2021 г. от Рождества Христова, если считать это числом.