Привет! Меня зовут Кирилл Шмидт, я Product Analyst Team Lead в Citrix. Сегодня я расскажу, как мы вместе с командой программных директоров объяли необъятное и создали курс по Data Science в Skillbox.
Главная сложность была в том, что Data Science (DS) объединяет сразу несколько направлений с разными задачами и требованиями к специалистам. Поэтому в DS куча направлений: машинное обучение, Big Data, продуктовая аналитика, нейронные сети, Business Intelligence и так далее. Нам нужно было понять, как охватить всё сразу и дать возможность отработать знания на практике.
Мы поняли, что нельзя просто взять и «по алфавиту» рассказать сначала об одном аспекте Data Science, а потом о другом. Поэтому мы решили построить трек обучения как постепенный подъём «в гору» знаний:
- Сначала мы даём основы Data Science — все навыки, которые нужны любому дата-сайентисту, вне зависимости от области работы. Сюда входят Python, SQL, Excel, Power BI, общие принципы и правила работы с данными.
- Параллельно рассказываем о самых распространённых на рынке направлениях — аналитике данных, машинном обучении и инженерии данных.
- Помогаем участникам курса решить, какая специальность им ближе и интереснее.
- Даём знания и навыки, чтобы пользователь платформы мог за год или меньше стать востребованным специалистом в выбранном направлении. А дальше можно параллельно учиться и расти до миддла.
3 специальности Data Science
Главная задача аналитика данных — помогать компаниям принимать верные решения. Поэтому аналитик должен понимать потребности бизнеса. На собеседовании соискателя спрашивают, какими инструментами он владеет и какие задачи работодателя с их помощью может решить.
Поэтому мы решили составить программу, отталкиваясь не от инструментов, а от бизнес-проблем. Мы выделили 3 основные сферы, в которых аналитик может понять проблему бизнеса и решить её с помощью DS-инструментов:
- анализ выручки;
- воронка продаж, включая оценку полезности фич и расчёт LTV;
- поиск точек для роста продукта и продаж бизнеса.
В результате мы разработали программу так, чтобы она покрывала 3 типа аналитики: маркетинговую, продуктовую и Business Intelligence.
Теоретической информации по машинному обучению в свободном доступе очень много. Но на собеседованиях соискателя обязательно будут спрашивать о практическом опыте и кейсах.
Мы составили программу, которая позволит участнику курса уверенно чувствовать себя и на собеседовании, и на работе. Он будет изучать алгоритмы машинного обучения, а после — выполнять реальные задачи.
Чтобы участник курса разобрался, что происходит «под капотом» той или иной модели, нужно на примере каждой задачи разобрать подходящий алгоритм. В результате он сделает готовое решение, написанное на Python, c визуализацией данных и результатов исследований — а ещё получит полноценную работу себе в портфолио.
Инженер по данным занимается инфраструктурой: собирает данные, которые нужно исследовать, автоматизирует и контролирует этот процесс. Составляя курс, мы исходили из 3 сценариев профессионального пути начинающего инженера:
- Инженер по данным может устроиться в небольшую компанию или стартап. В таком случае границы между специализациями достаточно размытые. Инженеру, помимо своей специфики, нужно будет заниматься исследовательскими задачами.
- Если инженер по данным работает в большой компании, скорее всего, в штате будут и дата-инженеры, и специалисты по машинному обучению, и аналитики. Нужно будет общаться с ними на одном языке.
- Он может целенаправленно заниматься сбором, преобразованием, хранением и передачей датасета. Для этого нужно знать языки программирования и уметь работать с СУБД, владеть SQL и средствами автоматизации, иметь навыки преобразования данных. Например, чтобы построить дашборд, нужно одновременно извлечь данные, визуализировать их, обновлять по расписанию и т. д.
Как же всему этому научить?
Мы решили, что будем внедрять инструменты по ходу развития карьерного пути. Например, инженеру по данным без SQL никак. Значит, начнём с SQL. Чего может больше всего не хватать специалисту, который уже знаком с SQL? Скорее всего, тонкостей работы с датафреймами. Добавляем Python.
Окей, а если нужна кросс-функциональность? Так в курсе появился базовый блок по ML — не такой глубокий, как в отдельной специализации, но достаточный для базового понимания.
Помогаем построить карьеру
Поиск первой работы в Data Science независимо от отрасли — непростое дело. На собеседовании кандидата тщательно проверяют на понимание собственной профессии и бизнес-процессов в целом. Не все компании готовы брать новичков с пробелами в навыках. Реальные кейсы — лучший аргумент при приёме на работу. И в этом сила нашего курса — релевантные знания и много практики.
Навыки вы будете оттачивать на практических заданиях. По ним будете получать подробный фидбэк от проверяющих кураторов с указанием ошибок и альтернативных вариантов решения. А в конце курса вас ждут 2 больших итоговых проекта — индивидуальный и командный. Они станут главной проверкой ваших умений и весомым аргументом перед работодателем.
Найти работу через год после обучения поможет специалист Центра карьеры. Он поможет составить резюме, подготовиться к собеседованию и подберёт для вас подходящие вакансии в компаниях-партнёрах.
Давно хотели что-то поменять, но не решались? Skillbox поможет сделать первый шаг! Освойте новую профессию со скидкой 60%. А ещё получите скидки на ноутбуки Asus, косметику Clinique и электронные книги от наших партнёров 🚀
Хотите построить карьеру в самом перспективном IT-направлении? Листайте дальше и оставляйте заявку на курс пока действует акция!