Многие хотя бы раз в жизни слышали о Data Science и… боялись туда пойти. Хотя Data Scientist – одна из самых высокооплачиваемых специальностей в IT. Действительно ли наука о данных – очень сложная сфера, в которой работают и получают офферы только прирожденные технари с опытом, или у страха глаза велики? Мы поговорили на эту тему с выпускниками курса по Data Science в IT-Academy. Но сначала разберемся, зачем нужны специалисты по данным.
Кто такой Data Scientist?
Наше общество генерирует невероятное количество данных. Любой бизнес может извлечь какую-то прибыль из сбора, структурирования и обработки огромного объема информации. Но сделать это вручную нереально. Например, только алгоритмы могут проанализировать поведение пользователя в интернете и предложить рекламу на основе его поисковых запросов.
Data Scientist использует данные как инструмент, применяет и даже создаёт алгоритмы, программы, которые понимают человека и считывают его потребности. Он структурирует Big Data и на основании анализа этих данных получает какую-то неочевидную информацию для бизнеса. Data Scientist работает с данными в разных форматах: CSV таблицы, речь, показатели датчиков, картинки. Это довольно широкая профессия, которая нужна во многих сферах: IT, Digital, финансах, медицине, ритейле и т.д.
Управление данными – искусство, которое не для всех?
Data Science называют искусством управления собранной информацией и отмечают, что оно не для всех. «В DS нужно знать математику лучше, чем программист, и программировать лучше, чем математик», – такая фраза на старте звучит пугающе. Хочется услышать что-то вроде: «Не волнуйся, писать код можно и без матана».
Чтобы овладеть искусством Data Science, нужен особый талант или обучиться проще, чем многие думают? У выпускников курса «Основы Data Science» был разный бэкграунд (спойлер: кто-то даже не из тех вуза). Но все ребята после 6-ти месячного обучения в IT-Academy нашли свою первую работу в сфере Data Science за 1,5 месяца. С троими из них мы поговорили.
Артем Важник, Илья Пастушков и Кира Щерба рассказали о том, что знали на старте, какие pet-проекты создали на курсе,как получили заветный оффер, в чём кайф Data Science и как настроить себя на погружение в науку о данных.
После курса по Data Science Артем нашел работу в области NLP в компании IHS Global. Параллельно учится на 4-м курсе ФПМИ БГУ.
Справочно: Natural Language Processing – это направление машинного обучения, где происходит обработка естественных языков. Пользуется спросом во многих бизнес-направлениях. Яркие примеры – голосовые помощники Яндекс.Алиса, Cortana, Siri.
Илья — Junior Data Scientist в компании ISsoft. До курса по Data Science учился в БГЭУ по специальности «Национальная экономика».
С августа 2021 Кира работает в отделе аналитики и управления данными в «Приорбанке». До курса по Data Science нигде не работала, но одновременно окончила по специальности «Инженерная механика» два университета: БГУ и Даляньский технологический университет (Китай).
___________________________________________________
— Почему Data Science, которая считается одной из самых сложных IT-областей?
Артем: Всегда привлекало программирование. Еще в школе участвовал в олимпиадах по спортивному программированию и алгоритмам. Позже поступил в университет с математическим уклоном. Как раз на первых курсах познакомился с машинным обучением. Мне тогда очень понравилась идея машины, которая сможет помогать человеку во многих отраслях, а в отдельных случаях даже заменить его.
Илья: Начал развиваться в Data Science в конце 3-го курса. Присмотреться к этому направлению посоветовал преподаватель в университете. Я изучил и понял: мне это нравится. Так все и началось.
Кира: Меня привлекли гибкость, востребованность и перспективность области. Специалист по Data Science может найти себя как в науке, так и в медицине, и в банковской сфере, где угодно. Если человек не до конца уверен, в какой области хочет работать, Data Science – отличная возможность попробовать себя практически везде. Компаний, которые нуждаются в специалистах по работе с данными, становится всё больше. Если говорить о сложности, всё упирается в количество времени, которое нужно выделить на обучение. Зато все затраты в итоге окупаются интересной и высокооплачиваемой работой.
— Что обязательно знать еще до курса по Data Science?
Артем: К моменту прохождения курса у меня была некая математическая база, поэтому на старте мне было легче. Но я уверен: зная только школьный «матан», можно поступить на курс. Хотя нужно понимать, что иногда на решение некоторых проблем понадобится больше времени.
Илья: Обязательно нужно знать Python и математику. Python – чтобы писать код, математику – чтобы понимать, как работают «под капотом» модели.
Сначала я прошел курсы по Python, подтянул математику (линейная алгебра, теория вероятности), повторил статистику.
Кира: До курса я в теме Data Science не разбиралась. Знала только: это что-то про статистику и интересные циферки на графиках. У меня за спиной были курсы по программированию и техническая специальность в вузе, а также знание Python, поэтому начинать было несложно. ___________________________________________________
Артем:
Учитывая, что курсы проходили по вечерам, было удобно совмещать обучение Data Science с учебой в университете
На курсе по Data Science Артём защитил проект по разработке веб-приложения FitToFace, которое помогает подобрать очки к определенной форме лица. Посмотреть, как это работает, можно здесь.
Кира:
Все 6 месяцев обучения на курсе прошли под девизом "лучше можно, хуже – нельзя!"
Итоговый проект Кира посвятила оценке отелей по отзывам с применением NLP.
Смысл был в том, чтобы на основе обработки естественного языка оценить отели по характеру отзывов (положительные, отрицательные, нейтральные) и помочь менеджеру отеля выявить недостатки и исправить их, ориентируясь на опыт других отелей.
Илья:
Тренер у нас был замечательный. Пытался максимально разжевать материал. На любой вопрос старался доступно ответить. Некоторые вопросы, которые ему задавали лично в мессенджерах, выносились на занятиях на общее обсуждение, чтобы все подумали и запомнили на будущее.
Для итогового курсового проекта Илье пришлось погрузиться в изучение Transformers. Он решил создать сервис автоматического определения выдачи/невыдачи кредита на недвижимость клиенту на основе его пользовательских данных.
_____________________________________________________________
— Сколько собеседований пришлось пройти, чтобы получить первый оффер?
Артем: Работу получил быстро, пройдя 5 собеседований. Считаю это везением, хотя некоторые и с первого раза получали оффер. Джунов сложно оценивать, так как нет коммерческого опыта, спрашивают либо pet-проекты, либо гоняют по задачкам, поэтому собесы на первое место работы происходят магическим образом.
Илья: Курсы закончились в мае. В июле я получил оффер от компании, в которой сейчас работаю. Это было моё 4-е собеседование.
Кира: Я послала резюме только в одну компанию через 2 недели после окончания курса. Спустя несколько дней мне позвонили и пригласили на собеседование, после которого со мной опять связались и предложили работу.
— От чего кайфуешь в работе Data Scientist?
Артем: Во-первых, мне просто нравится изучать новое, смотреть какие-нибудь прорывы в технологическом мире, а быть причастным к нему в разы круче. А еще круто иногда полежать, пока твоя нейросеть учится :)
Во-вторых, круто, когда ты можешь сделать какую-нибудь машину, которая понимает человека и сможет определить, кто находится на картинке: кошка или собака. Есть в этом что-то удивительное.
В-третьих, в этой сфере полно жизнерадостных людей с интересным опытом, с которыми нравится общаться не только по каким-то рабочим вопросам, но и просто так.
Илья: Кайфую от того, что весь рабочий день занимаюсь тем, что мне нравится, и что кроме рабочих заданий мне хватает времени на дополнительное развитие в разных направлениях.
Кира: Классно, что можно заглянуть под обёртку проектов, пообщаться с их создателями, приложить руку к улучшению старого и созданию нового. Можно найти столько возможностей, что голова идёт кругом. Ещё в этой сфере много интересных людей. У каждого опытного сотрудника своя история успеха, и одна интереснее другой.
— Поделись советом с теми, кто хочет себя попробовать в Data Science.
Артем: Потрать первое время на то, чтобы понять, что нравится в этой сфере и нравится ли она в целом. Если да – окружи себя замотивированными людьми. И вперед!
Илья: Главное – верить в себя и знать, что это тебе нравится. Тогда все получится. Даже те, кто не учится в БГУИР или БГУ на специальностях, связанных с Data Science, могут спокойно пробовать себя. Я с экономического университета. Программированием у нас там и не пахло. Все пришлосьучить самому с нуля. Повезло только с парами по статистике. Так что удачи, все в ваших руках!
Кира: Самый главный совет – пробовать, не сдаваться и помнить, что развиваться придётся постоянно. С первого взгляда Data Science может показаться чем-то не от мира сего, но на деле не всё так сложно. В самом начале лучше всего найти хорошего преподавателя, который поможет тебе нарисовать общую картину и определиться, куда идти дальше.
Сделать первые шаги в самую высокооплачиваемую и перспективную профессию можно на курсе «Основы Data Science» в IT-Academy.