Это история Андрея, который работал в 11-м потоке стажировок Кловери.Старт в проекте «Аналитика зарплат» на позиции Data scientist.
Привет! Меня зовут Андрей, мне 42. Двадцать лет я управлял людьми и проектами, но в душе всегда мечтал о работе, где можно погрузиться в код и данные. Сейчас я – Data Scientist, и хочу рассказать, как стажировка в Кловери.Старт помогла мне сделать этот переход.
Немного обо мне
Я окончил Московский институт электронной техники (МИЭТ) в 2005 году по специальности «Инженер микроэлектроники». Большая часть моего двадцатилетнего опыта работы была связана с менеджментом — я управлял крупными коллективами в сфере телекоммуникаций, а позже был руководителем проектов в IT-компаниях.
По сути, мое образование и опыт всегда были связаны с IT-проектами, но получалось быть «где-то рядом». У меня был опыт создания веб-проектов — как на уровне управления, так и «руками», от дизайна до программирования. Мне всегда нравилось придумывать визуальные решения, но полностью погрузиться в IT не получалось.
Пару лет назад я начал учиться в онлайн-школе по направлению Data Science. Прошел около двух третей курса. И потом в телеграм-канале школы я узнал о стажировке в Кловери.Старт.
Почему Data Science?
Работа с людьми и управление — это интересная сфера, но лично для меня в ней много зон дискомфорта. Часто мне хотелось быть экспертом, исполнителем, а не управленцем. Data Science показался мне перспективным направлением. Когда в 2021-2022 годах появился первый ChatGPT, стало ясно, что за машинным обучением и нейросетями — будущее. Я хотел разобраться в этом и быть внутри процесса.
Главное качество, которое помогает освоить эту профессию — стремление разбираться в деталях. Это природное качество, которое мне близко. В Data Science много исследовательской работы, анализа, требуется внимание и усидчивость. Плюс — математический склад ума. Мне комфортнее в мире, где всё логично и структурировано.
О стажировке
Стажировка в Кловери стала для меня первым практическим опытом именно по новой профессии. До этого я пытался попасть в другие компании, решал задачи в отборах, но никуда не прошел. Когда увидел возможность в Кловери, обрадовался — наконец-то появился шанс применить знания и попробовать работать в команде.
Хотя общий опыт командной работы у меня был большой, в роли дата-сайентиста я работал в команде впервые. Мне было интересно понять, как всё устроено изнутри, какие есть роли и как происходит взаимодействие между специалистами.
Наш проект и вызовы
Мы работали над созданием аналитики зарплат на рынке IT. Наша задача была сделать инструмент, который помогает специалистам ориентироваться в зарплатах и улучшать свои резюме для прохождения HR-отборов.
Самым сложным оказалась организация процесса. В проекте были все роли: руководитель, дата-сайентисты, фронтенд- и бэкенд-разработчики, тестировщик. Но все были новичками, и не всегда было понятно, куда двигаться. Мне приходилось брать на себя часть организационных функций, хотя изначально я хотел сосредоточиться на технической работе.
Мне было сложно и потому, что мы работали полностью онлайн, без личного контакта. Такой опыт у меня тоже был впервые, обычно всегда работал с командой в офисе и было проще двигаться к цели за счет личного взаимодействия.
Еще порой не ясно – правильно ли мы двигались с точки зрения достижения технического результата. Какие методы обработки данных применять, какие инструменты использовать , верно ли мы отбираем входные признаки для модели машинного обучения и т. п.? Приходилось разбираться самому. Этот опыт оказался очень ценным. Бывали дни, когда я работал по 5 часов ежедневно. Но мы сделали работающий продукт, и я доволен результатом.
Что я получил от стажировки
Я значительно прокачал свои профессиональные навыки, особенно в области нейросетей и prompt engineering. Меня поразило, насколько современные модели упрощают работу: задачи, на которые раньше уходили недели, теперь можно автоматизировать за ночь. Я настраивал обработку данных через нейросети и интегрировал их в наш процесс.
Это полностью изменило мой взгляд на поиск работы и помогло понять, куда развиваться дальше. После стажировки я добавил этот опыт в резюме и сместил фокус на взаимодействие с AI-инструментами.
Что дальше?
Стажировка полностью оправдала мои ожидания. После десятков отклоненных заявок просто попасть в реальный проект было уже большим достижением. Я получил огромный опыт.
Когда проект завершился, я оформил все результаты на GitHub, обновил резюме, и через пару недель после этого я получил предложение о работе. Сейчас уже работаю по новой профессии в новой компании.
Я стал чувствовать себя увереннее на 200%. Стажировка помогла побороть синдром самозванца. Когда ты в команде и видишь, что все на примерно одинаковом уровне, это очень помогает. Работая в новом коллективе уже чувствую, что говорю с коллегами на одном языке — во многом благодаря опыту, полученному на стажировке.
Совет новичкам
Главный совет — рассчитывайте только на себя. Если кто-то помогает — это отлично, но не стоит ждать помощи постоянно. Помните, что любое поражение — временно, как и победа. Решает мужество продолжать двигаться вперед. Если у вас есть терпение, желание и немного удачи — всё обязательно получится.