«Забудьте все, чему вас учили на курсах» — часто работа в IT-компаниях для джунов начинается именно так. Временные рамки и процессы работы над учебными и реальными проектами действительно отличаются. Чтобы погрузить студентов в реальную рабочую среду, в Skillfactory организовали «Мегахакатон» — симулятор работы в IT-компании с реальными задачами и двухнедельным спринтом.
О том, как проходил обычный день на «Мегахакатоне», о распределении времени и переключении на отдых рассказали участники события.
Что такое «Мегахакатон»?
«Мегахакатон» — большое практическое мероприятие для студентов Skillfactory c участием IT-компаний. В отличие от обычного хакатона, на один-два дня, «Мегахакатон» длится две недели — как полноценный спринт в современной компании.
Во втором «Мегахакатоне» для дата-аналитиков приняли участие пять партнеров: разработчик мониторинга СМИ и соцсетей «СКАН Интерфакс», крупная сеть магазинов автозапчастей «Евро Авто», создатели таск-менеджера Weeek, финтех-компания Mandarin и учебный центр «Луч знаний».
Студенты разделились на шесть команд, каждой из которой выдали бриф от компании. Им предложили найти решение и сделать MVP за две недели. За это время студентам нужно было выстроить процессы совместной работы, спланировать спринт, разобраться в техническом задании, найти решение и реализовать его. Все как на настоящей работе, только думать и принимать решения нужно в разы быстрее. По итогам хакатона студенты получают опыт и проект для портфолио, а компании — инсайты и свежий взгляд на задачи.
Как проходит день участника «Мегахакатона»?
Анна Зайцева — студентка курса Data Science. Она попала в команду с двумя разработчиками и дата-аналитиком, задачу им поставила компания «СКАН Интерфакс». Несмотря на то что участникам пришлось столкнуться с запросами и моделями, которые они раньше не видели, команда справилась с задачей в срок. Вот как у них это получилось.
Анна Зайцева, студентка направления Data Science:
«СКАН Интерфакс» выдали нам датасет с SQL-подобными запросами. Мы не знали язык. Задача была в том, чтобы вытянуть текст запросов и составить из них облака слов, объединенные тематикой, а затем создать программу, которая будет в ответ на запрос пользователя предлагать новости по теме. На старте мы не знали, как подойти к задаче. Тимлид предложил сделать чат-бота, который будет предлагать темы. Мы согласились пойти по этому пути и приступили к работе.
Мне повезло, что во время хакатона я была в отпуске на даче и могла посвятить заданию больше двух часов в день. Остальные участники команды совмещали участие в хакатоне с работой.
День начинался в пять утра по Москве, пока я еще спала. Тимлид находился в другом часовом поясе и присылал мне задачи примерно в это время. Первую половину дня я посвящала семье: провести время с детьми, приготовить завтраки и обеды. После занималась задачами хакатона.
Мы работали в связке с дата-аналитиком: она составила регулярное выражение, с помощью которого можно вытаскивать запросы. Я занималась извлечением запросов и очисткой. Где-то в результаты попадал мусор: предлоги, кавычки. Его нужно было отлавливать и убирать, что довольно сложно. На работу у меня уходило три-четыре часа в день.
Все результаты со ссылками на GitHub мы скидывали в наш чат в Телеграме, где распределяли задачи и общались в команде. С аналитиком под конец первой недели решили работать в Google Collab. Инструмент позволяет всем одновременно видеть проект, оперативно вносить правки.
Вечером, чтобы переключиться с работы на отдых, я шла гулять, а затем смотрела сериалы.
Формат мегахакатона стимулирует развиваться: задачи, которые мы получили, были явно не для джунов. Приходилось что-то срочно гуглить, изучать новые модели, читать библиотеки, все осознавать и тут же применять на практике. Не без ошибок, но мы справились с заданием. Мы поняли, чего ожидают от нас потенциальные работодатели, поработали с реальными данными и получили проект для портфолио.
Леонид Новиков, студент Data Science, попал в команду с тремя аналитиками и еще одним дата-сайентистом. Им досталось достаточно подробное ТЗ от компании Weeek с четкими техническими требованиями и метриками.
Леонид Новиков, студент Data Science:
Основная задача — разработать дашборд под управлением Yandex DataLens. В ТЗ были подробно расписаны требования, какие метрики нужно посчитать и какие графики построить. Каждый расчет и график мы выделили как отдельную задачу. Лично мне удалось поработать почти над всеми из них и даже составить свой дашборд, элементы которого в итоге использовали в финальном проекте.
В команде у нас не было четкого распределения ролей, первые дни мы вместе разбирались с предоставленными данными и инструментом DataLens. В нем раньше никто не работал. Потом каждый пробовал строить графики и рассчитывать метрики согласно техническому заданию от заказчика. Нам очень пригодились знания SQL. Некоторые участники использовали Python, Google Sheets и Microsoft Excel для дополнительного анализа. Далее мы сравнивали результаты, выявляли в них расхождения, делились наблюдениями, опытом и снова пробовали выполнить поставленные задачи.
Большую часть дня я уделял обучению на курсе Data Science, но со стартом хакатона все время тратил на него. Это почти как полный рабочий день, около восьми часов, с утра до вечера и с перерывом на обед. Конечно, не всегда удавалось следовать такому графику, иногда хотелось отдохнуть и переключиться, выйти прогуляться и встретиться с друзьями, поиграть во что-нибудь или посмотреть фильм. Иногда хотелось и поздно вечером посидеть поработать над дашбордом. Каждые два дня мы созванивались с командой, определяли задачи, выявляли сложности и пытались совместно их решить.
Самыми сложными и интересными были последние дни работы над дашбордом. Незадолго до этого заказчик открыл нам доступ к дополнительному функционалу. Это дало идеи, как можно более качественно выполнить задачи.
В целом, у нас получилось выполнить все, но из-за технических сложностей смогли учесть не все требования заказчика. В последние дни появилось множество идей, как сделать дашборд лучше, но оставалось мало времени. Нужно было и подготовить презентацию, и подумать, как правильно представить работу заказчику. С презентацией возникли сложности, т.к. оставили на последний момент. Мы получили полезные рекомендации от куратора и положительный отзыв от заказчика, но другая команда справилась лучше.
Было очень полезно и интересно поработать над реальной задачей в команде. Хотя многое было в новинку, получилось разобраться и освоить новый инструмент.
