Истории успеха выпускников SkillFactory

Спойлер: им удалось устроиться, в среднем, в течение 4 месяцев после окончания курсов.

Об обучении

Андрей Шадрин: В SkillFactory я проходил курс «Python для анализа данных». Предположил, что полученные знания как раз пригодятся в работе.

Я до этого никогда не кодил. Именно поэтому я выбрал программу с Python в качестве первого языка программирования — из-за его простоты и понятного оформления.

На курсе всё в целом понравилось: удобный и гибкий формат обучения, постоянная обратная связь через Slack. Несмотря на то, что я впервые занялся программированием, курс не показался сложным. Помимо необходимых знаний и навыков я получил четкое понимание того, куда развиваться дальше, что мне понадобится больше всего. Сейчас также прохожу курс по математике.

Иван Верещагин: Окончил два курса: «Machine Learning» и «Python для анализа данных»

Знаю, что большое количество практических заданий — это ваша фишка. Но лично мне их не хватило. Было также трудно воспринимать сразу большие задачи — лучше разбить такие на несколько маленьких.

Самым трудным в курсе по ML было получить советы от преподавателя, поэтому приходилось все искать самому. А вот в «Python для анализа данных» все было достаточно понятно и интересно.

Марат Сабиров: Прошел курс «Python для анализа данных», сейчас прохожу специализацию «Data Science»

Изначально целью было (и есть) освоить науку о данных практически с нуля. Почитал разные мнения и понял, что 70–80% работы в DS — подготовка, предобработка и разведочный анализ данных. Понял, что это основа, с которой можно штурмовать «высокие материи». Плюс, был опыт в анализе данных по своей научной работе (Excel) и небольшой опыт программирования моделей (Visual Basic). 

Всё взвесив, понял, что курс по Python — это во-первых, основа, которая нужна всем, а во-вторых, программа обеспечит более плавный вход в область науки о данных.

Курсом я доволен. После прохождения могу точно сказать, что название полностью соответствует содержанию: уделяется внимание предобработке данных различных форматов, обзорным аналитическим процедурам (базовая статистика и др.), визуализации результатов. Здорово, что нам не только объясняли, как работать с данными, но и как (и где) их получить — на «живых» примерах и заданиях по работе с API Яндекса, ВК, Google. А ещё в рамках программы есть «курс молодого бойца» по Python — для тех, кто совсем с нуля.

Конечно, были и недостатки: ошибки при проверке ответов на платформе, иногда поддержка реагировала не так быстро, как хотелось бы. Но всё это мотивировало меня искать решение самому — так, как оно будет в реальной жизни. Итого: умение (скорее даже психологическая привычка) решать проблемы самостоятельно. То есть в рамках курса вы можете получить даже то, чего там не заявлено, сознательно используя недостатки системы с нужным настроем на решение задач 🙂

О выборе специализации

Мне кажется, я учёный по натуре. Работа в науке — это уже следствие. А DS — не просто программирование. Это, как я сейчас себе представляю, 3:3:3:1 — наука (гипотезы, вычислительные эксперименты) : написание кода : «математика» : коммуникации. Естественно, привлекает оплата труда хорошего специалиста в отрасли.

Марат Сабиров

Ещё для меня значительную роль играет то, чтобы я вносил вклад своим трудом во что-то большое и важное. Исследование новых биомолекул, биоинформатика, прогнозирование рисков окружающей среды — есть даже целое направление «Data Science for social good». По этой причине меня вряд ли заинтересует работа, где надо иметь дело с только с биржевыми или финансовыми показателями или считать метрики успеха бизнеса. Наконец, DS — это перспективно, а в будущем ещё и хороший способ познакомиться с проектами из абсолютно разных областей.

О работе

Андрей Шадрин: Я госслужащий, и моя работа никак не связана с программированием, однако сильно завязана на Excel, постоянных отчётах и аналитике. Пройденный курс плюс книжка об автоматизации процессов на Python позволили отказаться от Excel и начать решать почти половину ежедневных задач без участия других сотрудников.

Навыки, которые я получил во время обучения, позволили справиться с потоком рутинных утомительных задач: все еженедельные отчеты собираются и рассылаются автоматически, я только слежу за правильным внесением данных. Остальное делают скрипты.

Иван Верещагин:

Работаю инженером, делаю расчёты, чертежи, 3D-модели, конструкторскую и техническую документацию. Эта сфера мне интересна, а еще здесь довольно высокий уровень заработной платы. Но полученные на курсе навыки здесь, к сожалению, применить не могу.

Марат Сабиров: Продолжаю работать в академической науке (моделирование в биологии), преподаю, развиваю свой собственный небольшой образовательный проект. Уже применяю полученные знания в работе. 

Недавно меня пригласили в DS-проект: нейросеть для распознавания объектов. Надо будет делать всё с нуля: пришлось даже немного освоить тему «железа» для вычислений — требовалось расписать спецификацию рабочей станции под проект, которую должны закупить. Целую неделю сидел на форумах. Уверен, это будет сложный и интересный проект!

О реализованных проектах

Марат Сабиров: После обучения в SkillFactory я написал много простых скриптов, автоматизирующих работу. Недавно реализовал алгоритм поинтереснее: получение множества комбинаций из исходных данных с последующим выбором лучших по определенным критериям. Т. е. «эволюционный» алгоритм — так и работает эволюция. Можно считать это примером переноса «доменных» знаний биолога в новую область. Разумеется, я не первый — генетические алгоритмы существуют уже давно, в т. ч. в виде библиотек Python. Фокус в том, чтобы увидеть, что для конкретной задачи подойдет именно это решение. В итоге наш вариант на платформе признали одним из лучших.

Об инструментах

Андрей Шадрин: В работе в основном использую Pandas и стандартную библиотеку. Сейчас я работаю над скриптом, который на госзакупках будет автоматически находить нужные контракты. В этом мне помогает Beautiful Soup и очень интересная библиотека Selenium.

Марат Сабиров: Довольно широко использую классическую триаду аналитика: Pandas, NumPy, Matplotlib. Сейчас на курсах прохожу базовые методы ML — осваиваю Sklearn. Из встроенных библиотек работал с os, re, math, также оценил полезность Itertools, JSON, Beautiful Soup. Немного работал с Seaborn — она помогает делать действительно стильные визуализации!

Но и есть неудобные вещи: например, в Jupyter нет нормального дебаггера (или я о нем не знаю, ipdb не предлагать). Ясно, что продакшен-код будет уже в PyCharm, где есть всё. А в экспериментах в тетрадках приходится все print’ами обкладывать (наверняка есть более умное решение).

О вдохновении

Марат Сабиров: Безусловно круто то, что делают ребята из Open AI. Интересен Илон Маск с его Neurolink. 

Конечно же, наш ODS — пусть это лишь инициатива двух-трёх человек, но зато есть возможность напрямую пообщаться с авторами. Из научного, наверное, самое впечатляющее — недавнее «открытие» нейросетью результатов Коперника и Кеплера (т. е. гелиоцентрической системы мира) по входным цифрам положения небесных тел. Тут даже более важно, что исследователи отследили «рассуждения» сети (механизм формирования связей). Чуть ранее до этого была новость о том, как другая сеть на порядок ускорила решение классической «задачи трех тел».

О планах на будущее

Андрей Шадрин: У меня сейчас порядка пятидесяти муниципальных образований на контроле. Ближайший большой проект — создание базы данных с возможностью выгрузки отчётов, расчёта стоимости контрактов, загрузки необходимых форм и другими функциями.

Иван Верещагин: Развиваться в области данных я планировал, но нет возможности. Лучший способ развития в этом направлении (да и вообще в любом) — практика, но к сожалению, я уже полгода не могу найти место хотя бы в качестве стажёра: нужны люди с опытом работы либо студенты. 

Марат Сабиров: Мне интересен биотех, биоинформатика. Хочу освоить biopython — библиотеку для работы с последовательностями ДНК и другими информационными молекулами.

Также интересно направление, которое для себя я назвал «Data Science for Sustainable Development» (DS4SD). Sustainable development — глобальная концепция ООН по развитию, в которой делается попытка учесть все аспекты: экономику, экологию, социальные факторы. У нас же пока всё завязано на экономике и бизнесе, остальное — по остаточному принципу. Наверняка у ООН есть большие, интересные датасеты по различным аспектам. 

Круто исследовать данные из разных областей или датасеты с множеством различных показателей. А если исследовать, например, только финансовые данные — мне станет неинтересно уже через месяц.

О советах

Андрей Шадрин: Помимо прохождения долгосрочных платных курсов я слушаю лекции на Udemy. Отличная возможность не только прокачать профессиональные навыки, но и подтянуть английский. 

Я много времени провожу в дороге. Чтобы потратить его с пользой, советую установить приложение Sololearn — там много заданий для кодеров и можно соревноваться с другими пользователями. И ещё есть классный сайт projecteuler.net с задачками на любом языке.

Как я уже говорил, параллельно с курсом от SkillFactory я осваивал старинную книгу «Автоматизация рутинных задач с помощью Python» Эла Свейгарта. На самом деле, сама по себе она не сильно помогает, поскольку с момента её написания прошло уже три года. Но тем не менее книга дает неплохое представление о возможностях автоматизации, заставляя искать современные решения.

Читайте также: Истории наших выпускников, которые уже освоили новую профессию и нашли работу, читайте в рубрике «Личный опыт»

Текст: Астафьева Наталья

(рейтинг: 5, голосов: 1)
Добавить комментарий