Владимир Юшманов прошел путь от ремонта автомобилей до Data Science. Он занимался оценкой транспорта и даже открыл свой бизнес в автоэкспертизе. Вынужденный перерыв в работе, связанный с пандемией, Владимир использовал для погружения в машинное обучение и прокачки навыков в алгоритмическом программировании и SQL. После этого перед ним открылись новые перспективы.
Что я делал раньше
Я родился на южном берегу Белого моря, в Северодвинске, учился на инженера. Должен был строить и эксплуатировать ядерные энергетические установки кораблей, но в 1999 году, когда получил диплом, работы на заводе практически не было. Переехал в Москву, профессионально занимался окраской автомобилей. Потом прошел переподготовку на оценщика бизнеса и организовал автоэкспертную компанию.
Так как у меня был инженерный бэкграунд и опыт авторемонта, я хорошо ориентировался в оценке и экспертизе транспорта, поэтому большую долю своего рабочего времени я пытался автоматизировать повторяющиеся процессы своей компании. Первые шаги делал еще на базе таблиц в Excel. А дальше, благодаря моему другу — талантливому программисту — все процессы были реализованы на платформе 1С. Это помогло в разы сократить время обработки стандартных операций и повысить качество нашего продукта — отчетов об оценке и экспертных заключений.
За время работы над автоматизацией фокус моих интересов сместился в сторону IT-технологий и реинжиниринга процессов. Затем было несколько нормативных изменений в сфере автоэкспертизы и урегулирования, из-за чего не осталось места для творческого подхода к работе. Поэтому я без сожаления продал компанию.
Потом я непродолжительное время занимался автоматизацией процессов для компании по ремонту коммерческой и специализированной техники. Тогда же стал интересоваться программированием на Python и пытался учиться самостоятельно, слушал бесплатные подкасты и смотрел открытые образовательные курсы.
Затем я принял участие в консалтинговом проекте для крупнейшей в России автоэкспертной компании. В это время я решил системно подойти к изучению Python. Именно тогда и познакомился со SkillFactory. На курсе «Python для анализа данных» быстро освоил базовые приемы и узнал о неограниченных возможностях применения языка.
Уже через пару месяцев я уверенно анализировал данные при помощи Python, а еще через некоторое время — автоматизировал целые бизнес-процессы. Например, пока одна компания искала подрядчиков и вела переговоры с ними, я полностью автоматизировал процесс управления деятельностью коллектива автоэкспертов (300 человек по всей России). При этом компания не потратила ни копейки на закупку лицензий. Конечно, в дальнейшем этот процесс был реализован с промышленным размахом. Но благодаря Python бизнес в нужный момент получил возможность существенно повысить скорость обмена данными, уровень контроля за персоналом и оборачиваемость капитала.
После завершения проекта я применял полученные навыки в консалтинговых проектах для крупных добывающих и металлургических комплексов. В это время прошел на SkillFactory еще и экспресс-курс «Основы SQL».
Тогда я начал изучать опыт коллег и сталкивался с упоминанием искусственного интеллекта. Эта тема меня очень заинтересовала. К тому же практически весь софт машинного обучения реализован именно в Python.
В локдауне я увидел колоссальный ресурс для изучения Machine Learning. В первые дни вынужденного бездействия я начал изучать курс по Data Science. Я снова выбрал SkillFactory, потому что был позитивный опыт прохождения курсов Python для анализа данных и Основы SQL. Позже я читал отчеты о сравнении онлайн-школ, но не пожалел о своем выборе.
Мои отношения с платформой прошли через разные стадии восприятия: иногда были и гнев, и неприятие. Но после первых неверных ответов на задания или мнимых ошибок грейдера платформы (алгоритм проверки ответов) я выработал эффективный подход к решению заданий. Большую роль в обучении играет возможность общаться с менторами в Slack и поддержка от других студентов.
На первом этапе учебы я предъявлял завышенные требования к материалу. Мне казалось, что каждая тема должна быть раскрыта максимально, не должно оставаться ни одного белого пятна. Сейчас я склонен думать, что работу программиста, а тем более дата-сайентиста, невозможно представить без поиска в Google. Теперь я смотрю на платформу как на инструмент, позволяющий структурировать процесс обучения, показать успехи на пути к цели и мотивировать к работе.
Как я искал работу по новой специальности
После двух месяцев учебы я задумался о поиске работы. Так получилось, что в своей карьере работа всегда находила меня сама. Я, конечно, представлял, что такое сайты с вакансиями, и у меня даже была заготовка резюме на hh.ru, но не было опыта прохождения всего процесса трудоустройства. Сложности добавляло и то, что я хотел найти работу с уклоном в машинное обучение.
Я отправил сотни откликов на hh.ru, творчески подходил к написанию сопроводительных писем, но получал только отказы либо мне не отвечали. Если честно, это напоминало попытку разрушить горохом стену. Моральное состояние поддерживал физическими упражнениями и учебой. Параллельно участвовал в редактировании базового курса Python на SkillFactory, который помог развить навыки программирования.
Переломить ситуацию мне помогла Юлия Пушкина — HR-гуру SkillFactory. Она показала мне другую сторону процесса и провела ревью резюме; я узнал о тонкостях найма, получил ссылки на полезные ресурсы.
После этого практически все общение с рекрутерами происходило в телеграм-каналах. Я впервые начал получать ответы на отклики, участвовать в собеседованиях и выполнять тестовые задания. Это очень вдохновляло, я получил опыт общения с работодателями и выполнения тестовых и доработал свое резюме, но до трудоустройства не доходило.
Тогда же я начал использовать Git (система управления версиями кода) и пополнял набор функций, отвечающих за процессы предподготовки данных и визуализации. Их я применяю и сейчас на реальных проектах. Очень приятно осознавать, сколько времени в работе экономит однажды красиво написанная функция.
Эпопея с поиском работы закончилась получением двух офферов. В итоге я выбрал компанию, у которой есть огромный запас данных и желание использовать искусственный интеллект. Так в середине курса по Data Science я получил возможность на реальных проектах применять знания и развивать свои компетенции.
Что я делаю сейчас
Помимо привычного анализа данных я уже выполнил проекты с использованием машинного обучения: спрогнозировал будущую выручку сети торговых точек, кластеризовал торговые точки, спрогнозировал параметры развития новых локаций, провел исследование маркетинговых активностей.
Для представления результатов стал использовать BI-инструменты (Business Intelligence — набор инструментов для для визуализации, исследования и мониторинга данных), создал приложения с автоматизированным регулярным обновлением данных. Их нужно запустить один раз, и бизнес получит актуализируемый инструмент аналитики. Кстати, очень пригодились базовые знания по SQL, полученные «на перспективу».
Чем я планирую заниматься дальше
Уже ощущаю, что не хватает классических инструментов машинного обучения. Следующие разделы курса по Data Science посвящены применению нейросетевых моделей, и я надеюсь, что смогу сразу применить их в работе. Но уже сейчас приятно показывать бизнесу результаты моделирования, которые превосходят по точности достижения более опытных сотрудников. Главное — продолжать учиться, совершенствовать модели и навыки.
Совет
При поиске работы важно «выходить в люди». Обязательно советуйтесь с HR-специалистами, старайтесь общаться с коллегами, подпишитесь на сообщества в Telegram. Используйте каждое собеседование для оценки собственного уровня, но не для самокопания, а для развития.
Если вы собираетесь написать свое первое резюме, тогда можно воспользоваться формой на hh.ru. Мне кажется, что, к сожалению, это единственное оставшееся применение этого ресурса. Если вы нацелены на действительно интересную позицию — создавайте уникальное по формату резюме.
