Олег Плюснин к 48 годам выучился на инженера-конструктора электронных устройств, юриста, стал кадровым офицером. Но программирование, которое началось еще в школе, не отпускало. Олег случайно увидел анонс вебинара, пришел на него — и выиграл годичный курс обучения. Там его настолько захватила новая тема, что Олег (которого очень хвалят на курсе) неожиданно получил проект — обучал нейронные сети для интернет-магазина. Он рассказал нам, как осваивается непростая профессия дата-сайентиста и как программирование 20-летней давности отличается от нынешнего.
:
:
:
Новое место работы: «Юникс», менеджер по оптовым продажам автотоваров
Что я делал раньше
До того как стать дата сайентистом, я получил несколько профессий. Окончил физико-математический лицей, один из немногих в те годы в Кирове, имеющий компьютерный класс. Пошел учиться на факультет конструирования и технологии электронных вычислительных средств, программировал там на Basic и Turbo Pascal 6.0, познакомился с языками C и Assembler.
После третьего курса перевелся в высшее военное училище. Программирование всегда было моей мечтой, но желание стать кадровым офицером нарушило планы. Это было сложное время, по полгода людям не платили зарплаты. Я окончил училище и по распределению отслужил офицером пять лет на Алтае. По возвращении пошел получать второе высшее — юридическое. Потом еще пять лет проработал заведующим складом в автотранспортном хозяйстве и ушел в компанию «Юникс» менеджером по оптовым продажам. Там работаю и сейчас.
Несмотря ни на что, о программировании я никогда не забывал. Basic осваивал еще в школе, благодаря ей и вузу кое-что помнил. Сразу после армии впервые услышал про нейронные сети и очень заинтересовался — я тогда занимался «Форексом» и узнал, как обучаются его алгоритмы. До этого о подобных вещах я никогда не слышал.
Стал гуглить, читать, думал, что благодаря своему бэкграунду смогу освоить это сам. Материалов в интернете было немного, да и сам интернет тогда был другим. Я находил программы, скрипты по нейронным сетям, но разобраться в них без знания новых для меня языков — Python, C# — было сложно. И тут спустя несколько лет мне попался на глаза анонс вебинара от SkillFactory.
Вебинар шел в субботу, и мне нужно было высидеть все шесть часов, чтобы поучаствовать в розыгрыше бесплатного обучения на любом курсе. В итоге я выиграл и решил брать курс по Data Science. Сейчас я обучаюсь уже второй год, допнаправлением выбрал Computer Vision.
Как началось мое обучение
Сложно не было благодаря бэкграунду — я понимал, как пишутся программы на структурированных языках, быстро освоил Python, узнал, что такое фреймворки, методы и функции, как их использовать. Довольно сложным оказалось объектно-ориентированное программирование, но и его я освоил.
Первым чем-то новым для меня на курсе был Pandas — первый фреймворк, который я начал изучать и понимать, что это вообще такое. Дальше все шло по накатанной, все было достаточно понятно по аналогии, по крайней мере, в плане использования.
От менторов курса: Прогресс Олега на первом году обучения составляет 97%! Все проекты выполнены на максимальный балл. Это невероятный результат!
Медленно, но верно он идет к своей цели. Сейчас Олег заканчивает второй год обучения по CV. И для него двери профессии дата-сайентиста уже открыты!
Днем работал, учился вечерами и по выходным, так делаю и сейчас. Выгорания не было до второго года, я занимался с большим энтузиазмом. Сейчас я его уже чувствую, так как наступила некоторая рутина — в плане того, что принципиально нового ничего уже не используется, все инструменты знакомы, просто меняются данные.
На курсе я впервые узнал про хакатоны. Стало интересно, и я начал хвататься за все хакатоны подряд. Многое не получалось, но я занимался этим с удовольствием и прокачивал свои навыки.
Как я получил проект для интернет-магазина в США и Канаде
Создатели магазина — из моего города, и они искали в Кирове человека, который сделает им микросервис по приему данных с сервера, их обработке нейронной сетью и моделью машинного обучения и отправке обратно на сервер. Все это должно было происходить с использованием менеджера очередей RabbitMQ — и от них я услышал это название впервые.
Меня нашли на HeadHunter, я тогда уже прошел карьерный модуль, и у меня было проверенное резюме с небольшим портфолио из учебных работ. Я очень удивился, что обратились ко мне, но оказалось, что все, с кем ребята связывались, могли взяться только за какую-то одну часть работы, а не за все разом.
Я сразу сказал, что еще учусь, но их это не смутило. Тогда я согласился и предупредил, что не могу гарантировать результат, получится — получится, не получится — не обессудьте. Взял проект и примерно месяц занимался им между работой и учебой.
Страха перед нейронной сетью и машинным обучением не было, это не дали на курсе. Основная сложность была в том, что про менеджер очередей я до этого и не слышал. Стал гуглить, читать документацию, статьи, смотреть код, который выкладывали пользователи; за два дня минимально разобрался и понял, что я сделаю задачу. Сдал ее заказчикам, честно сказал, чего в сервисе нет, они его запустили — и он заработал; компанию все устроило.
Когда занимался проектом, консультировался со своим однокурсником — он сейчас профессор в Вятском государственном университете. Он сказал, что до этого компания заказала у вуза исследовательскую работу, которую проводили полгода. Так что мне в качестве вводных данных пришло много ненужного кода, который писали в рамках эксперимента. И там был только код, ни одной обученной модели — обучением, обработкой я занимался сам. Это был интересный и очень полезный опыт. Теперь я планирую доучиться и искать работу или проектную деятельность в своей новой сфере.
Чего я не ожидал, когда пришел в IT
После вуза я, конечно, что-то знал об этой сфере, но прошло много лет. И когда началось обучение, меня удивило, с каким огромным количеством фреймворков работает дата-сайентист и какие большие они могут быть сами по себе. В одном из тех, что мы изучали, только документации было 8 000 страниц — это невозможно выучить наизусть, это не Basic или Pascal, где ты знаешь ограниченный набор команд и синтаксис и не нужно ползать по справочникам, чтобы написать программу.
Здесь же мне приходилось постоянно гуглить. Пишешь код — и не помнишь, двойные тут скобки или нет, какой тип данных нужно подавать. Везде все по-разному, запоминаешь более-менее только то, с чем много работаешь. Это, конечно, большая разница между тем, как программировали раньше и как это делают сейчас дата-сайентисты и аналитики.
За эти годы появилось множество разных направлений, в том числе внутри одной профессии. Например, мы изучали временные ряды, а это вообще отдельное направление со своими фреймворками и своей логикой. С другой стороны, я что тогда считал, что программист в таких сложных задачах в первую очередь — математик, что сейчас вижу: во многих случаях надо увидеть математическую закономерность в данных и только потом писать код.
Это, конечно, касается профессии, которой я учусь. Так что если кто-то планирует пойти на дата-сайентиста — в первую очередь подтяните математику, хотя бы на базовую школьную четверку. У меня к 50 годам многое уже забылось, но мне нужно было просто сесть и вспомнить, осталось понимание. Особо сложного ничего нет, просто нужно со всем разобраться. Есть готовые фреймворки — бери и используй. Либо можно выбрать другие специальности — там проще. IT — это безумно интересный мир.
