Недавно мы провели голосовой чат «Инженеры данных: роль в компании, стек технологий и перспективы», где вместе с преподавательницей курса «Инженер данных» Диной Сафиной и другими опытными дата-инженерами обсудили рынок труда и навыки, которые сегодня требуются хорошему специалисту.

Тем, кто хочет больше узнать о данных и работе с ними, мы рекомендуем послушать подкаст «Data Coffee», который вместе с Диной ведёт ещё один преподаватель курса «Инженера данных» Евгений Ермаков. Помимо уже знакомых вам лиц и голосов, вы услышите Алекса – автора подкаста, любителя кофе (откуда название-то!) и opensource, и Мака, PHD дата-сайентиста.

Ребята делятся опытом в хранении, обработке, визуализации данных и принятии решений на их основе, а также обсуждают новости индустрии и общаются со специалистами в этой области.

Среди гостей подкаста можно услышать, например, геймдизайнера из KamaGames Колю Юн , руководителя направления аналитики в My.Games Олега Потапова, Engineering TechLead в Dodo Engineering Ксению Томак, PM в DWH в Yandex.Go Анастасию Королёву и многих других.

Начать рекомендуем с этих выпусков:
● Snowflake Data Cloud
● Курсы для новичков, менторы и community
● Метеорология, ледники и голодные медведи
● Первым делом самолеты
● Spark, Pandas, Scala и Zeppelin

[Слушать все выпуски]

Мы заметили, что вы часто делитесь друг с другом книгами по Data Science и решили не отставать!

Вместе с ЛитРес мы собрали подборку крутых книг по Data Science. С их помощью вы сможете погрузиться в статистику и алгоритмы, узнать о работе с большими данными и даже разобраться в истории электронных устройств! В списке есть такие книги, как «Python и анализ данных» и «Data Science. Наука о данных с нуля» — то, что нужно, если вы делаете первые шаги в этой сфере.

На книги из подборки действует скидка 20%, а после регистрации вы сможете выбрать подарок от ЛитРес — ещё одну книгу из специального каталога. Отличная возможность не только узнать больше о Data Science, но и расширить кругозор для формирования soft skills!

[Cмотреть подборку]

Наша самая сложная программа Hard ML разделена на пять модулей — в каждом из них подробно разбирается важная для машинного обучения тема. Все они подкреплены реальными кейсами, что позволяет использовать полученные знания сразу после прохождения блока.

Выпускник курса Александр Касаткин начал искать работу после прохождения модулей «Ранжирование и матчинг» и «Динамическое ценообразование» и активно использовал новые знания. Подробнее о пользе каждого блока программы — в отзыве Александра.

Я воспользовался программой помощи в трудоустройстве, которая включена в курс. И именно через специалиста karpovꓸcourses меня нашла моя новая работа (хотя я и сам искал вакансии). Я устроился в небольшой, уютный, но подающий надежды стартап, где с нуля развивал продукт по кредитному скорингу малых предпринимателей.

Перед тем как начать искать работу, я прошёл только модули «Ранжирование и матчинг» и «Динамическое ценообразование». И эти знания пригодились мне как на собеседованиях, так и в работе. Также, конечно, в ежедневной работе помогают «Сценарии деплоя ML-сервисов».

Применить непосредственно на практике заглавные темы модулей «Uplift-моделирование» и «Продвинутое A/B-тестирование» пока не довелось, но полученные знания всё равно не были лишними: продвинутое A/B-тестирование подтянуло статистику, а в модуле по uplift была тема по проектированию библиотеки факторов, что актуально в любых ML-задачах.

В целом, в каждом модуле для меня было что-то новое, полезное, интересное. Но если говорить о личных предпочтениях, то особенно понравились «Ранжирование и матчинг» и «Uplift-моделирование». Тут сыграли роль и обаяние преподавателей (не в обиду преподавателям других блоков), и структура модулей, и какие-то мои собственные интересы.

Порой IT-специалисты останавливаются на одной позиции и не двигаются дальше только потому, что устройство в большие технологические компании уровня FAANG кажется им чем-то невозможным.

Интервью по System Design — обязательный этап собеседований в такие компании, и зачастую именно по его результатам определяется уровень соискателя. Для подготовки к техническим вопросам почти нет материалов даже на английском языке, не говоря уже о русском. Поэтому мы решили сделать собственный курс.

За четыре недели под наставничеством Валерия Бабушкина и Евгения Нижибицкого (который, кстати, прошёл открытое собеседование по System Design!) вы научитесь выстраивать оптимальные и масштабируемые архитектуры для программных систем.

На один поток мы можем принять только 50 человек — записывайтесь скорее, он стартует уже 8 августа!

P.S: Первый поток начал учиться месяц назад. Если вы тоже хотите в числе первых проходить наши новые курсы, оставляйте заявку на любую программу, которая находится в разработке, на нашем сайте — мы обязательно сообщим вам, когда она будет готова.

Совсем скоро стартует новый поток Hard ML, нашей самой хардкорной программы, которая рассчитана на специалистов уровня Middle+. Мы собрали несколько идей, которые помогут принять окончательное решение перед стартом и понять, насколько вы готовы к учёбе.

● Узнать изнутри

Всегда полезно заранее познакомиться с темами основных модулей! Предлагаем начать с вебинара «Как построить ML ценообразование на маркетплейсе». Большая и невероятно подробная лекция о динамическом ценообразовании от Богдана Печёнкина – явно то, чего вам не хватает длинными летними вечерами.

А чтобы сразу влиться в происходящее на курсе, загляните в демоверсию! Внутри — первые три урока блока «Ранжирование и матчинг» от Игоря Котенкова, на основе которых вы попробуете реализовать свою ML-модель и понять, насколько вам подходит формат обучения.

● Погрузиться в сферу

Чтобы держать руку на пульсе и лучше понимать, что происходит в сфере Data Science, советуем выбрать несколько новостных источников, которые вам ближе всего. От себя можем порекомендовать телеграм-каналы Reliable ML с новостями, анонсами и статьями из мира машинного обучения, NoML Digest — комьюнити профессионалов, решающих прикладные бизнес-задачи, и, конечно, «Время Валеры» — авторский канал Валерия Бабушкина.

● Перенять опыт

Хороший способ это сделать — посмотреть наши mock-интервью на позицию Middle Data Scientist с преподавателем курса Hard ML Станиславом Гафаровым. Первая часть посвящена основам ML и ML Design, а вторая — Python и работе с данными.

А о том, как справлялись с обучением на курсе другие студенты, лучше всего расскажут их отзывы.

Мы уже больше двух лет создаём курсы с нуля, и за это время записали огромное количество лекций, разборов домашних заданий, интервью и подкастов. За это время мы выработали собственный подход и даже собрали свою студию.

Выходим за рамки статей по Data Science и разработке и рассказываем, как нам удаётся организовать съёмки контента в самых разных местах.

Мы любим рассказывать о деятельности наших преподавателей не только в рамках нашей школы, но и за её пределами.

Сегодня хотим поделиться выступлением Александра Волынского, преподавателя блока «Облачное хранилище» на курсе «Инженер данных». На VK Cloud Conf он рассказал, с какими серьёзными изменениями в 2022 году столкнулась сфера Big Data.

● Как меняется инфраструктура?
● С какими сложностями сталкивается бизнес при подборе людей?
● В чём заключается роль Data Product менеджера?

Ответы на эти вопросы и не только — в записи. Рекомендуем к просмотру!

Что делать опытному ML-инженеру, который хочет развиваться дальше, но не знает, с чего начать? Например, записаться на наш хардкорный курс по Machine Learning, где студенты решают нестандартные и сложные задачи и учатся создавать собственные ML-сервисы.

Курс Hard ML разработан топовыми специалистами из Blockchain.com, Яндекс, AliExpress и X5 Retail Group. Учёба точно не будет простой, но это того стоит!

Попробовать свои силы