28 октября 2022
VI конференция СберУниверситета
про тренды в образовании
Конференция СберУниверситета для тех, кто вовлечен в обучение в роли преподавателя и слушателя
Топ-менеджмент Сбера, CEO крупных компаний и корпоративных университетов, руководители и преподаватели ведущих бизнес-школ и вузов, а также EdTech-специалисты.
Кому полезно
Руководителям компаний, HR-директорам, L&D-специалистам, ректорам и представителям вузов, корпоративных университетов и бизнес-школ, экспертам в сфере образования и профессионалам EdTech-сообщества.
Участвовать
VI конференция СберУниверситета
про тренды в образовании
Конференция СберУниверситета для тех, кто вовлечен в обучение в роли преподавателя и слушателя
Топ-менеджмент Сбера, CEO крупных компаний и корпоративных университетов, руководители и преподаватели ведущих бизнес-школ и вузов, а также EdTech-специалисты.
Кому полезно
Руководителям компаний, HR-директорам, L&D-специалистам, ректорам и представителям вузов, корпоративных университетов и бизнес-школ, экспертам в сфере образования и профессионалам EdTech-сообщества.
Участвовать
Работа на российскую компанию из-за рубежа: нюансы и риски
https://t.me/foranalysts/4882
https://vc.ru/hr/525349-rabota-na-rossiyskuyu-kompaniyu-iz-za-rubezha-nyuansy-i-riski
https://t.me/dataengineering_chat_ru/55993
#remote #jobs #удалёнка
https://t.me/foranalysts/4882
https://vc.ru/hr/525349-rabota-na-rossiyskuyu-kompaniyu-iz-za-rubezha-nyuansy-i-riski
https://t.me/dataengineering_chat_ru/55993
#remote #jobs #удалёнка
Forwarded from Products Events
Telegram
Иван Доронин | Карьера в ИТ
Когда ты устраиваешься в международную компанию, как правило, процесс отбора проходит в 3 этапа. На первом этапе рекрутер тебе задает общие вопросы про твой опыт, мотивацию, зарплату и прочее, а на втором и третьем этапе тебе задают технические и ситуационные…
Forwarded from karpov.courses
Как тренировать навыки, закрывать пробелы в знаниях и готовиться к техническим собеседованиям? Курсы и видео на YouTube — это хорошо, но не стоит ограничиваться только этими источниками. Мы собрали сайты, где вы можете потренироваться в написании кода на Python и SQL.
Forwarded from karpov.courses
● InterviewBit
Платформа для подготовки к техническим интервью. Внутри — вопросы, которые можно услышать на собеседованиях в такие компании, как Google, Facebook и Amazon. В зависимости от вашего уровня и целей сервис составит оптимальный план подготовки и подберёт наиболее подходящие задачи.
● StrataScratch
Сервис, созданный специально для тренировки навыков, востребованных в сфере Data Science. Здесь можно целенаправленно готовиться к собеседованиям либо просто прорабатывать слабые места — на сайте есть более тысячи реальных вопросов с интервью в BigTech компании.
● CodeWars
На Codewars можно практиковаться в написании кода на более чем 55 языках программирования. Задачи будут подобраны под ваш грейд, и по мере выполнения он будет повышаться. Также после отправки ответа у вас будет возможность посмотреть решения других пользователей.
● CodeChef
Особенность CodeChef заключается в том, что помимо решения задач пользователи могут участвовать в ежемесячных соревнованиях, продвигаться в таблице рейтинга и даже получать призы! Соревновательный дух может стать сильной мотивацией :)
● Py.Checkio
Py.Checkio — необычный сервис, где можно учиться писать код на Python в игровом формате. По мере выполнения заданий вы будете открывать новые локации и переходить к более сложным задачам.
● LeetCode
Идеальная платформа для тех, кто только начинает свой путь в IT. LeetCode позволяет решать задачи разных уровней сложности, отслеживать прогресс готовиться к техническим интервью и изучать решения опытных программистов. По праву считается одним из самых популярных тренажёров для развития профессиональных навыков.
Платформа для подготовки к техническим интервью. Внутри — вопросы, которые можно услышать на собеседованиях в такие компании, как Google, Facebook и Amazon. В зависимости от вашего уровня и целей сервис составит оптимальный план подготовки и подберёт наиболее подходящие задачи.
● StrataScratch
Сервис, созданный специально для тренировки навыков, востребованных в сфере Data Science. Здесь можно целенаправленно готовиться к собеседованиям либо просто прорабатывать слабые места — на сайте есть более тысячи реальных вопросов с интервью в BigTech компании.
● CodeWars
На Codewars можно практиковаться в написании кода на более чем 55 языках программирования. Задачи будут подобраны под ваш грейд, и по мере выполнения он будет повышаться. Также после отправки ответа у вас будет возможность посмотреть решения других пользователей.
● CodeChef
Особенность CodeChef заключается в том, что помимо решения задач пользователи могут участвовать в ежемесячных соревнованиях, продвигаться в таблице рейтинга и даже получать призы! Соревновательный дух может стать сильной мотивацией :)
● Py.Checkio
Py.Checkio — необычный сервис, где можно учиться писать код на Python в игровом формате. По мере выполнения заданий вы будете открывать новые локации и переходить к более сложным задачам.
● LeetCode
Идеальная платформа для тех, кто только начинает свой путь в IT. LeetCode позволяет решать задачи разных уровней сложности, отслеживать прогресс готовиться к техническим интервью и изучать решения опытных программистов. По праву считается одним из самых популярных тренажёров для развития профессиональных навыков.
🔥2
Forwarded from Курсы Data Science
🚀 До 5 ноября объявлян дополнительный отбор в команду ЦМФ для реализации образовательных и исследовательских проектов команды ЦМФ
https://vk.com/cmf_russia
https://vk.com/cmf_russia
Forwarded from Python Job | Вакансии | Стажировки
Уже завтра, 2 ноября в 19:00 по МСК будет вебинар от наших партнеров из CodeReview, посвященном составлению резюме.
Ставьте напоминалку и присоединяйтесь к трансляции.
Место встречи: тг-канал IT Jobs | Вакансии в IT
И кстати, мы дарим вам промокод: ITJOBS (скидка 10%) на все продукты CodeReview!
Ставьте напоминалку и присоединяйтесь к трансляции.
Место встречи: тг-канал IT Jobs | Вакансии в IT
И кстати, мы дарим вам промокод: ITJOBS (скидка 10%) на все продукты CodeReview!
Forwarded from Курсы Data Science
Амазон сделал бесплатными курсы по AWS:https://www.amazon.com/s?i=courses&rh=p_27%3AAWS+Training+%26+Certification
Forwarded from Events | DevKG
Neobis : Эфир Саниры: Как я проходила техническое интервью в Google/Meta.
Локация: Онлайн
Дата: 11 ноября 2022 в 19:00
Тэги: #neobis
Подробности тут:
https://devkg.com/tg/e-735
Чат и другие каналы: @devkg
Локация: Онлайн
Дата: 11 ноября 2022 в 19:00
Тэги: #neobis
Подробности тут:
https://devkg.com/tg/e-735
Чат и другие каналы: @devkg
Forwarded from Инжиниринг Данных (Roman Ponomarev)
Всем привет!
2022-11-10 (четверг) вебинар в 21:00 по мск
Тема: Как аналитику составить огненное 🔥 резюме и попасть в зарубежную компанию?
Ссылка на вебинар: https://youtu.be/6N7KReARb4s
Как раз актуалочка для вас (так как в чате периодически есть разговоры про работу в том числе и как устроиться в зарубежную компанию)
Рассказывает Крис - ранее тимлид команд аналитики, сейчас - ментор и автор канала Айти психолог.
За 7 лет работы в айти Крис просмотрела около пяти сотен резюме: сначала поработав аналитиком в HR бразильского стартапа, а позже как руководитель в бразильском убере и российском Яндексе.
На вебинаре мы обсудим:
- на чем в CV сделать акцент, подавая заявки за границу
- типичные ошибки или «почему ваше CV скинут в сброс даже не посмотрев»
- что актуально в CV сейчас
Будет полезно аналитикам - в первую очередь, но также и прожектам, продактам, разработчикам и всем, кто подаётся в айти компании за границу.
2022-11-10 (четверг) вебинар в 21:00 по мск
Тема: Как аналитику составить огненное 🔥 резюме и попасть в зарубежную компанию?
Ссылка на вебинар: https://youtu.be/6N7KReARb4s
Как раз актуалочка для вас (так как в чате периодически есть разговоры про работу в том числе и как устроиться в зарубежную компанию)
Рассказывает Крис - ранее тимлид команд аналитики, сейчас - ментор и автор канала Айти психолог.
За 7 лет работы в айти Крис просмотрела около пяти сотен резюме: сначала поработав аналитиком в HR бразильского стартапа, а позже как руководитель в бразильском убере и российском Яндексе.
На вебинаре мы обсудим:
- на чем в CV сделать акцент, подавая заявки за границу
- типичные ошибки или «почему ваше CV скинут в сброс даже не посмотрев»
- что актуально в CV сейчас
Будет полезно аналитикам - в первую очередь, но также и прожектам, продактам, разработчикам и всем, кто подаётся в айти компании за границу.
YouTube
Как аналитику составить огненное резюме и попасть в зарубежную компанию?
Рассказывает Крис - ранее тимлид команд аналитики, сейчас - ментор и автор канала Айти психолог: https://t.me/it_psycho
За 7 лет работы в айти Крис просмотрела около пяти сотен резюме: сначала поработав аналитиком в HR бразильского стартапа, а позже как руководитель…
За 7 лет работы в айти Крис просмотрела около пяти сотен резюме: сначала поработав аналитиком в HR бразильского стартапа, а позже как руководитель…
Forwarded from 👨🏼💻Перекладываю 📊 в 🌲🇫🇮
В комментах спросили с чего начать изучение DE с нуля:
1) Найти курсы по DE, посмотреть какие инструменты и технологии указаны там в программе курса. Выписать их себе (инструменты, не курсы) в план на изучение, и искать статьи, видео уроки, курсы по этим инструментам\технологиям.
2) Найти людей, которые работают в этом направлении, и спросить у них, что они чаще всего используют в работе, как вообще выглядят задачи, и что стоит изучить. Выписать тоже в список.
3) Изучать и отрабатывать на практике (искать тестовые задания выложенные в сети, придумать себе пет-проект), на тренажёрах.
Готово, вы великолепны.
Первым шагом — идём на бесплатный курс от Data Learn https://datalearn.ru/ от Дмитрия Аношина https://t.me/rockyourdata (которому лично я очень благодарен за его курс, т.к. я не чистый DE, я всё-таки Data Analyst, в первую очередь (в частности Web Analyst / Marketing Analyst, если говорить про доменную экспертизу). И его курс мне помог освоить дополнительные инструменты, чтобы делать не только DA задачи, но и DE (и потом ещё и офер на работу Data Engineer получить).
Поэтому этот курс, это прям первейшее что надо открыть. И по мере изучения профессии и инструментария — гуглить уже уроки и документацию по каждому отдельному инструменту, изучать их глубже, тренироваться на практике.
Перечень DEшных buzzwords, с чем я сталкивался на практике в работе — python, sql, airflow, dbt, postgresql, clickhouse, google bigquery, tableau, powerbi, google data studio, looker, spark, kafka (было дело пускал руки и в AWS пару раз, но чаще работал с Гугловой экосистемой).
Как можно это всё освоить:
1) Осваиваем SQL — https://stepik.org/course/63054/(бесплатный тренажёр, очень качественный), https://stepik.org/course/90778/ (это более прикладной ПЛАТНЫЙ, но дешёвый, курс, с SQL именно под Data задачи) и отдельно курс по оконным функциям https://stepik.org/course/95367/ (стоит копейки, но стоит того, окошки на собесах часто спрашивают)
2) Осваиваем Питон — я изучал по https://stepik.org/course/67/ и https://stepik.org/course/512/ (оба бесплатные), но, говорят, что https://stepik.org/course/58852/ и https://stepik.org/course/68343/ гораздо лучше по части донесения информации (оба бесплатные) и https://stepik.org/course/82541/ (третья ступень, платная, про неё ничего не слышал)
3) Осваиваем азы Pandas — https://stepik.org/course/74457/ (бесплатно)
4) Осваиваем азы Airflow — https://stepik.org/course/99527/promo#toc (платный)
5) Осваиваем архитектуру и вообще Базы Данных — https://stepik.org/course/551/ (бесплатно) , тут и про архитектуры, и про Нормальные Формы и т.п. https://stepik.org/course/70710/ (бесплатно) — более глубокое погружение в БД и СУБД.
6) Осваиваем Git — полно бесплатных уроков на ютубе, практиковаться можно на своём гитхаб аккаунте.
6) Осваиваем Облака — https://practicum.yandex.ru/ycloud/ (бесплатный курс), я предпочитаю Google Cloud Platform, но для простоты доступности (к Гугл Облаку надо карту привязывать, а с этим щас проблемы могут быть) начать освоение можно с Yandex.Cloud или VK Cloud
7) Осваиваем Spark, Kafka, Hadoop — не могу посоветовать бесплатные курсы, т.к. осваивал их на платных курсах и «в бою» на задачах сразу, гугля «КАК СДЕЛАТЬ ___ в Spark», и с помощью коллег. Но начни с модулей бесплатного Data Learn, а там сориентируешься куда гуглить и как. И, возможно, вот этот курс https://stepik.org/lesson/699607/ (бесплатно) подойдёт для азов и обзорного понимания Спарка
8) Осваиваем dbt — у них свои бесплтаные курсы прям на сайте лежат https://courses.getdbt.com/collections
Когда Data Learn и курсы выше будут пройдены — можно идти к Карпову на https://karpov.courses/dataengineer (за деньги, дорого). И погружаться в более ядрёные штуки под присмотром наставников и кураторов.
1) Найти курсы по DE, посмотреть какие инструменты и технологии указаны там в программе курса. Выписать их себе (инструменты, не курсы) в план на изучение, и искать статьи, видео уроки, курсы по этим инструментам\технологиям.
2) Найти людей, которые работают в этом направлении, и спросить у них, что они чаще всего используют в работе, как вообще выглядят задачи, и что стоит изучить. Выписать тоже в список.
3) Изучать и отрабатывать на практике (искать тестовые задания выложенные в сети, придумать себе пет-проект), на тренажёрах.
Готово, вы великолепны.
Первым шагом — идём на бесплатный курс от Data Learn https://datalearn.ru/ от Дмитрия Аношина https://t.me/rockyourdata (которому лично я очень благодарен за его курс, т.к. я не чистый DE, я всё-таки Data Analyst, в первую очередь (в частности Web Analyst / Marketing Analyst, если говорить про доменную экспертизу). И его курс мне помог освоить дополнительные инструменты, чтобы делать не только DA задачи, но и DE (и потом ещё и офер на работу Data Engineer получить).
Поэтому этот курс, это прям первейшее что надо открыть. И по мере изучения профессии и инструментария — гуглить уже уроки и документацию по каждому отдельному инструменту, изучать их глубже, тренироваться на практике.
Перечень DEшных buzzwords, с чем я сталкивался на практике в работе — python, sql, airflow, dbt, postgresql, clickhouse, google bigquery, tableau, powerbi, google data studio, looker, spark, kafka (было дело пускал руки и в AWS пару раз, но чаще работал с Гугловой экосистемой).
Как можно это всё освоить:
1) Осваиваем SQL — https://stepik.org/course/63054/(бесплатный тренажёр, очень качественный), https://stepik.org/course/90778/ (это более прикладной ПЛАТНЫЙ, но дешёвый, курс, с SQL именно под Data задачи) и отдельно курс по оконным функциям https://stepik.org/course/95367/ (стоит копейки, но стоит того, окошки на собесах часто спрашивают)
2) Осваиваем Питон — я изучал по https://stepik.org/course/67/ и https://stepik.org/course/512/ (оба бесплатные), но, говорят, что https://stepik.org/course/58852/ и https://stepik.org/course/68343/ гораздо лучше по части донесения информации (оба бесплатные) и https://stepik.org/course/82541/ (третья ступень, платная, про неё ничего не слышал)
3) Осваиваем азы Pandas — https://stepik.org/course/74457/ (бесплатно)
4) Осваиваем азы Airflow — https://stepik.org/course/99527/promo#toc (платный)
5) Осваиваем архитектуру и вообще Базы Данных — https://stepik.org/course/551/ (бесплатно) , тут и про архитектуры, и про Нормальные Формы и т.п. https://stepik.org/course/70710/ (бесплатно) — более глубокое погружение в БД и СУБД.
6) Осваиваем Git — полно бесплатных уроков на ютубе, практиковаться можно на своём гитхаб аккаунте.
6) Осваиваем Облака — https://practicum.yandex.ru/ycloud/ (бесплатный курс), я предпочитаю Google Cloud Platform, но для простоты доступности (к Гугл Облаку надо карту привязывать, а с этим щас проблемы могут быть) начать освоение можно с Yandex.Cloud или VK Cloud
7) Осваиваем Spark, Kafka, Hadoop — не могу посоветовать бесплатные курсы, т.к. осваивал их на платных курсах и «в бою» на задачах сразу, гугля «КАК СДЕЛАТЬ ___ в Spark», и с помощью коллег. Но начни с модулей бесплатного Data Learn, а там сориентируешься куда гуглить и как. И, возможно, вот этот курс https://stepik.org/lesson/699607/ (бесплатно) подойдёт для азов и обзорного понимания Спарка
8) Осваиваем dbt — у них свои бесплтаные курсы прям на сайте лежат https://courses.getdbt.com/collections
Когда Data Learn и курсы выше будут пройдены — можно идти к Карпову на https://karpov.courses/dataengineer (за деньги, дорого). И погружаться в более ядрёные штуки под присмотром наставников и кураторов.
datalearn.ru
Курсы Data | курс инженер данных | курс дата аналитика | инжиниринг данных | DataLearn
⭐⭐⭐⭐⭐ Запишись на курс и получи востребованную специальность дата инженера, дата аналитика и BI аналитика - БЕСПЛАТНО. У нас очень большое и дружелюбное сообщество людей, увлеченных data
❤2👍2🔥2
Forwarded from Data Nature 🕊 (Alex Barakov)
О том, как организации мало следят, что именно делают дата аналитики и не оптимизируют их работу, и о том, как таки повысить их эффективность в статье Wayne Eckerson
Из проблем что кажутся реальными:
- Слишком изолированы.. сидят в подвалах бизнес-подразделений с ограниченной связью с другими аналитиками данных и командой корпоративных данных.
- Слишком мало повторного использования.. не делятся своей работой, пайпланами и метриками, следовательно, не используют это повторно другие аналитики
- а также проблемы типа Too much time fixing data, Too dependent on data engineers, Too little support
Далее 5 рекомендаций по улучшениям. Из хорошего - создание data продуктов для ускорения операций дата аналитика и расширения анализа и переиспользования.
"A data product is typically SQL code that has been blessed or certified by an enterprise curator. To turn the asset into a data product, the analyst needs to describe the product in detail (i.e., create the metadata) and submit it for review and certification by a governance review board that inspects the code"
Замечания поверх:
- data products по сути такие полуфабрикаты - те же ноуты/вьюз, причесанные в продукт. Имеют место как стихийное явление комьюнити, но можно и развить как инициативу с каталогом и сертификацией
- Data analyst в этой статье можно заменить на BI Analyst кому эта роль ближе
- Лестница карьерного развития хорошая, хотя неясно почему data scientist здесь является высшей ступенью для развития BI/Data analyst, ведь скорее параллельная ветка
🔗 полная версия статьи
Из проблем что кажутся реальными:
- Слишком изолированы.. сидят в подвалах бизнес-подразделений с ограниченной связью с другими аналитиками данных и командой корпоративных данных.
- Слишком мало повторного использования.. не делятся своей работой, пайпланами и метриками, следовательно, не используют это повторно другие аналитики
- а также проблемы типа Too much time fixing data, Too dependent on data engineers, Too little support
Далее 5 рекомендаций по улучшениям. Из хорошего - создание data продуктов для ускорения операций дата аналитика и расширения анализа и переиспользования.
"A data product is typically SQL code that has been blessed or certified by an enterprise curator. To turn the asset into a data product, the analyst needs to describe the product in detail (i.e., create the metadata) and submit it for review and certification by a governance review board that inspects the code"
Замечания поверх:
- data products по сути такие полуфабрикаты - те же ноуты/вьюз, причесанные в продукт. Имеют место как стихийное явление комьюнити, но можно и развить как инициативу с каталогом и сертификацией
- Data analyst в этой статье можно заменить на BI Analyst кому эта роль ближе
- Лестница карьерного развития хорошая, хотя неясно почему data scientist здесь является высшей ступенью для развития BI/Data analyst, ведь скорее параллельная ветка
🔗 полная версия статьи
Forwarded from Яндекс
Media is too big
VIEW IN TELEGRAM
Начинается наша конференция об образовании и технологиях Yet another Conference on Education
На первых докладах расскажут о проблемах в IT-образовании, выборе профессии и запросах работодателей, которые меняются постоянно. Присоединяйтесь к трансляции по ссылке.
На первых докладах расскажут о проблемах в IT-образовании, выборе профессии и запросах работодателей, которые меняются постоянно. Присоединяйтесь к трансляции по ссылке.
Forwarded from ChernovDev (inviter)
Курс «Инженер облачных сервисов» - бесплатно, со стартовым грантом в 4к рублей (которых должно хватить на весь курс, нужно потратить за 60 дней)
from: @ChernovDev
from: @ChernovDev
Forwarded from Борис опять
Снова про поиск работы.
MANGA/FNAAG компании присылают кандидатам очень подробные гайды о том, как готовиться к их собеседованиям, и большинство из них можно просто посмотреть в интернете. Там и про технические вопросы, и про поведенческие, и про то, как проходить литкод. Гайды полезные для подготовки в целом, даже если не планируете идти в корпорацию монстров. Собрал некоторые в одном посте.
Google:
Общий гайд: https://careers.google.com/interview-tips/
Технический: https://techdevguide.withgoogle.com/paths/interview/?programming_languages=python
Meta:
SWE: https://www.metacareers.com/swe-prep-onsite/
DE: https://www.metacareers.com/DE-prep-onsite/
Microsoft:
Общий гайд: https://careers.microsoft.com/us/en/interviewtips
Amazon:
Общий гайд: https://www.amazon.jobs/en/landing_pages/interviewing-at-amazon
SWE: https://www.amazon.jobs/en/software-development-interview-prep?INTCMPID=OAAJAZ100026B#/
Если бы я готовился искать работу, то прошел бы технический гайд от Google или от Meta, т.к. мне кажется они максимально по делу.
MANGA/FNAAG компании присылают кандидатам очень подробные гайды о том, как готовиться к их собеседованиям, и большинство из них можно просто посмотреть в интернете. Там и про технические вопросы, и про поведенческие, и про то, как проходить литкод. Гайды полезные для подготовки в целом, даже если не планируете идти в корпорацию монстров. Собрал некоторые в одном посте.
Google:
Общий гайд: https://careers.google.com/interview-tips/
Технический: https://techdevguide.withgoogle.com/paths/interview/?programming_languages=python
Meta:
SWE: https://www.metacareers.com/swe-prep-onsite/
DE: https://www.metacareers.com/DE-prep-onsite/
Microsoft:
Общий гайд: https://careers.microsoft.com/us/en/interviewtips
Amazon:
Общий гайд: https://www.amazon.jobs/en/landing_pages/interviewing-at-amazon
SWE: https://www.amazon.jobs/en/software-development-interview-prep?INTCMPID=OAAJAZ100026B#/
Если бы я готовился искать работу, то прошел бы технический гайд от Google или от Meta, т.к. мне кажется они максимально по делу.