Следующая анонимная история успеха про путь из инженера после Бауманки в дата сайентиста.
История 2. Data Science
Рассказываю свою историю. Где-то с конца последнего курса магистратуры (учился в Бауманке на инженера) я понял, что по специальности работать не совсем нравится, перспектив особо нет, да и не слишком интересно.
Начал потихоньку изучать Питон (предварительно попробовал залететь на курс Анализ данных и машинное обучение МФТИ/Яндекс на Курсере - было ни черта непонятно), начинал с базовых курсов на Степике (по сути только степик + 2 курса из специализации на Курсере), потом понемножку курс по ML, матстат, тервер.
Через полгода начал искать стажировку, сгонял на собеседование, было довольно унизительно и стыдно, честно говоря))
После этого понял, что сильно не хватает хардов и понимания теории, начал проходить курс от DLS по глубокому обучению, читать Вандер Пласа. Также потихоньку изучал SQL, гит и всякие вспомогательные штуки. Из-за работы и постоянной занятости пришлось ещё год работать по специальности, тк на учебу оставалось мало сил и времени.
Суммарно после 15 месяцев довольно неспешного самообучения и серии неудачных собесов, мне удалось пройти на этап бизнес-игры от Озон Кэмп. По сути было три этапа:
1-скрининг резюме
2-онлайн тестирование
3-бизнес игра
К моему удивлению, на бизнес игре разделили на команды ребят с абсолютно разным бэкграундом (у меня в команде был маркетолог, логист, аналитики и тд, абсолютно разношерстно), то есть по сути никаких хард скилов не смотрели (для меня был шок). Кстати, в следующих этапах отбора в Озон Кэмп это вроде пофиксили, дают какие-то тестовые.
В итоге мне пришел оффер на аналитика в производство. Я простажировался там 5 месяцев, понял, что это ни разу не то, чего я ожидал и чем хочу заниматься, никаким написанием кода там не занимаются, несмотря на то, что мне удавалось урвать интересные для себя задачки, основной рабочий инструмент у местных ребят - эксель.
Когда я понял, что в дальнейшем ничего не изменится и код мой ревьюить тут никто не будет(как-то дали задачу написать гайд по установке анаконды и запуску моего скрипта), я запросил ротацию в другой отдел.
Как-то мне очень повезло и буквально через 2-3 недели меня позвали на собес в айтишный отдел на должность стажера ДСера.
Сам собес был не очень сложный, но как я понимаю, из-за большой конкуренции на такие позиции, мне повезло, что я уже почти полгода проработал в компании, и это пошло в плюс. В итоге сейчас уже месяц как работаю в новом отделе, правда сейчас больше занимаемся разработкой, чем ДС, но это все равно очень классно бустит в плане хардов.
Вот как-то так.
#история_успеха #data_science #python
История 2. Data Science
Рассказываю свою историю. Где-то с конца последнего курса магистратуры (учился в Бауманке на инженера) я понял, что по специальности работать не совсем нравится, перспектив особо нет, да и не слишком интересно.
Начал потихоньку изучать Питон (предварительно попробовал залететь на курс Анализ данных и машинное обучение МФТИ/Яндекс на Курсере - было ни черта непонятно), начинал с базовых курсов на Степике (по сути только степик + 2 курса из специализации на Курсере), потом понемножку курс по ML, матстат, тервер.
Через полгода начал искать стажировку, сгонял на собеседование, было довольно унизительно и стыдно, честно говоря))
После этого понял, что сильно не хватает хардов и понимания теории, начал проходить курс от DLS по глубокому обучению, читать Вандер Пласа. Также потихоньку изучал SQL, гит и всякие вспомогательные штуки. Из-за работы и постоянной занятости пришлось ещё год работать по специальности, тк на учебу оставалось мало сил и времени.
Суммарно после 15 месяцев довольно неспешного самообучения и серии неудачных собесов, мне удалось пройти на этап бизнес-игры от Озон Кэмп. По сути было три этапа:
1-скрининг резюме
2-онлайн тестирование
3-бизнес игра
К моему удивлению, на бизнес игре разделили на команды ребят с абсолютно разным бэкграундом (у меня в команде был маркетолог, логист, аналитики и тд, абсолютно разношерстно), то есть по сути никаких хард скилов не смотрели (для меня был шок). Кстати, в следующих этапах отбора в Озон Кэмп это вроде пофиксили, дают какие-то тестовые.
В итоге мне пришел оффер на аналитика в производство. Я простажировался там 5 месяцев, понял, что это ни разу не то, чего я ожидал и чем хочу заниматься, никаким написанием кода там не занимаются, несмотря на то, что мне удавалось урвать интересные для себя задачки, основной рабочий инструмент у местных ребят - эксель.
Когда я понял, что в дальнейшем ничего не изменится и код мой ревьюить тут никто не будет(как-то дали задачу написать гайд по установке анаконды и запуску моего скрипта), я запросил ротацию в другой отдел.
Как-то мне очень повезло и буквально через 2-3 недели меня позвали на собес в айтишный отдел на должность стажера ДСера.
Сам собес был не очень сложный, но как я понимаю, из-за большой конкуренции на такие позиции, мне повезло, что я уже почти полгода проработал в компании, и это пошло в плюс. В итоге сейчас уже месяц как работаю в новом отделе, правда сейчас больше занимаемся разработкой, чем ДС, но это все равно очень классно бустит в плане хардов.
Вот как-то так.
#история_успеха #data_science #python
Еще одна история, призванная вас мотивировать. Кто-то нас может упрекнуть в рекламе ШИФТа, но мы не специально.
История 3. Data science
Я по образованию инженер по автоматизации. Проработал на электромонтаже около 10 лет, но когда по всему миру ударил Ковид и единственное место работы у меня осталось место электрика в ЖЭКе, пришло осознание, что все, приехали, это тупик…
Начал я совершенно с нуля в сентябре прошлого года. Мне было 37 и я как раз закончил эпопею с IELTS (Это уже другая история). Наткнулся я на Stepik и заверте…
На степике наверное все бесплатные курсы по питону прошёл. Сначала было интересно, но когда обучение превратилось в набивание баллов, зарегался на codewars и начал решать задачки уже там. Параллельно подвернулся Персональный цифровой сертификат 2020 на обучение, который использовал для получения сертификат по питону от выштеха. Кстати именно там я впервые узнал про Тимофея Хирьянова. Гениальный лектор, по моему)))
И вот, когда на codewars достигнут ранг 2qyu (или 1qyu) и опять все превратилось в набивание ранга - пришлось идти дальше.
Январь 2021. Снова Степик и теперь уже пошли курсы по ML и мат.стату от Толи Карпова, курсы по нейросетям. Ну и знакомство с кагглом и “Hello, Titanic”, естессно. А. Ещё пара курсов по SQL была зачем то пройдена. Как оказалось не зря.
Потом Deep Learning School был, одновременно базовый и продвинутый потоки, и хакатон цифрового прорыва, за что отдельное спасибо Денису и Дарье.
Летняя попытка пройти на стажировку НЛМК + МФТИ не увенчалась успехом, увы. Тестовое задание по алгоритмам пройдено, но собес…. Фидбэка я так и не получил.
Уже осенью удалось попасть на обучение в ШИФТ от ЦФТ новосибирского. На отборочных было 64 человека. Отобралось 20 или 21.
И далее началось 2 месяца интенсива. Классический ML, NLP, CV. 3 раза в неделю лекция+практическое задание + домашка. В начале был хардкор.
В конце было уже человек 8-10.
Ну и после всех занятий - собеседование с руководителями отделов. Удобство оказалось в том, что на собесе общаешься с людьми, которые знают, кто на что способен в плане написания кода, но тем не менее перечень вопросов в общем-то стандартный. Матстат, теорвер, понимание ML, нейросетей.
Вообще, я немного в шоке. Неожиданно. Мне 38 и я джун)))
Я упомянул про 64 человека на отборе… В лидерборде по аплифту я был 61. Я задал вопрос на собесе, как я вообще попал сюда.
Небольшое отступление про тестовое задание этого года.
На каггле есть соревнование от X5 Retail Group по аплифту…
тестовое состояло из двух частей.
10 вопросов типа: Правда ли что аплифт в группе людей старше 55 выше чем в группе людей моложе 55, если да, то сколько
И 2 часть собственно само соревнование.
Причем баллы за 1 и 2 часть были равнозначны.
Короче, если вкратце, то они отсекали тех, кто точно проходит на обучение, отсекали тех, кто точно не проходит. Серединку уже просматривали, кто какую работу провёл. А так как предсказание по аплифту было не единственным, что оценивалось, то я попал в середину. И, видимо сыграло роль что я фич нагенерил и аккуратненько все это функциями оформил. И дополнил это все решением 1 части задания.
#история_успеха #data_science #python
История 3. Data science
Я по образованию инженер по автоматизации. Проработал на электромонтаже около 10 лет, но когда по всему миру ударил Ковид и единственное место работы у меня осталось место электрика в ЖЭКе, пришло осознание, что все, приехали, это тупик…
Начал я совершенно с нуля в сентябре прошлого года. Мне было 37 и я как раз закончил эпопею с IELTS (Это уже другая история). Наткнулся я на Stepik и заверте…
На степике наверное все бесплатные курсы по питону прошёл. Сначала было интересно, но когда обучение превратилось в набивание баллов, зарегался на codewars и начал решать задачки уже там. Параллельно подвернулся Персональный цифровой сертификат 2020 на обучение, который использовал для получения сертификат по питону от выштеха. Кстати именно там я впервые узнал про Тимофея Хирьянова. Гениальный лектор, по моему)))
И вот, когда на codewars достигнут ранг 2qyu (или 1qyu) и опять все превратилось в набивание ранга - пришлось идти дальше.
Январь 2021. Снова Степик и теперь уже пошли курсы по ML и мат.стату от Толи Карпова, курсы по нейросетям. Ну и знакомство с кагглом и “Hello, Titanic”, естессно. А. Ещё пара курсов по SQL была зачем то пройдена. Как оказалось не зря.
Потом Deep Learning School был, одновременно базовый и продвинутый потоки, и хакатон цифрового прорыва, за что отдельное спасибо Денису и Дарье.
Летняя попытка пройти на стажировку НЛМК + МФТИ не увенчалась успехом, увы. Тестовое задание по алгоритмам пройдено, но собес…. Фидбэка я так и не получил.
Уже осенью удалось попасть на обучение в ШИФТ от ЦФТ новосибирского. На отборочных было 64 человека. Отобралось 20 или 21.
И далее началось 2 месяца интенсива. Классический ML, NLP, CV. 3 раза в неделю лекция+практическое задание + домашка. В начале был хардкор.
В конце было уже человек 8-10.
Ну и после всех занятий - собеседование с руководителями отделов. Удобство оказалось в том, что на собесе общаешься с людьми, которые знают, кто на что способен в плане написания кода, но тем не менее перечень вопросов в общем-то стандартный. Матстат, теорвер, понимание ML, нейросетей.
Вообще, я немного в шоке. Неожиданно. Мне 38 и я джун)))
Я упомянул про 64 человека на отборе… В лидерборде по аплифту я был 61. Я задал вопрос на собесе, как я вообще попал сюда.
Небольшое отступление про тестовое задание этого года.
На каггле есть соревнование от X5 Retail Group по аплифту…
тестовое состояло из двух частей.
10 вопросов типа: Правда ли что аплифт в группе людей старше 55 выше чем в группе людей моложе 55, если да, то сколько
И 2 часть собственно само соревнование.
Причем баллы за 1 и 2 часть были равнозначны.
Короче, если вкратце, то они отсекали тех, кто точно проходит на обучение, отсекали тех, кто точно не проходит. Серединку уже просматривали, кто какую работу провёл. А так как предсказание по аплифту было не единственным, что оценивалось, то я попал в середину. И, видимо сыграло роль что я фич нагенерил и аккуратненько все это функциями оформил. И дополнил это все решением 1 части задания.
#история_успеха #data_science #python
Итак, наверное, это последняя анонимная история трудоустройства от участника нашей группы. Я напоминаю, что всего участники добились сами, особой помощи группа не предоставляла, мы просто делимся их историями, чтобы мотивировать вас на свершения.
История 4. Data science.
Всем привет. Тоже недавно получил оффер в сбер на позицию аналитик данных/ds. Если кратко, то в этом году закончил нефтегазовый вуз, но на моменте выбора темы диплома, понял, что мне не особо нравится данная отрасль, поэтому задумался о смене сферы деятельности. Питон знал чуть-чуть еще год назад, но все равно пришлось его вспоминать. Параллельно с этим изучал, что еще можно делать с помощью питона, кроме разработки, так и наткнулся на дс. Начал вспоминать вышмат, какие-то разделы более менее помнил, но вот статистику вообще плохо знал, еще sql, видосы различные, немного задачек на leetcode и тд, всего по чуть-чуть))). Вообще по итогу могу сказать, что на джун позицию крайне важно грамотно составить резюме и софт скиллы ( не является абсолютной истиной) . Прошел около 12 собесов, было много отказов, часто просто из-за волнения жестко тупил))) И как-то решил оставить отклик на вакансию в сбер и залетел. После январских выхожу на работу, щас прохожу скрининг службы безопасности.
Техническое интервью было довольно простое, стандартные задачки по sql ( агрегация, жоины), по python сделать сортировку списка по возрастанию без помощи спец функций. И задачка по мл, было дано два алгоритма по лесам и нужно было выбрать лучший из них. Нужно было смотреть на энтропию и по ней определять точность. Я не знал, что такое энтропия в мл, но имел представление о ней из физики. Что это мера хаотичности системы и чисто логически заключил, что лучший алгоритм будет тот, у которого энтропия меньше. А ну еще спрашивали по теории ml, методы валидации алгоритмов классификации.
#история_успеха #data_science #python
История 4. Data science.
Всем привет. Тоже недавно получил оффер в сбер на позицию аналитик данных/ds. Если кратко, то в этом году закончил нефтегазовый вуз, но на моменте выбора темы диплома, понял, что мне не особо нравится данная отрасль, поэтому задумался о смене сферы деятельности. Питон знал чуть-чуть еще год назад, но все равно пришлось его вспоминать. Параллельно с этим изучал, что еще можно делать с помощью питона, кроме разработки, так и наткнулся на дс. Начал вспоминать вышмат, какие-то разделы более менее помнил, но вот статистику вообще плохо знал, еще sql, видосы различные, немного задачек на leetcode и тд, всего по чуть-чуть))). Вообще по итогу могу сказать, что на джун позицию крайне важно грамотно составить резюме и софт скиллы ( не является абсолютной истиной) . Прошел около 12 собесов, было много отказов, часто просто из-за волнения жестко тупил))) И как-то решил оставить отклик на вакансию в сбер и залетел. После январских выхожу на работу, щас прохожу скрининг службы безопасности.
Техническое интервью было довольно простое, стандартные задачки по sql ( агрегация, жоины), по python сделать сортировку списка по возрастанию без помощи спец функций. И задачка по мл, было дано два алгоритма по лесам и нужно было выбрать лучший из них. Нужно было смотреть на энтропию и по ней определять точность. Я не знал, что такое энтропия в мл, но имел представление о ней из физики. Что это мера хаотичности системы и чисто логически заключил, что лучший алгоритм будет тот, у которого энтропия меньше. А ну еще спрашивали по теории ml, методы валидации алгоритмов классификации.
#история_успеха #data_science #python
👍1