Какие задачи решает DL-инженер?

Привет! На связи Евгения Анкудинова, дата-сайентист в Avito и преподаватель курса «DL-инженер» 👋🏻

Вы могли слышать, что Deep Learning — это одно из направлений внутри Machine Learning. Часто может быть непонятно, чем же тогда отличаются друг от друга задачи, которые решают ML и DL-инженеры. Попробуем ответить на этот вопрос на примере стандартной задачи классификации.

DL-инженеры точно так же сталкиваются с этим типом задач. Однако детали реализации сильно зависят от того, какой тип данных необходимо классифицировать.

Допустим, вы хотите сделать маршрутизатор запросов в техническую поддержку: автоматически распределять вопросы пользователей по нужным сотрудникам. Запросы скорее всего приходят в виде текста — тогда вам подойдут NLP-модели, например, трансформеры.

😐 Хорошо, если у компании уже собрано достаточное количество данных (десятки тысяч), на которых вы можете обучить модель. Но что делать, если данных просто десятки? Тогда можно рассмотреть LLM и технику few-shot, которая позволит работать с тем набором данных, который вам доступен.

😐 Следующий шаг: LLM работают медленно. Вам может потребоваться оптимизация модели. Или можно сделать ход конём и сгенерировать данные для обучения при помощи LLM. Но как обучиться на этих ненастоящих данных так, чтобы на реальных модель работала хорошо?

Все эти вопросы и дилеммы составляют рутину решения задачи DL-инженером. Фактически ваш рабочий день состоит из разумного применения всей информации, которой вы обладаете, чтобы качественно выполнить поставленную вам задачу. И чтобы каждый пользователь всё-таки получил ответ на свой вопрос от технической поддержки 🙂

Благодаря нашему курсу «DL-инженер» вы узнаете, как подбирать архитектуру модели под вашу конкретную задачу, познакомитесь с основами оптимизации моделей и узнаете про различные подходы к решению классических и не только задач.

🔸 Записаться на курс: simulative.ru/dl-engineer

📊 Simulative

Привет! Команда Simulative на связи 👋🏻

Рады представить вам нового ментора курсов «Аналитик данных» и «BI-аналитик» — это Евгений Буторин, руководитель отдела CRM-аналитики развития клиентской базы в Альфа Банке!

Несколько фактов о Евгении:

➡️ Более 5 лет в аналитике: прошёл путь от младшего аналитика до начальника отдела аналитики.

➡️ Выстраивал полный цикл взаимодействия с клиентом: от формирования реестра высокосклонных клиентов до построения аналитической воронки.

➡️ Принимал участие в интеграции BI-систем и BI отчётности — от создания витрин до построения дашбордов.

➡️ Развивал A/B-тестирование: вместе с командой разработал и внедрил стратификатор для выделения контрольных групп, эквивалентных целевой. Занимался интерпретацией результатов A/B-тестов.

➡️ Выступал заказчиком (описывал требования) для мониторинга качества данных.

➡️ Создаёт и развивает команду — от найма и онбординга до code review и взаимодействия с заказчиками.

Кроме того, Евгений — автор статей по аналитике в блоге Simulative.

❗️ Ментор — это тот, кто будет рядом на всём пути: проведёт установочную встречу, поможет на регулярных Q&A-сессиях, поделится реальным опытом и поддержит вашу мотивацию до результата.

🧡 Если хотите учиться у практиков, присоединяйтесь! Ближайший поток стартует 27 февраля: simulative.ru/data-analyst

📊 Simulative

♾ Задайте вопрос HR

На вебинаре-«прожарке» резюме мы объявили, что ответим на ваши вопросы на Q&A-сессии в соцсетях. И вот она, обещанная форма!

Напомним эксперта, который проведёт Q&A: это Наталья Рожкова, HR и карьерный консультант в Simulative. Ежедневно она помогает студентам с оформлением резюме и сопроводительных писем, а также сопровождает при трудоустройстве.

Если у вас есть вопросы по поиску работы и отдельным этапам скрининга, присылайте их в форму. 26 февраля Наталья выберет самые интересные и разберёт их здесь, в канале @simulative_official.

➡️ Можем разобрать также вашу индивидуальную ситуацию, но не забудьте приложить ссылки на резюме и портфолио.

➡️ Задать вопрос

📊 Simulative

От эпидемиолога к руководителю отдела аналитики

Всем привет! Я Евгений Буторин, ментор курса «Аналитик данных», сейчас я руковожу отделом CRM-аналитики развития клиентской базы в Альфа-Банке. Но начинал совсем не с IT и не с данных.

👨‍⚕️ Я закончил медицинский университет по специальности «врач-эпидемиолог». Врачом я проработал недолго и ушёл в фармацевтическую компанию. Там меня часто привлекали к анализу продаж, созданию таблиц и графиков. Именно в эти моменты я понял, что люблю цифры, паттерны и когда данные помогают принимать решения.

Однажды я был на конференции и услышал фразу: «Данные — это новая нефть». Именно эта фраза перевернула мою жизнь. Я решил попробовать себя в аналитике.

Я начал слушать подкасты и смотреть видео, чтобы понять, какие виды аналитиков бывают и какие навыки нужны чтобы найти первую работу.

Узнав, что нужно, я купил курс по SQL и Python. Языки давались мне тяжело, но не потому что они сложные, а потому что я не понимал, что они могут дать. В итоге я закончил курсы, получив базовые знания. Но у меня так и не появилось понимания, кто такой аналитик и чем придётся заниматься на работе.

Несмотря на это, я начал поиск работы. Сейчас, оглядываясь назад, мне кажется, что я откликнулся на более 100 вакансий, но перезвонили мне всего 10 раз. Были моменты, когда я был уже готов опустить руки, но к счастью, не сдался. В итоге я устроился работать аналитиком в международную компанию. Именно там, на практике, я получил качественный скачок роста. Я заново изучал SQL и Python, но уже не бездумно, а осознанно.

Я проходил курсы по дороге на работу и с работы, смотрел видео по вечерам, работал по выходным, и это давало мне возможность быстро прогрессировать. И это стремление — стремление изучать новое — остаётся со мной до сих пор.

💪🏻 Сейчас я руковожу отделом из 10 человек. Для своей команды я не только лид, но и бадди, наставник, ментор. SQL — наш основной инструмент, но это не значит, что мы не учим новые инструменты. Аналитик должен развиваться и обучаться всегда.

Я работал в разных компаниях и моими коллегами (аналитиками) были бухгалтера, физики-ядерщики, кораблестроители.

🧡 Запомните, ваш бэкграунд — это не минус, а ваше преимущество. Умение работать с данными, понимать причинно-следственные связи, считать риски — это то, что в аналитике очень ценят. Не бойтесь, что «я не программист с детства». Многие переходят из других сфер и становятся топовыми аналитиками.

С чего начинали вы? Кем сейчас работаете, и что сейчас вас тормозит? Пишите в комментариях — разберём!

📊 Simulative

5 SQL‑ошибок и фишек, о которых редко говорят

Привет, будущие аналитики! С вами Евгений Буторин, ментор курса «Аналитик данных» и человек, который видел и писал слишком много странных SQL‑запросов, чтобы молчать об этом 😁

Сегодня разберём несколько типичных ошибок и недооценённых приёмов, которые встречаются даже у опытных аналитиков.

1️⃣ COUNT(*) vs COUNT(col)

Многие уверены, что COUNT(*), COUNT(1) и COUNT(имя_столбца) — одно и то же. Но это не так.

Предположим, что у нас есть таблица с пользователями, где указаны их имейлы. Если вы напишете:

SELECT COUNT(email) FROM users

то получите количество заполненных имейлов. То есть если у пользователя email равен NULL, он не попадёт в подсчёт. А вот:

SELECT COUNT(*) FROM users

Или

SELECT COUNT(1) FROM users

посчитают все строки.

Используйте COUNT(имя_столбца), только если вам действительно нужно считать непустые значения, а не строки.

2️⃣ Лишние поля в GROUP BY

Например, у вас есть таблица с транзакциями клиентов, в которой есть ID клиента, ID транзакции и её размер. Вам нужно считать общее количество транзакций на клиента.

Новички часто не понимают, как работает GROUP BY и какие поля в нём указывать, поэтому часто можно встретить такое:

SELECT client_id, sum(amount) as sum_amount
FROM transactions
GROUP BY client_id, transact_id

Данный скрипт отработает, но вместо одного client_id у вас будет 10 строк (зависит от количества транзакций у клиента). Для того чтобы написать правильно, нужно указывать только те поля, которые есть в SELECT:

SELECT client_id, sum(amount) as sum_amount
FROM transactions
GROUP BY client_id

3️⃣ Неверные поля в GROUP BY

Ещё одной частой ошибкой при использовании GROUP BY является использование поля вместо условия. Например:

SELECT client_id, case when start_date >= date’2026-01-01’ then 1 else 0 end as new_client_flag, sum(amount) as sum_amount
FROM transactions
GROUP BY client_id, start_date

Этот скрипт отработает, но сгруппирует неверно. Чтобы правильно сгруппировать строки, нужно использовать всё условие:

SELECT client_id, case when start_date >= date’2026-01-01’ then 1 else 0 end as new_client_flag, sum(amount) as sum_amount
FROM transactions
GROUP BY client_id, case when start_date >= date’2026-01-01’ then 1 else 0 end

4️⃣ LIKE без %

На работе нам часто приходится искать данные в текстовых полях. Например, мы отправляем SMS клиентам, но предварительно тестируем их. Заказчик просит нас собрать воронку. Поэтому нам нужно исключить тестовые записи.

Если мы напишем:

WHERE name NOT LIKE ‘test’

То получим только строгое соответствие, и как следствие, завышенный верх воронки. Поэтому для полноценного поиска нам нужно указывать:

WHERE name NOT LIKE ‘%test%’

Процент, поставленный до и после искомого слова, позволяет выбрать данные с любым количеством символов до и после.

5️⃣ DISTINCT не лечит дубли

Очень частая ошибка: «У меня дубли, добавлю DISTINCT и всё». Но DISTINCT — это не всегда решение. Важно понимать причину дублей и использовать соответствующий метод дедупликации.

Например:

SELECT DISTINCT u.client_id, t.amount
FROM clients u
LEFT JOIN transactions t ON u.client_id = t.client_id

Если у пользователя 10 транзакций, вы получите 10 строк. DISTINCT оставит 10 строк, потому что amount разный.

Правильный подход — агрегировать, суммируя amount:

SELECT u.client_id, SUM(t.amount) AS total_amount
FROM clients u
LEFT JOIN transactions t ON u.client_id = t.client_id
GROUP BY u.client_id

А какие ошибки вы совершали в начале своего пути? Делитесь, будем учиться вместе!

📊 Simulative

Заменит ли ИИ аналитика?

Привет! На связи Марина Ермак, автор курса по ИИ для анализа данных 🚀

Коротко отвечаю на главный вопрос современности: заменит ли человека искусственный интеллект 👇🏻

А более подробно обсудила это на двух подкастах:

🎙 Здесь поговорили про то, как работает ИИ и в частности LLM: https://t.me/it_sense/865
🎙 А второй выпуск — через призму, заменит ли ИИ рекрутера: https://t.me/it_sense/918

📊 Simulative

Q&A-сессия с Натальей Рожковой началась!

Спасибо всем, кто прислал вопросы в форму — их оказалось так много, что мы даже не ожидали такого ажиотажа 😁

Постарались отобрать самые интересные вопросы, в том числе разбор ваших резюме. Оставайтесь на связи и включайте уведомления, чтобы не пропустить ответ на свой вопрос!

📊 Simulative