VICDS
643 subscribers
30 photos
18 videos
9 files
190 links
Канал о Data Science, ML, AI - книги, курсы, статьи.
Download Telegram
РАБОТА — ЛЮБОВЬ VS БЕГА

Нас с детства спрашивали: Кем мы хотим стать, когда вырастим?
⁉️Нас детьми водили на сотни кружков, что определить наши склонности.

‼️А мы по прежнему ищем себя, меняясь с каждым днём, пытаясь успеть за скоростью света.

☝🏻Мы так же понимает важность любви к своей работе!
Чтобы жизнь проживать, как нам хочется, а не участвовать в ... бегах!

❤️Наверное, секрет состоит в ЛЮБВИ!
В любви к своей РУТИНЕ, к коллегам, к делу, к столу и компьютеру.

👵Мне мой ноутбук подарила Бабушка и с математикой она меня впервые познакомила.

👩🏼‍💻Я Data Scientist( Аналитик данных) - именно эти вещи сейчас определяют меня, хотя когда учила цифры с бабушкой, даже профессии такой не существовало.

🍼Вспомните, что вы любили делать в детстве, оптимизируйте это к современному миру и живите/работайте счастливо!

🤗А вы любите то, чем занимаетесь ?
ВЫСШЕЕ ОБРАЗОВАНИЕ НЕ ГАРАНТИЯ

👩‍🎓Если у вас есть Высшее образование, это совершенно не значит, что вам удастся получить хорошее рабочее место.
Работой больше будут обеспечены те, кто закончил Профессиональное училище и освоил конкретный навык.

😓Нынешняя ситуация на рынке труда и образования является доказательством сказанного выше.

Люди с высшим образованием идут учиться на курсы от онлайн/офлайн школ, чтобы освоить конкретный востребованный навык и ещё на чуть закрепиться на рынке труда. Это такая аналогия ПТУ в современных реалиях.

🚄Скорость развития и роста экономики принуждает нас постоянно обучаться — концепция “life long learning” (обучение на протяжение всей жизни) — наша новая реальность!

Уже не выйдет освоить одну профессию и делать всю жизнь одно и тоже. Рано или поздно тебя заменят, модифицируют или вообще сократят.

Нельзя сказать, что высшее образование совсем потеряло своё преимущество, но точно перестало быть ключевым требованием.

Я думаю, идеальная история сейчас — это получение высшего образования параллельно работе/стажировке/курсам!
Да, не легко, но 💯 вариант 😉

Согласны ?
РАСТУЩАЯ ВОСТРЕБОВАННОСТЬ ПРОФЕССИЙ В DS

Все профессии связанные с работой с данными : Data Analyst, Data Scientist, Data Engineer, ML/DL Researcher и тд., с каждым годом становятся только востребованнее, есть этому море доказательств, исследований рынков ( наших и зарубежных) смотри карусель👉

⁉️Но почему так, что влияет⁉️

Количество данных, которые мы генерируем каждый день, растёт молниеносно.
Современные технологии, наконец-то, позволяют эти данные хранить, обрабатывать и извлекать из них пользу.
Искусственный интеллект - двигатель прогресса и сильное конкурентное преимущество как на внутреннем уровне, так и на мировом, вплоть до конкуренции государств.
Технология развивается — рынок растёт.
Компании, сначала крупные, постепенно все меньше и меньше, стартапы, следуя тенденциям — создают рабочие места, дабы растить свой бизнес.

‼️Зарубежный рынок, который, как правило, на пару шагов впереди нас, подтверждает стабильный рост потребности в специалистах такого профиля‼️

Все это только подтверждает долговременную необходимость, поэтому не надо думать, что вам уже поздно идти учится или менять профессию.

Не будет лучше времени, чем сейчас!

А вы задумываетесь о смене профессии или повышении квалификации?
ИИ НУЖНО ОБУЧИТЬ, ЧТОБЫ ЕГО ПОЛЮБИТЬ

Мы уже и не замечаем, как методы искусственного интеллекта все глубже и глубже проникают в нашу жизнь. Все чаще мы пользуемся его благами и наслаждаемся уровнем удобств в современном мире.

Но так не всегда!
Вспомним неподходящую рекламу, что аж думаем: «Господи, почему Я это вижу».
Яндекс Музыка, подбирает песню: «Я реально подобное слушаю?»
Навигатор ведёт не туда ...и тд.

ИИ это методы машинного обучения, которым необходимо объяснять, что есть хорошо, а что есть плохо! Учить их, как все мы учимся, на примерах!

Поэтому, когда вам показывают неинтересную рекламу, необходимо сообщить об этом и тогда вы будите приятно удивлены, когда будите видеть хорошую рекламу, соответствующую вашим реальным интересам!

ИИ находится в постоянном обучении и новые данные, которые вы генерируете, «скармливаются» алгоритму и позволяют ему улучшить прогноз.

Вы должны понимать, что современный ИИ — это не что-то абстрактное и неуправляемое, а это то, на что вы можете повлиять!

Согласны ?
ВОЗРАСТ НЕ ПОМЕХА

Средний возраст студентов, которые приходят на курсы по Data Science 32 - 34 года!

Не удивляйтесь, этому есть логическое объяснение.

Анализ данных - очень перспективное и высокооплачиваемое направление, поэтому взрослые люди, с опытом работы в различных сферах, приходят чтобы:
⁃ получить новую востребованную профессию;
⁃ переквалифицироваться, так как их профессия изжила себя/ надоела / не приносит необходимый доход;
⁃ освоить современные навыки работы с данными и применять их на текущем месте работы;

Я собеседовала 50-ти летнего студента на курс Data Science! Была и удивлена, и восхищена одновременно!

👨🏽‍🏫Это был преподаватель вуза с огромным опытом работы, который хотел сделать собственный проект по анализу данных.
Он нашёл необходимые ему данные и решил провести исследование и построить прогноз с помощью алгоритмов машинного обучения, но знаний в этом ему не хватало и он пошёл учиться! В 50 то лет!!!

⁉️А меня спрашивают: не поздно ли мне в 30 лет идти учиться?

‼️Запомните!!! Никогда не поздно!!! И если вы не начнёте сейчас, то потом будет только сложнее!
МАТЕМАТИКА ЭТО ХОРОШО, НО БИЗНЕС НИКТО НЕ ОТМЕНЯЛ

В Российском образовании очень сильный упор на теоретическую математику, как следствие, мы имеем хорошую мат. школу!
Но с другой стороны, мы совершенно не понимаем как все эти абстракции перекладывать на жизнь/бизнес и говорим, что высшее образование нам ничего не дает.

‼️Итог: большинство избегает направления, где присутствует математика!

Data Science - именно такая сфера, но где так же очень важно знание области/бизнеса, к которой применяется анализ данных.

Также, считаю ошибкой нынешних курсов по DS, начинать обучение с основ мат. анализа, студенты просто убегают сразу, не поняв, что такое Наука о данных.

Либо, закончив курсы, не понимают как применять знания, как решать проблемы бизнеса, ведь для этого мы все учимся.

Поэтому я уверенна, что люди взрослые, с большим опытом работы в своей сфере, имеют большие шансы на успех в DS, как минимум, в роле эксперта в команде Data scientists, но для этого тоже полезно понимание основ анализа данных и машинного обучения.

А вы уже начали изучать DS?
Кто такой Citizen Datа scientist?

Вряд ли вы встретите такую вакансию на hh.ru, но в компаниях уже много таких людей!

Это специалисты с опытом работы в своём направлении, которым поручается часть рутинной работа Data scientista, либо это люди, которые используют автоматизированные системы построения моделей машинного обучения (Auto ML).

Все что требуется, так это понимание и знание основ ML, бизнеса и soft skills.

низкий порог входа;
компенсация нехватки высококвалифицированных специалистов в DS;
дешевле;
подходит для быстрого тестирования гипотез;

поверхностное понимание происходящего;
больше риск допустить ошибку;
увеличение обязанностей, если не рассматривается вариант повышения;

А вы слышали о такой профессии?

Почитать подробнее:

https://www.dataversity.net/so-you-want-to-be-a-citizen-data-scientist/
КАК ПОНЯТЬ, ЧТО DATA SCIENCE ЭТО ТВОЁ?

Трудно оценить то, чего никогда не пробовал, поэтому:
1. Необходимо разобраться какие специальности есть в данном направлении и что в них требуется уметь делать ( также помним, что Data science “Наука о данных” применима везде, где есть данные);
2. Реально взглянуть на вашу точку А и отнести себя к каждой специальности, где наибольшее число соответствий, с того и можно начать ( важно понимать, хотите ли вы с нуля освоить новую профессию или сделать апгрейд своих навыков/ применить DS в своей деятельности);
3. Выбрать бесплатный курс/вебинар и попробовать пройти / повторить / использовать знания ( после этого этапа, вам уже должно быть примерно понятно «ЧТО ТАКОЕ НАУКА О ДАННЫХ»);

Сделав эти ТРИ шага, вы получите ответы на большинство своих первичных вопросов, что позволит вам самостоятельно принять решение «ваше это или нет», хотя и займёт у вас не мало времени.

Но есть и другие способы:
1️⃣Читать мой блог: большинство постов это ответы на эти и другие вопросы с директа;
2️⃣Записаться ко мне на консультацию: в индивидуальном порядке я помогу вам совершить эти три шага и получить ответы на все вопросы за один час .
Все таки решилась провести вебинар для новичков « Первые шаги в сферу Data Science”

В это воскресенье в 18:00 мск.
Вебинар платный, так как хочу, чтобы пришли, только те, кому действительно нужно!

Ссылка на регистрацию:

https://monecle.com/buy/42307
ЧТО БУДЕТ НА ВЕБИНАРЕ?

Этот вебинар предназначен для новичков, людей которые либо только начали изучать, либо только думают/ слышали о Data Science и хотят узнать подробнее!

После вебинара вы получите ответы на вопросы:
1. Что такое DS, где применимо?
2. Какие специальности есть в этой сфере, в чем отличия?
3. Что необходимо знать/ уметь в каждой из них?
4. Как понять ваше или нет, как примерить профессию на себя?
5. Где можно обучаться, где брать информацию, ответы, поддержку?
6. Как обучаться самостоятельно и в какой последовательности.
7. Что спрашивают на собеседовании на junior позицию?

Также у вас будет возможность задавать свои вопросы и получать развёрнутые ответы!!!

После у вас сформируется полное понимание этой сферы, ее перспектив и какие шансы у вас освоить одну из профессий в этом направлении.



Ссылка регистрации на вебинар:

https://monecle.com/buy/42307