Мое мнение, что идти надо обязательно, предлагают наставничество, если хорошо прошли модуль, поэтому ещё прокачаетесь объясняя/ помогая другим, лучше освоите.

Иначе, не сможете вспомнить через неделю пройденный материал😝

Когда я менторю ребят или отвечаю на вопросы, я однозначно больше понимаю/ узнаю сама.

С вас огонёчки🔥🔥🔥

Сегодня написала узнать «как дела»

Людям, кто был у меня на консультации/менторстве, проходил курс.

Я даже не ожидала услышать такие разные, яркие истории становления специалистами data science, вот некоторые реплики:
⁃ я в начале прохождения исп. срока узнала, что беременна…
⁃ по факту: я полноценный аналитик на реальном проекте для банка;
⁃ у меня случилась интересная должность на работе, что-то между data analytics и программистом
⁃ вообще, многие из команды считают меня лидом
⁃ ну я маленькими шагами учусь
⁃ поняла о чем говорят и что от меня хотят в задачах. Информация уложилась, понимание пришло.
⁃ тяжело
⁃ не знаю, что будет дальше, пока просто стараюсь хоть как-то вывозить
⁃ медленно, но верно все продвигается) Я очень рада, что решилась на это. Счастлива можно сказать)

❓Прониклись?

Реальные истории преодоления трудностей, успехов и провалов, на пути к цели 🎯 работать в сфере Data Science/IT;

Очень рада, что все, с кем удалось пообщаться, продолжают учиться, работать, каждый со своей точки старта продолжает продвигаться вперёд 👏

Никто не говорил, что будет легко и быстро. Но считаю своей заслугой сформированное реальное положение дел и порция мотивации, чтобы развиваться в этой области.

А как у вас дела ❓
🤗пишите в комментариях 👇

Есть удобный сервис chatpdf.com который позволяет анализировать pdf-ки (и без проблем доступен из России). В бесплатной версии можно задавать до 50 вопросов в день, чего обычно вполне хватает. Для остальных промптов и поиска других нейросетей и сервисов есть сайт https://www.aicyclopedia.com/ , на котором постоянно появляются новые сетки

Привет ребят 🌞

Рада вам сообщить, что курс по математике для Data Science стартует совсем скоро: 19.06.

❗️Купить курс можно уже сейчас по ссылке и никак иначе:

https://stepik.org/a/127486

Для вас, самых перых и заинтересованных людей действует промокод на скидку, успейте воспользоваться:

MATHFIRST2023

Подробно с программой курса можно ознакомиться по ссылке. Помимо записаных уроков и заданий к ним, вас ждут онлайн вебинары с разбором заданий и ответами на все вопросы.

Так же вы сможете задавать все вопросы в чате курса или в комментариях на платформе курса, и я с преподаватели будем вам лично отвечать 24/7.

❗️Вы так давно хотели разобраться с этой математикой и не испытывать страх и непонимание!
Так давайте приступим к изучению и познаем какой же интересный интересный мир анализа данных через призму математики!

Так же, кто не в курсе, есть первая часть курса «Python для Data Science».

Он подойдет всем, кто хочет научиться программировать на Python с нуля.

https://stepik.org/course/100567/promo?fbclid=PAAaYpT4JSpEuoqHU2_995lGiTpDfmS6REOFMBUNsa40Ezj-2mrGAxMPnmyAY

КАКАЯ МАТЕМАТИКА НУЖНА ДЛЯ DATA SCIENCE??


1. Линейная алгебра: Матричные операции позволяют эффективно обрабатывать большие объемы данных. Например, с помощью линейной алгебры можно проводить операции с матрицами, решать системы линейных уравнений и применять метод главных компонент для снижения размерности данных.
2. Статистика: Математическая статистика позволяет извлекать информацию из данных и делать выводы на основе вероятностных моделей. Она используется для оценки параметров, проверки гипотез, построения доверительных интервалов и проведения регрессионного анализа.
3. Теория вероятностей: Эта область математики помогает моделировать случайные процессы и оценивать их вероятности. В анализе данных теория вероятностей используется для построения статистических моделей, прогнозирования и определения рисков.
4. Оптимизация: Математические методы оптимизации применяются для поиска оптимальных решений в условиях ограничений. В анализе данных оптимизация используется для настройки моделей машинного обучения, подбора оптимальных параметров и решения задач оптимального планирования.

Все эти дисциплины в сжатой форме, только самое необходимое для анализа данных представлены на нашем курсе “Математика для Data Science ”.

💭Хватит откладывать мечту о работе в айти и на удаленке, пора воплощать желания в реальность.

КАК ПРЕОДОЛЕТЬ СТРАХ МАТЕМАТИКИ?

😑Мне с детства нравилась математика, но сама я не являюсь математическим гением.

И помню, как боялась экзаменов по линейной алгебре, дифурам, дискретной математике, мат. анализу, как и большинство. Но преодолевая это я и стала айти специалистом, другого пути просто нет.

В айти это одни из самых важных «инструментов» для решения реальных задач, но не стоит бояться, если ты не силен в математике или не любишь ее.

💙Благодаря упорству и помощи преподавателей, одногрупников, коллег я смогла освоить эту область на уровне достаточном для работы и понимания многих вещей, дальнейшего развития.

Если и ты тоже хочешь работать в индустрии технологий, но не знаешь, сможешь ли освоить математику, не отчаивайся! Это нормально, если ты не сразу поймешь все нюансы. Важно не бояться пробовать и не останавливаться на одном месте. Техническая специальность дает возможность развиваться и находить решения сложных задач. На пути будут встречаться трудности, но справиться с ними можно, если не бросать начатое и искать поддержку у коллег и наставников.
Так что, не позволяй страхам мешать тебе освоить техническую специальность и войти в айти. Ты можешь стать настоящим профессионалом!

❓Хочешь помогу тебе освоить математику и стану твоим наставником?

https://stepik.org/a/127486

Сегодня стартовал курс по математике для Data Science! Все, кто купил, уже приступают к обучению🥳

Ну а у вас, есть еще одна возможность заскочить в последний вагон 🚇

Понимаю, что сложно принять решение и, возможно, еще остались вопросы, сомнения , нет четкого понимания, подойдет ли этот курс лично вам и тд.

Поэтому предлагаю провести групповую zoom встречу, где каждый сможет задать свой вопрос и получить развернутый ответ.

Завтра 20.06 в 18:00 мск.

❗️Все, кто хочет, пишите мне лично, слово ХОЧУ и я пришлю ссылку на zoom

ПЕЧАЛЬНЫЙ ОПЫТ ПРОХОЖДЕНИЯ СОБЕСЕДОВАНИЯ в
samokat.tech

Я переодически прохожу собеседования, чтобы быть в курсе изменений требований/вопросов, тренировать навык уверенно рассказывать о своем прошлом опыте.

Не скажу, что я прям готовлюсь к ним, ну за день могу что-то повторить, посмотреть, так как собесы похожи на экзамены, а в голове все удержать сложно, особенно, когда ты с чем-то давно не работал.

Но в августе, я почувствовала, что мне слишком хорошо 😀 я в зоне комфорта, на удаленке, работа не занимает все мое время, в удовольствие, то к чему я стремилась перестало удовлетворять - короче, я осознала, что у меня кризис 5 лет, в DS я с августа 2018 (смотри карусель).

Возможно пора что-то менять?

Зашла на hh.ru, наткнулась на вакансию от samokat.tech, откликнулась, вышли на связь через примерно неделю, назначили встречу, я потратила на подготовку 2 дня, а не один 😀, прошла три этапа собеседования, а дальше тишина ….

Обещали дать обратную связь через 2-3 дня, пишу рекрутеру на 4: «Сегодня вернёмся».

Но сегодня так и не наступило…

Я НЕ ждала развернутого ответа почему я не подхожу(хотя это очень полезно), но элементарно ответа: Да/Нет, хотелось бы получить, учитывая, что было потрачено прилично времени с обоих сторон и процесс должен иметь логический конец.🙄
При этом я не раз слышала жалобы от IT HR, какие айтишники наглые, разбалованные и токсичные кандидаты, задания делать не хотят, код писать, вообще ужас, хотя теперь я не удивляюсь такому отношению.

Мораль: уважение должно быть взаимным🩵

У вас были подобные случаи? Часто компании просто пропадали без ответа?👇

ОБРАТНАЯ СВЯЗЬ ПОСЛЕ СОБЕСЕДОВАНИЯ

Я прошла все этапы собеседования в компанию samokat.tech, и получила некоторый фидбек о прохождении технической и теоретический части:

Из плюсов выделили:
⁃ очень активная и заинтересована в своих задачах
⁃ подробно и толково рассказала про свой опыт
⁃ хорошо понимает бизнес-постановку и не стесняется брать больше данных для модели из внешних источников
⁃ софт навыки - все очень хорошо
⁃ в своей сфере/проектах прокачалась очень хорошо

Минусы:
⁃ к теории ML есть вопросы: мелкие ошибки, не помнит некоторых деталей
⁃ задачку на код - решила с большими подсказками и несколько раз сбивалась, до оптимизации не дошли.

Мое мнение:
В целом развернутая обратная связь, хотя некоторые суждения не совсем понятны/спорны.

Но общая оценка кажется логичной и обоснованной, учитывая мой сконцентрированный многолетний опыт в единственной компании и то, что я не особо готовилась по теории ML - многие мои ответы были поверхностными, т.е., видно что я знаю, но детали просто уже забылись из-за неиспользования.
Так же я не особо готовилась по тех. задаче, возможно, пару недель на leetcode дали бы свои плоды, но реальная разработка это немного другое, поэтому решила не идеально, но сделала 😂также были сложности в постановке задачи, что реально сбивало.

В любом случае, вычленила для себя зоны роста и согласна с общими моментами, которые стоит подтянуть для более хорошего прохождения собеседований.
А именно повторить ML теорию Учебник по машинному обучению( активная ссылка в моем телеграмм)
И тренировать решение задач на leetcode.

А какие сложности/трудности были у вас во время собеседований?
Какие выводы сделали?

Ну а я пока жду финального решения от компании…

СТРАХ НОВОГО

После финального собеседования в samokat.tech я получила оффер стать частью их команды в роли Senior DS.

Не буду скрывать, «бабочек в животе» я ощутила:
⁃ потому что не ожидала, просто очередной собес
⁃ потому что сначала пропали и потом дали не самую высокую оценку тех. интервью
⁃ потому что хороший оффер
⁃ потому что я реально понимала, что подхожу
⁃ потому что интересный мне проект
⁃ потому что это кратный рост
⁃ потому что новая прокачка скилов и себя
⁃ потому что уже посещали мысли, что засиделась на одном месте
⁃ потому что это новое, а новое всегда страшно


Можно еще много «потому что» привести, но я просто решила дать себе немного времени и принимать решение без эмоций.

Сообщила команде, попросили подождать, пока руководитель вернётся с отпуска и тогда точно все обсудим.

Жду
Сегодня наступило и я еще жду
Уже не нервничаю, ну или меньше, и кажется уже приняла решение, но жду ответа

Кажется, что тут ждать, но увольняться с компании, где получила первую работу, где провела последние 7 лет своей жизни, где команда, где все привычно и понятно… наверное это требует времени

Но сегодня должно все решиться 🙄пожелайте терпения и решительности 👇

❓А как у вас проходил этап увольнения или выбирали ли вы остаться или уйти?

Я ПРИНЯЛА ОФФЕР

А это значит я увольняюсь с компании, в которой проработала с самого универа, с 2016 года.

Если задуматься, то это какое-то прям серьёзное решение, а если опустить эмоции, то ничего особого не происходит.

Команда спокойно отпускает, все взрослые люди, все всё понимают, шутят, что достанут меня и в самокате🙂

С новой еще придется познакомиться, но начало хорошее:
«Еее, рады видеть тебя в нашей команде🥳»

Так что с ноября в новый путь 😀нас с вами ждёт новое приключение и новый опыт.

Всем спасибо за поддержку, за дополнительную мотивацию, веру и информацию, которая помогла отбросить страхи и сформировать близкую к реальности картину происходящего 😅

УВОЛИТЬСЯ УДАЛЕННО

Смена места работы, увольнение, переговоры с начальством/командой - все это волнительно, но блин, как классно делать это через мессенджер 😀

Просто написал смс и все, никах личных встреч и даже на неудобные вопросы отвечать гораздо легче.

Я увольняюсь второй раз, но удаленно впервые. И я вам скажу, что это даже круче, чем работать удаленно 😂

Я отрабатываю сейчас последнюю неделю и, если честно, даже не понимаю этого. С удаленкой все стирается, эмоционально все проживается проще, а если бы еще я себя не раскачивала, то можно вообще не заметить увольнения.

Вообщем мне нравится как все идет😊

А как вы проживали этап увольнения? Какие эмоции испытывали? 🙃

СПУСТЯ НЕДЕЛЮ НА НОВОМ МЕСТЕ в samokat.tech

За это время мою голову посещали разные мысли:
⁃ серьёзно? Ты это сделала, ушла с magnit.tech? Трудно осознать, ведь внешне мало, что поменялось - Mac только добавился;
⁃ Внутренне конечно все по другому, много коммуникации и командной работы/встреч, новые задачи и даже развлечений-tea-time;
⁃ Ты хоть понимаешь, что теперь там, где хотела? Компания снабдила тебя лучшей техникой, кратно вырос доход, ты обладаешь максимальной гибкостью на работе - полная удаленка, можешь работать с любой точки мира.
⁃ Что чувствуешь? - страх нового, не даёт расслабиться, а иногда сковывает и трудно заставить себя работать/ думать.
⁃ Я вообще справлюсь? / а если не пройду испытательный срок?
⁃ Наверное только после испытательного можно будет отметить по-настоящему.
⁃ Теперь поняла разницу? Давно пара было увольняться, много потеряла/ а может все вовремя и только сейчас ты к этому готова?
⁃ Мне все нравится, кажется я довольна собой, хорошие ребята, мягкий онбординг, много новой информации, просто нужно время.
⁃ Новый продукт, новая команда, большинство работают недавно, но все понимают важность проекта - расчет минимального чека заказа. А
⁃ Надо перестать себя оценивать и просто делать то, что умеешь, а нет, идти и изучать, а не переживать попусту!

✈️ ПОЛЕТ НОРМАЛЬНЫЙ ✈️

Как у вас проходил этап онбординга на новой работе?

2 НЕДЕЛЯ В samokat.tech

Появилось больше понимания, больше уверенности. Получила первые задачи и кажется успеваю доделать их в Sprint.

Чуть больше разобралась в устройстве компании и с ее матричной структурой - преимущество, что ты не обязательно всегда будешь работать над одним конкретным продуктом / проектом.
Поняла какие ожидания и value хотят получить от DS🙂 дело в том, что компании
работает много низкоквалифицированных сотрудников(доставщики, сборщики и тд.), и именно эти люди сталкиваются с кучей проблем и задач, и следовательно принимают решения не всегда самые правильные - наша задача проанализировать и предложить автоматизированные и эффективные решения на основе ML.

Познакомилась с Сергеем Землянским - директор по цифровым продуктам и технологиям, Самокат
И узнала некоторые планы/ цифры:
Оказывается я работаю в достаточно в большой компании: 3800 человек всего, 1800 в Москве, остальные распределены по шарику.
В 2024 грядет более вдумчивый найм, но кажется ds это не коснется, так как на этом направлении есть фокус.


Такие дела 😊
❓Вы как ??


⭐️(Sprint /Спринт — это основной элемент Scrum-методологии для управления проектами. Использование этого метода предполагает фокусирование на коротких итерациях и частых выпусках инкремента продукта — работоспособной части продукта, готовой для тестирования.

НЕТВОРКИНГ ВНУТРИ КОМПАНИИ

Пока у меня время знакомства с компанией и людьми, которые в ней работают, я зря время не теряю и воспользовалась организованным в компании ботом в тг - random coffee - каждую неделю тебе предлагают человека из компании, чтобы с ним встретиться, познакомиться. Это люди разного ранга и квалификации, разное время работают в samokate и владеют разной информацией.
Договариваетесь о встрече и стремитесь быть полезными друг другу эти 30 мин.
Я и до использовала этот бот вне компании и знакомилась с людьми вообще из разных сфер. С некоторыми стали прям хорошими знакомыми, поэтому и в этот раз воспользовалась и осталась довольна - онбординг так более быстрый и глубокий получается 😂
А также в силу удалённой работы, новые знакомства и интересные люди никогда не помешают, ведь только 4 стены тебя окружают, когда ты работаешь из дома.

❓А как вы заводите новые знакомства?

Важные технологии в области развивающегося ИИ:

AI simulation - это комбинированное применение технологий искусственного интеллекта и симуляции для совместной разработки агентов ИИ и моделируемых сред, в которых они могут быть обучены, протестированы и иногда развернуты.

Causal AI - идентифицирует и использует причинно-следственные связи, чтобы выйти за рамки моделей прогнозирования на основе корреляции и перейти к системам ИИ, которые могут более эффективно предписывать действия и действовать более автономно.

Federated machine learning - направлено на обучение алгоритмов машинного обучения без явного обмена выборками данных, что обеспечивает лучшую конфиденциальность и безопасность.

Graph data science (GDS) - это дисциплина, в которой методы науки о данных применяются к графическим структурам данных для выявления поведенческих характеристик, которые могут быть использованы для построения прогностических и предписывающих моделей.

Reinforcement learning (RL) — обучение с подкреплением - это тип ML, при котором модель обучается только с помощью положительной обратной связи (поощрений) и отрицательной обратной связи (наказания).

Источник: https://www.gartner.com/en/articles/what-s-new-in-the-2023-gartner-hype-cycle-for-emerging-technologies