● РЕЛОКАЦИЯ

В первом чате вместе с релоцировавшимися выпускниками karpovꓸcourses мы обсудили ситуацию на международном рынке труда, популярные направления в сфере информационных технологий, а также каналы для поиска вакансий. Специальным гостем стал преподаватель karpovꓸcourses и Head of Data Science в Blockchainꓸcom Валерий Бабушкин.

● РАБОТА АНАЛИТИКОМ ЗА РУБЕЖОМ

Во втором чате мы сделали упор на особенности работы аналитиком в зарубежных компаниях. Специалисты из Швеции, Германии и Ирландии рассказали о своём пути и поделились подробностями рабочего процесса.

● DATA SCIENCE В РОССИИ

Этот выпуск был записан для тех, кто не планирует уезжать и хочет развиваться в России. Специалисты из OZON, ivi и Beresnev Games рассказали о том, как обстоят дела на отечественном рынке труда и на какие скиллы они обращают внимание на собеседованиях.

Новый поток курса Start ML начинается сегодня!

Обучение начнётся с основ Python, так что не беспокойтесь: вы сможете изучать машинное обучение, даже если никогда не программировали.

Последний блок курса посвящён трудоустройству, так что вы не только освоите новую профессию, но и сможете проконсультироваться с HR-специалистами — они приложат максимум усилий, чтобы вы получили свой первый оффер.

[Начать обучение]

Ещё сомневаетесь? Завтра пройдёт вебинар «Обзор базовых инструментов разработчика». Присоединяйтесь, чтобы не только послушать интересную лекцию, но и задать вопросы об обучении!

Вебинар «Обзор базовых инструментов разработчика» начнётся через час!

Обсудим разные среды разработки, рассмотрим работу Bash и PyCharm и разберёмся, какие ещё инструменты нужно знать начинающему ML-инженеру.

Особенно полезно будет тем, кто делает первые шаги в машинном обучении :)

Начинаем в 19:00!

При работе с данными часто возникают ситуации, когда строки нужно как-то объединить со значениями переменных. В Python для этого есть очень удобный способ — форматирование строк. Давайте разбираться, как это работает!

Можно ли занять призовое место в соревновании, не имея за плечами опыта в аналитике? Да! Студентка 21-го потока программы «Аналитик данных» Екатерина Заплетина заняла 3-е место в соревновании для аналитиков от «Карьерного цеха». Мы узнали у Екатерины подробности о конкурсе и её впечатления от обучения в целом!

● Какой бэкграунд у вас был до курса?

Я работаю в стратегическом консалтинге уже почти 5 лет, моя работа всегда была плотно связана с аналитикой, но с точки зрения бизнеса и рынков. Непосредственно с «дата-аналитикой» я не сталкивалась, максимум работала в Excel.

● Почему вы решили пройти обучение?

Искала для себя новые горизонты и рабочие смыслы, всегда восхищалась и немного завидовала друзьям-айтишникам, но была уверена, что это для каких-то небожителей. Несколько раз натыкалась на рекламу курсов, потом прошла демоверсию, и оказалось, что в этом действительно можно разобраться, даже если ты изначально не «технарь».

● Как пришла идея участия в конкурсе?

Слышала про этот конкурс от знакомых ещё осенью, а сейчас весной кто-то в чате курса написал, что они открыли новое соревнование, и я решила посмотреть. На основной работе был отпуск, так что на все 2 недели я на 100% погрузилась в конкурс, занималась только им, сидела над задачами до самого дедлайна. Было сложно, надо было разобраться с новым пакетом для анализа данных (Retentioneering) и новым инструментом для написания кода (Google Colab), понять, как спланировать и организовать работу, как распределить время, чтобы успеть оформить всё в нормальный отчёт. Раньше я никогда не сталкивалась с работой такого формата, поэтому посмотрела лучшие решения прошлых лет и взяла за образец работы, где авторы писали свой ход решения вперемешку с вставками кода (да, странновато, но я подумала, что так принято). В итоге моя работа попала на разбор от организаторов, где оценивающий сказал, что это ужас, так оформлять нельзя, это практически худшая работа с точки зрения оформления и просто ад. Но в итоге даже такое оформление не помешало добраться до бизнес-выводов, которые как раз получили высокие оценки. В целом я очень довольна этим опытом, он помог мне глубже разобраться в теме и понять, что представляют собой рабочие задачи таких специалистов.

● Какие знания с курса пригодились на соревновании?

На конкурсе удалось применить всё, что к тому моменту изучила на курсе: и Python, и SQL, и написание Telegram бота! (с ботом на курсе шло особенно туго, так что я очень обрадовалась, что эта тема уже была мне знакома).

● Чем вы планируете заниматься дальше, хотите ли продолжать участвовать в конкурсах?

Сейчас ситуация нестабильная, поэтому пока у меня нет никаких чётких планов, но я собираюсь дальше разбираться с дата-аналитикой, потому что это оказалось очень интересно.

Git — это универсальный инструмент, который помогает организовать процесс написания программного кода при работе над большими проектами. Он используется не только в Data Science, но и вообще в любой области, связанной с разработкой. Поэтому было бы неправильно не поделиться статьёй про основы Git с нашего dev-направления :)

Хотите освоить новую профессию? Выбирайте аналитику данных — это не только IT, а ещё и банки, геймдев, телеком и многие другие сферы.

Если вы никогда не работали с цифрами и думаете, что будет трудно — не переживайте, программа подойдёт совсем новичкам. В аналитику данных приходят люди с совершенно разным бэкграундом, поэтому будьте уверены: у вас всё получится!

На поток, который стартует сегодня, уже нет мест, но вы можете определиться с планами на лето, записавшись на следующий :)

Мы внимательно следим за изменениями в индустрии и при необходимости обновляем наши курсы, опираясь на самые передовые инструменты.


Из последних новостей: в программу «Симулятора аналитика» был добавлен новый модуль о ETL-процессах и построении пайплайнов на Airflow. Вести модуль будет аналитик из команды аналитических продуктов Яндекса Алексей Баталов.

А ещё мы вместе с руководителем группы аналитики VK Яном Пиле обновили самый насыщенный теорией модуль — «Планирование и запуск A/B-теста».

Обновлённая программа будет доступна уже с нового потока «Симулятора», но если вы обучались на каком-то из предыдущих и хотите получить доступ к лекциям нового модуля — ждём вас по ссылке!

P.S. Время обучения не изменилось и составляет всё так же 5 недель.

Работодатели зачастую отдают предпочтение соискателям, у которых есть опыт решения реальных бизнес-задач. Но где его получить, если вы только начинаете карьеру в аналитике данных?

Для этого мы подготовили программу «Симулятор аналитика», где студенты работают с реальной инфраструктурой и тестируют решения на данных, которые обновляются в реальном времени. На курсе можно не только прокачать навыки работы со всеми актуальными инструментами, но и получить несколько классных идей для собственных pet-проектов.

Кстати, начиная с нового потока (который стартует уже сегодня) доступен новый модуль, благодаря которому вы научитесь строить ETL-пайплайны на Airflow и автоматически обрабатывать любые источники данных.

[Записаться]

В любом бизнесе цена — ключевой инструмент воздействия на поведение пользователей. Повышаем цену — увеличиваем прибыль, но сокращаем спрос. Если снижаем её, то всё с точностью до наоборот. При этом рынок не стоит на месте, а наши конкуренты не дремлют. Значит, и оптимальная цена каждый день разная.

Ценообразование, основанное на человеческой экспертизе, не позволяет быстро адаптироваться к рынку, особенно когда речь идёт о маркетплейсе с миллионами товаров. Как эффективно управлять ценой в таком случае?

25 мая в 19:00 на вебинаре «Как построить ML ценообразование на маркетплейсе» преподаватель курса «Симулятор ML Engineer» Богдан Печёнкин расскажет, как определять оптимальную цену с помощью ML модели, и разберёт расширенный ML System Design динамического ценообразования. Если вы хотите получить готовую инструкцию по его запуску в своей компании, отметьте дату вебинара у себя в календаре!