🎥 На нашем YouTube-канале вышел новый ролик!

В нем рассказал:
▪️в чем разница между такими специалистами, как ML engineer, Data scientist, Data analyst и Data engineer,
▪️и в каких областях более востребован каждый из них☝️

Приятного просмотра⏯️

https://youtu.be/aauY34As0Yo?si=dEDuWUQcWvRWC2bt

Как я решился на убийство: мы подготовили первый курс MLinside и узнали, что он НЕ НУЖЕН!😱

↪️Итак, ранее я уже рассказывал про замысел первого курса (базового ML). Цель - как можно быстрее дотянуть слушателя до собеседований и трудоустройства в любое место, куда его возьмут заниматься DS. И дальше слушатель приходил бы к нам не «просто поучиться», а научиться справляться с вызовами, которые встречает на работе. Совершенно другой уровень мотивации и вовлечения, нежели «учеба ради учебы» или каких-то очень далеких целей. Вы скажете: «А что, если человек к вам не вернется, потому что ему только и надо было трудоустроиться?». Я отвечу: «И замечательно, меньше всего на свете я хочу делиться нашими сакральными знаниями с тем, кому они не нужны».

План был дерзкий, но мой опыт подсказывал, что так можно👇

🔹Первые 2 недели - быстрое напоминание математики (производная, градиент, умножение матриц, распределения и статистические оценки). То, что это все учат два года, для нас не блокер, потому что нам не нужны на старте матан, линал, теорвер и матстат целиком. Нужны только штук пять ключевых понятий.
🔹Далее 4 недели собственно ML - тоже за счет концентрации только на том, что всегда используется на практике и спрашивается на собеседовании (линейные модели, градиентный бустинг над деревьями, метрики качества, А/В тесты).
🔹Далее еще 2 недели порешать задачки с собеседований и быстрее идти собеседоваться. Была даже идея дать поход на собеседование в качестве домашнего задания.

И вот у нас готовы все материалы: и презентации для теоретических занятий, и код для практических. Мы завершаем последние приготовления и причесываем домашние задания, но из кастдева приходят очень тревожные новости. Люди НЕ ВЕРЯТ, что даже имея физмат образование в анамнезе, можно «вкатиться» в ML за 2 месяца.

Что мы узнали:
- Меньше 4 месяцев выглядит, как шарлатанство,
- Лучше 6+ месяцев,
-Есть люди (и их много), которые уже применяли ML у себя на работе, уже прошли Яндекс Практикум, Karpov Courses или Skillbox, но перед собеседованием на Джуна в DS все еще хотят год чему-то учиться.

💭Возникла ужасная мысль: принудительно увеличить курс с 2 месяцев до 6, чтобы у нас его покупали. Представьте, пройдет через курс 1000 человек, они потратят на 4 месяца больше, чем могли бы. Суммарно 4000 месяцев или 333 года, или 4,75 человеческих жизней. Просто потому, что НЕ ВЕРЯТ, что можно идти собеседоваться (не к лидерам рынка, но к ним иногда тоже) практически только почитав туториалы, разобрав вопросы с собесов и потренировавшись на них отвечать. А уж с поддержкой в виде экспресс-программы на 2 месяца - тем более можно.

🤔Ну что же, 4,75 виртуальных человеческих жизней - это не такие большие жертвы, чтобы обучить тысячу. Пришлось поменять формат курса, о чем мы расскажем в следующем посте. А как бы поступили вы?

Поговорим про деньги💰

Начинающих специалистов часто беспокоит вопрос их будущей зарплаты: чего им ждать при трудоустройстве, какие перспективы финансового роста сейчас на рынке DS📈

На youtube-канале MLinside вышел ролик, где я рассказал о том, сколько сейчас могут зарабатывать дата саентисты на разных грейдах: от джуниора до сеньора💲. И от чего зависит уровень зарплаты.

Приятного просмотра👇

https://youtu.be/eZilM1zqnIg?si=TSR6vQeTs5DPtCXI

Итак, рассказываю продолжение истории разработки курса: что же мы сделали с форматом подачи👇

Разные потребности людей по длительности вводного курса в ML связаны не столько с тем, что люди хотят изучить различный объем перед трудоустройством (хотя это тоже есть), сколько с тем, что люди учатся с разной скоростью. И это нормально, у каждого свой процесс мышления и познания, например, учиться медленнее – не обязательно значит хуже. Иногда это значит осваивать материал увереннее и глубже.

Изначально мы хотели проводить живые занятия в зуме, имитируя работу в классе. Но главное ограничение работы в классе - уравниловка. Общая программа и общий темп изучения приводят к появлению как неуспевающих, так и тех, кому чудовищно скучно🥱 Замысел провести все «вживую» возник, чтобы лучше прочувствовать аудиторию. Но столкнувшись с запросом на обучение за 4-6 месяцев вместо двух, мы поняли, что если просто удлинить курс, мы будем иметь слишком длинный цикл обратной связи. Следовательно, дорабатывать курс мы будем очень медленно.

💡Решение лежало на поверхности – сразу нарезать курс на видео по 7-15 минут, как это было в формате Coursera, и в таком виде давать для прохождения. Кто хочет – справится за полгода, кто хочет – за месяц. В этом случае мы сможем учитывать фидбек и перезаписывать любое видео сразу же. А освободившееся время преподавателей посвятить созданию опционального контента и аналогу «office hours» в университете.

🧑‍💻Да-да, от зума мы не отказались. Просто на нем мы будем отвечать на накопившиеся вопросы слушателей и объяснять какие-то вещи вживую, если есть необходимость. Знаете, как в университете: преподаватель задает слушателям вопрос, понимает, что чего-то уже пройденного вы так и не поняли, и пробует объяснить по-другому. Вот и мы так попробуем.

Поделитесь в комментариях, чему бы еще вы посвятили зум-звонки, если сами занятия уже будут на видео :) Может быть вместе мы сделаем формат курса еще лучше 💪

Что такое Artificial Intelligence, Machine Learning, Deep Learning и Data Science?
И в чем разница между этими понятиями?🤔

Об этом я рассказал в новом видео на youtube-канале MLinside🎥

Приятного просмотра⤵️

https://youtu.be/IfXXbP-oShU?si=1ehNY-B1nPCww4mx

Мы готовы анонсировать первый курс в рамках MLinside🍾

Итак, спустя несколько месяцев плодотворной работы над разработкой курса мы с командой готовы анонсировать программу первого учебного потока в рамках MLinside🙂

Но прежде, чем раскрыть вам все карты, хочу попросить вас оставить под этим постом ответ на следующий вопрос:

На какой должности в профессии вы сейчас?
Напишите в комментариях свою специальность и уровень👇

🧑‍💻Как я говорил ранее, первый курс, который мы будем запускать в рамках проекта MLinside – Базовый курс Машинного обучения.

Во время разработки курса мы провели много кастдевов для того, чтобы понять, кто наши читатели, и какие у вас потребности. И в предыдущем посте я не просто так интересовался вашей профессией и уровнем☝️ Главная цель – показать и вам тоже, что в канале собрались абсолютно разные специалисты, каждый с уникальным опытом в профессии (вы можете зайти в комментарии под постом и почитать ответы). И все вы пришли сюда ради одного дела – изучить Machine Learning. Именно поэтому мы запускаем курс, который подойдет не только узкому кругу ML-специалистов, но и работникам смежных направлений.

Мы будем ждать вас на потоке, если вы:

▫️новичок в IT, у вас есть огромная любовь к математике и вы выбрали ML, как направление, в котором хотите развиваться,
▫️хотите работать в проекте, тесно связанном с ML-командой,
▫️испытываете большой интерес к этой сфере, знаете, что за ML – будущее, видите широкие перспективы, новые возможности в ML,
▫️хотите научиться решать разные задачи с применением ML, самостоятельно тестировать гипотезы, оценивать сроки и результаты работы, правильно ставить задачи,
▫️устали от однообразной работы и хотите расширить свой кругозор и получить новые навыки,
▫️любите создавать что-то новое и решать сложные, нетривиальные задачи,
▫️хотите запустить свой продукт с применением машинного обучения.

Что даст вам этот курс:

▪️понимание того, как работает машинное обучение, новые возможности работы с информацией,
▪️возможность работать в активно развивающейся сфере,
▪️способность применять инструменты ML на практике и решать задачи с применением machine learning уже во время обучения,
▪️возможность найти новый коммерческий проект в качестве ML-специалиста,
▪️возможность стать лучшим и иметь преимущества на рабочем месте,
▪️возможность забустить карьеру и получить повышение до следующего грейда,
▪️финансовый рост,
▪️умение работать и общаться с DS/ML-специалистами на «их языке».

👥Мы будем ждать всех, кто готов расти и развиваться в направлении Data Science, на нашем первом потоке по базе ML!

Чуть позже мы более подробно расскажем вам о том, что вас ждет на курсе. А пока следите за обновлениями в канале, чтобы не пропустить важные анонсы🔔

Что такое Data Science простыми словами?
Какие есть примеры применения Data Science?
Какие профессии существуют в этом направлении?

На эти вопросы я ответил в новом видео на нашем youtube-канале🎦

Приятного просмотра👇

https://youtu.be/v3FaHQXRPQ8?si=LBxRMsgJjY0TIMPt

Chief Data Scientist в МТС и один из преподавателей школы MLinside – Никита Зелинский👥

☝️Как я уже говорил ранее, Никита обладает двумя важнейшими для меня качествами хорошего преподавателя – глубочайшим погружением в темы, которые его интересуют, и искренней любовью к грамотной подготовке материалов для вас, наших слушателей.

Помимо ученой степени (кандидат физико-математических наук) и преподавательской практики Никита имеет 14 лет коммерческого опыта в Data Science/ML. Он прошел большой путь от джуниор ML-специалиста до CDS & Head of ML-platforms и успел поработать в таких крупных компаниях, как:
▪️Сбер (CDO в среднем и крупном бизнесе),
▪️МТС (CDS & Head of ML),
▪️Департамент информационных технологий Москвы (Team Leader DS),
▪️Яндекс.Терра (ML-engineer).

Я искренне горжусь тем, что в моей команде есть такой человек, как Никита. И я уверен, что вас он также не оставит равнодушными :)

▪️Как из геологии перейти в DS и попасть в такие компании, как МТС, Сбер, ДИТ, Яндекс?
▪️На что тратят бонусы работники корпораций, и что стоит за красивыми названиями должностей?
▪️Как нанимают специалистов в МТС? Сколько они зарабатывают?
▪️И почему джуниору нельзя идти на низкую зарплату?

🗣️Об этом и многом другом мы поговорили с Никитой Зелинским в новом интервью.

Ролик выйдет завтра на youtube-канале MLinside в 19:00 по мск, не пропустите! А пока немного заинтригую вас и поделюсь
тизером👆

Интервью с CDS МТС, кандидатом физико-математических наук и преподавателем школы MLinside, Никитой Зелинским уже на канале!

▪️вскрыли подноготную работы в таких крупных компаниях, как МТС, Сбер, Яндекс, ДИТ Москвы,
▪️вспомнили интересные и где-то спорные кейсы с работы,
▪️обсудили особенности найма кадров в МТС, текущие зарплаты специалистов и многое другое.

Приятного просмотра⬇️

https://youtu.be/zr5BLuSgOHo

100🔥 собраны!👇