Какая математика нужна в DS/ML и зачем?🔢

Уже несколько дней к нам активно записываются студенты на первый поток программы «База ML». И многих беспокоит вопрос касательно необходимой математической базы для изучения машинного обучения.

🎥 В новом ролике на YouTube я прошелся по всем уровням математики (от школьной алгебры и геометрии до продвинутой статистики) и рассказал, для чего нужен каждый из предметов.

☝️После просмотра этого видео вы сможете понять, какие знания стоит освежить на старте изучение ML, и прийти на обучение на 100% подготовленными📖

Как перейти в Data Science, если вы уже варитесь в IT?🤔

👨‍💻Многие из моих читателей n-ное количество времени уже являются специалистами в сфере IT. И у некоторых появляется желание перейти в направление Data Science. Для кого-то это способ продвинуться по карьерной лестнице и претендовать на повышение зарплаты и грейда. А для кого-то это просто возможность увеличить уровень своих знаний и погрузиться в интересную сферу.

📈В любом случае, переход в Data Science – это отличный вариант расширить поле потенциальных проектов, в которых вы сможете работать. И большим плюсом является наличие у вас базовых навыков IT-специалиста, которые несомненно помогут вам сделать этот переход. А я, в свою очередь, хочу дать вам несколько советов, которые помогут облегчить этот путь👇

1️⃣ Оцените свои текущие знания и изучите/повторите всё необходимое. Три самых базовых навыка специалиста, который собирается переходить в Data Science:
▪️знание Python,
▪️необходимая математическая база (производные, градиент функции, матрицы, их перемножение, матожидание и дисперсия),
▪️знание SQL.

Это необходимый фундамент знаний для любого дата саентиста, без которого вы просто не сможете углубиться в профессию.

2️⃣ Затем приступайте к изучению классического ML. Начните изучать алгоритмы машинного обучения, такие как линейные и логистические регрессии, деревья решений, случайный лес. Затем приступайте к изучению оценки качества ML-моделей на исторических данных и «в продакшене».

Для получения этих и других навыков вы можете пройти обучение, которое даст вам структурированные знания и более ясное представление о профессии.

3️⃣ Применяйте свои знания на практике. Будет здорово, если у вас получится сделать это на текущем месте работы. Если такой возможности нет, попробуйте поучаствовать в соревнованиях по анализу данных, например, на Kaggle.

4️⃣ Собеседуйтесь как можно больше. Этот опыт даст вам понимание того, какие требования выдвигаются к дата саентистам, как эффективнее подготовиться к следующему собеседованию, и какие навыки и знания вам стоит подтянуть, чтобы успешно трудоустроиться.

☝️Конечно, на словах всё это выглядит намного проще. Смена профессии – это большой шаг, который скорее всего заставит вас выйти из зоны комфорта, столкнуться с чем-то новым и неизвестным. И я не могу пообещать, что этот переход будет легким и незаметным. Но понимание последующих шагов помогает увидеть, от чего и к чему вы идете. А постепенное приближение к своей цели даст вам мотивацию. И в конце концов вы придете к желаемому результату.

Зачем разработчику надо знать ML?👨‍💻

Начну с того, что был у меня в практике случай, когда моим руководителем по структуре должен был быть технический директор. И когда он меня нанимал, аккуратно мне признался, что ничего не знает про машинное обучение. Это было много лет назад, и сейчас такие высказывания от крутого специалиста вызывают сильное смущение, потому что сейчас есть намного больше продуктов, где используется машинное обучение.

↪️Один из популярных примеров применения ML – рекомендательные системы современных маркетплейсов. Так вот, в одном из таких сервисов в течение года работали рекомендации, ими пользовались люди. А спустя год выяснилось, что, разработчики, которые внедряли рекомендации, отсортировали товары не по релевантности, а по идентификаторам товара, потому что не понимали, что перед ними, и как это работает. А дата саентисты не удосужились проверить и объяснить разработчикам принцип работы. Конечно, это превратило персональные рекомендации в полный рандом. И чтобы таких ситуаций не случалось, разработчикам нужно на базовом уровне понимать, как работает машинное обучение.

🤔Часто дата инженеры, бэкенд/фронтэнд-разработчики сталкиваются с задачами, связанными с обработкой больших объемов данных, предсказанием событий, классификацией объектов, построением рекомендательных систем. Здесь применение машинного обучения значительно повысит эффективность разработки программных продуктов и даст новые возможности анализа информации.

💰Безусловно, знание ML позволит вам, как разработчикам, открыть новые перспективы карьерного роста как в вертикальном, так и в горизонтальном направлении. В первом случае расширение экспертизы может стать преимуществом, если вы претендуете на повышение грейда и зарплаты. Горизонтальный рост предполагает возможность перехода между различными областями. Например, от чистого программирования к работе с большими данными, к участию в исследовательских проектах и разработке интеллектуальных систем. В обоих случаях, глубокие знания в ML делают разработчика более конкурентоспособным на рынке, повышая его ценность для компании.

☝️Кстати говоря, будучи разработчиком, вы имеете преимущество перед теми, кто только погружается в мир IT и machine learning, так как код писать вы уже умеете. Нужно лишь освежить в памяти знания математики и понять, как работают модели ML. А это, как раз, ровно то, что поможет сделать наш курс машинного обучения «База ML».

Можно ли вашу задачу с работы решить с помощью ML и как?👨‍💻

Уже завтра (14.09 в 20:00 по мск) мы проведем вебинар, посвященный разборам ваших задач с работы, которые, по вашему мнению, можно решить с помощью машинного обучения.

Если вы только начинаете свой путь в ML и хотите применять эти знания в текущих задачах, повышать качество и сроки выполнения своей работы, регистрируйтесь на вебинар👇
[ Зарегистрироваться ]

🗣️Спикер: Никита Зелинский
- Chief Data Scientist МТС,
- 14 лет в Data Science (работал в Сбере, ДИТе Москвы и Яндекс.Терра),
- преподаватель на курсе «База ML».

Что будет на вебинаре?⬇️
▪️Никита разберет ваш кейс с работы, который, как вы думаете, можно решить с помощью применения ML,
▪️даст пошаговый план решения задачи с применением ML,
▪️покажет, как знание ML поможет повысить вашу эффективность на рабочем месте,
▪️расскажет, в каких еще кейсах можно применять знание ML, и ответит на возникшие во время разбора вопросы.

До встречи завтра на вебинаре!🤝

Как получить первую работу DS/ML-специалистом в крупной компании?

Завтра (16.09) в 20:00 по мск пройдет встреча с Junior Data Scientist’ом МТС Дмитрием Лялиным.
[ Зарегистрироваться ]

Совсем недавно он проходил этап поиска первой работы в DS, а сейчас уже как год работает специалистом в крупной компании. Поэтому он как никто другой понимает, с какими трудностями сталкиваются начинающие специалисты, и с радостью ответит на все ваши вопросы по поводу старта карьеры в DS.

На вебинаре Дмитрий:
▪️поделится своим опытом работы в МТС в качестве junior-специалиста,
▪️расскажет, почему нужно прокачивать Kaggle, и как это поможет найти первую работу в DS,
▪️поделится чек-листом по трудоустройству: как искать вакансии, где прокачать свои скиллы,
▪️обсудит популярные темы на собеседовании и даст советы по подготовке к нему,
▪️ ответит на ваши вопросы о карьере в DS/ML.

Встречаемся завтра в 20:00 по мск!👋

Как вкатиться в ML от middle+ ML-специалиста ecom.tech (ex. Samokat.tech)

Завтра (18.09) в 20:00 по мск мы проведем вебинар, где один из учеников Виктора Кантора поделится историей своего профессионального пути.
[ Зарегистрироваться ]

🗣️Спикер: Андрей Тоток
- middle+ ML-специалист в ecom.tech (ex. Samokat.tech),
- выпускник DMIA и ученик Виктора Кантора,
- окончил НИУ МЭИ, уже во время обучения заинтересовался ML и начал изучать это направление.

На вебинаре Андрей расскажет:
▪️про свой карьерный путь с нуля до middle+,
▪️кому не стоит идти в ML,
▪️есть ли будущее в ML не у МФТИшников,
▪️к чему готовиться junior ML-специалисту на первой работе,
▪️какие интересные и полезные кейсы применения ML встречал он.

☝️Также на вебинаре мы проведем Q&A-сессию, поэтому готовьте свои вопросы касательно старта карьеры в машинном обучении!