Архитектор, логист и строитель. Кто и как приходит в Data Science

Евгений Ломизе — одна из самых известных ИТ-персон России. Это он придумал Яндекс.Директ и уже двадцать лет руководит отделом рекламных технологий в Яндексе. При этом Евгений крупный специалист по истории Византии и закончил исторический факультет МГУ.

Зайти в мир Data science можно из любой профессии, даже насквозь гуманитарной. Конечно, придется освоить математический аппарат и программирование, но опыт в прошлой сфере будет только плюсом. Ведь Data Science — это не отдельная наука или профессия, а скорее инструмент, который применяют в самых разных сферах.

Если вы готовы изучать математику как…

Иван Ямщиков,

Академический директор магистратуры «Наука о данных»

55

Ага а теперь давайте возьмите после обучения к себе же в мейл груп. Только не лучших, которые и так знали кучу всего, да еще и были мидлами или сеньорами в других языках, а именно из неайтишных перепрофиленцев 

Ответить

Андрей, отвечу достаточно подробно:

Наше ключевое отличие - проектное обучение. Почему мы так много говорим об этом и считаем его киллерфичей? Вот почему 👇🏻

🌶 Мы создаем условия для долгосрочной работы с реальным внешним заказчиком - вы завершаете обучение с более глубоким и серьезным портфолио и с большей вероятностью переходите внедрять свое решение в команду ментора.

У нас есть пул менторов, которые работают со студентами в течение всех 2 лет обучения. Если студент нравится ментору и студенту нравится ментор, то студент может продолжить работать с ментором после окончания магистратуры. Наш выпускник сможет собрать портфолио не из разрозненного списка учебных задач, а из понятных продуктовых задач под потребности конкретного заказчика. Одна из целей магистратуры - сделать внедрение. Оценки “Отлично” будут заслуживать такие проекты, когда предложенная магистрантом модель или решение будут внедрены в компании. И внедрять это решение будет наш выпускник.

🌶 Как альтернатива, вы сможете получить опыт работы с различными заказчиками (можно менять менторов и работать над задачами из разных компаний). В отличие от первой стратегии, работа с несколькими менторами это сборка более широкого портфолио. А еще это возможность найти "своего" ментора и "свою" команду за несколько попыток.

🌶 Мы погружаем студентов в особенности разработки инновационных продуктов и готовим к работе на управленческих позициях в сфере Data Science.

Мы не просто учим на проектах, а даем командный опыт продуктовой разработки на наших практикумах и хакатонах.

Мы проектируем обучение так, чтобы наши выпускники умели не только в код, но и в менеджмент. Наш выпускник сможет работать на управленческих позициях в сфере DS — компетентным проджектом/продактом: оценивать сложность задач, реалистичность фичей, адекватность сроков. Такой управленец более востребован и получает больше, чем менеджер без знания предметной области.

Дизайн обучения в магистратуре построен вокруг цели подготовить специалистов:
👉🏻 с обширным портфолио решения реальных, а не учебных кейсов
👉🏻 с качественным нетворком в среде технологических компаний
👉🏻 с продуктовым мышлением и сильными проджектовыми навыками
👉🏻 с умением находить нужную информацию и учиться, чтобы продолжать развиваться в карьерном и профессиональном плане

Ждем вас среди магистрантов :)

Ответить