Из сферы по обслуживанию ТЭЦ в ML — история студента программы AI Talent Hub и karpov.courses
Привет, на связи команда AI Talent Hub и karpov.courses. Мы уверены, что каждый способен овладеть навыками ML/DS и открыть перед собой новые карьерные и финансовые перспективы. И наш курс «ML Engineering: от технической базы до AI-продукта» может помочь в этом. Чтобы вдохновить каждого на шаг в ИИ, делимся историями наших студентов.
Первый герой — Николай Хилькович, маркетолог с опытом более 10 лет, основатель веб-студии. Николай рассказал, как простой математический подсчёт сподвиг его на смену профдеятельности, какие стратегии использует в работе и обучении и на что точно не стоит надеяться, идя в IT.
Каким был твой жизненный и образовательный путь? Что вдохновило тебя начать путь в ML?
Я мальчик из деревни, который присматривал за огородом, пас овец и доил коров :) Родился и вырос в Калининградской области. Компьютера у меня не было, он появился только в университете, куда я поступил на специальность «Тепловые электрические станции». Стал инженером по обслуживанию ТЭЦ и АЭС, хотя это был вынужденный выбор. После года работы на ТЭЦ я подсчитал, что моя почасовая ставка — всего 72 рубля, это побудило меня задуматься о кардинальных переменах.
Решил изучить рекламу и маркетинг. Через полгода обучения на курсах попробовал себя на фрилансе и довольно быстро начал зарабатывать значительно больше, чем на прежней работе. Это вдохновило меня на создание собственной веб-студии, где я получил ценный опыт во многих областях — от бухгалтерии до юриспруденции. Веб-студией я занимался девять лет. Одновременно помог другу запустить успешный стартап в сфере обслуживания промышленного котельного оборудования, и оставил его управлять этим бизнесом.
Недавно я решил кардинально изменить свою жизнь — продал квартиру и машину в Калининграде и переехал в Санкт-Петербург, начав всё с чистого листа. Вернулся к фрилансу в качестве интернет-маркетолога и за полтора года повысил свой доход до 300 тысяч рублей в месяц, но вскоре понял, что в будущем не хочу работать в маркетинге и рекламе. Начал смотреть в сторону IT, эта сфера меня притягивала.Решил сократить рабочее время для изучения новых областей.
Если ты, дорогой читатель, ещё молодой, то не смотри только на итоговую сумму в духе «Хочу зарабатывать +300к». Обязательно подсчитай и то, чем ты «платишь» за эту сумму.
Я продолжил работать как фрилансер и работал по 2–3 часа в день, зарабатывал хоть и меньше — 150–200 тысяч рублей — но в освободившееся время начал искать курсы по IT, с фокусом на Python и SQL.
Когда проходил курс статистики на Stepik от Анатолия Карпова, то в комментариях наткнулся на сайт karpov.courses. Изучил отзывы и подход к обучению — меня зацепило то, что там не распыляются, пытаясь обучить вся и всех, а делают постепенно качественные курсы по DS. У меня было мало знаний, поэтому хотел начать с вводного обучения «Аналитик данных», так как это сфера максимально близка к маркетингу — тому, чем занимаюсь. Даже прошёл один месяц обучения. Но как только появился совместный курс с AI Talent Hub c перспективой поступления в магистратуру, то не раздумывая записался на него. Дальше уже было обучение на программе «ML Engineering».
Какими были твои первые шаги на курсе? Как ты справлялся с трудностями в начале, особенно без технического опыта?
С самого начала я решил, что ориентироваться только на курс будет недостаточно, поэтому параллельно изучал дополнительную информацию. На старте материал был довольно простым для понимания. Нагрузка и сложность увеличивалась от блока к блоку — это удобно, потому что позволяло постепенно погрузиться в контекст. Сложнее стало на этапе изучения машинного обучения, когда в курс вошло много математики и технической части.
Для курса я выбрал стратегию повторения. Проходил 3-4 модуля, затем изучал новый материал и возвращался к повторению пройденного. Иногда приходилось пересматривать лекции по 3-4 раза, останавливая их для прояснения непонятных терминов, затем углублялся в их понимание и продолжал обучение. Это заняло у меня приличное время, особенно на блоке по машинному обучению. Точно так же происходило с модулями от AI Talent Hub — шаг за шагом я углублялся в материал, закрепляя знания.
Когда ты осознал, что начал понимать и применять изученное? Что для тебя стало тем моментом, который всё изменил?
Осознание пришло с первым MVP проекта. Я понял, что машинное обучение — это не только работа с данными и настройка гиперпараметров, но и множество различных направлений и специализаций. Ключевым моментом для меня стал блок по MLOps.
Чем тебя заинтересовали DevOps и MLOps? Какие перспективы видишь в этих направлениях?
DevOps и MLOps — сложные, многогранные области, где недостаточно глубоко знать лишь одну область. Нужно постоянно быть в курсе актуальных сервисов и приложений. Они имеют высокий порог вхождения и именно поэтому привлекли меня — я люблю вызовы. Решающее значение имело и то, что я не планирую работать на компанию, а хочу создать собственный стартап (и, возможно, не один) в сфере IT.
Также я хочу избегать риска, связанного с утечкой исходников и идей, которые уже случались в моём опыте. Моя цель — выступать как связующее звено: собрать команды, разработать стратегию и концепт продукта, а дальше руководить процессом его создания и внедрения. Разделяй и властвуй =)
Расскажешь подробнее о своём финальном проекте?
Мой проект — это «Дневник детства», сервис создания книги взросления ребенка. К выбору темы я подошёл с точки зрения продукта.
Если идею можно продать, значит, её стоит развивать.
Дети — это то, на что родители всегда готовы тратить любые средства, поэтому акцент был сделан на них, хотя можно было сделать более широкий охват. Сейчас проект на стадии доработки, окончание проекта планирую в рамках первого семестра магистратуры, когда будет больше практики.
Как ты планируешь развиваться дальше?
Курсы были овер полезными — преподаватели проводили лекции онлайн, делились полезными ссылками на материалы. Всегда была возможность задать вопросы, темы обсуждались голосом. Обратная связь всегда была конструктивной.
Также я создавал реальный продукт, а не пытался подогнать решение под заранее известный ответ. Настоящая свобода выбора: есть вводная информация, а дальше нужно изучить недостающее и найти решение задачи. Именно после этих блоков я окончательно понял, что хочу в магистратуру.
Сейчас я поступил в ИТМО благодаря успешной защите проекта. С каждым шагом всё больше убеждаюсь в правильности выбранного пути и что выбрал именно курс от karpov.courses и AI Talent Hub. В моих планах пройти первый семестр в роли менеджера, собрать подходящие под это курсы и выровняться по знаниям, а второй семестр — в роли рабочих рук (исполнителя).
Что посоветуешь тем, кто колеблется или не верит в свои силы начать учить ML?
Не рассчитывать, что будет легко. Если вы оплатили курс, то это не гарантирует, что работодатели начнут бегать за вами с офферами или вы автоматом поступите в магистратуру. Нужно изучать материалы внимательно, стараться понять, как всё работает «под капотом». Будет сложно, но оно того стоит!
Если хотите тоже в ML, то приходите на наш курс, до 20 сентября мы ждём заявки от всех желающих.