Нужно быть готовым инвестировать много времени в обучение

Обсудили стратегии и сложности перехода в сферу Data Science с руководителем курса Рекомендательные системы — Вероникой Ивановой.

Я получила техническое образование, но как и многие ребята из моего вуза по профессии не работала. Я нашла себя в преподавании математики и физики, много занималась репетиторством, участвовала в подготовке материалов для образовательной платформы, два года работала в школе. Поначалу мне все нравилось, но через несколько лет я достигла пика развития профессиональных навыков и материального дохода, задумалась, куда двигаться дальше. Среди моих знакомых были айтишники, пообщавшись с ними, я поняла, что больше всего мне подойдет направление Data Science, потому что в основе ML моделей лежит математика.

Я решила подойти к этому вопросу основательно и поступила в магистратуру. Для подготовки к вступительным повторяла вузовскую математику, потому что основной экзамен был по ней, немного читала про машинное обучение. В магистратуре было много разных курсов, практически все актуальные направления DS. Кроме магистратуры, я еще искала возможности дополнительного образования, проходила отборы на летние школы AI.

Сложнее всего было найти первую стажировку. По моим ощущениям в стажеры охотнее берут студентов бакалавриата, если идет массовый набор. В чате выпускников опубликовали вакансию по интересному мне направлению — рекомендательным системам, но нужны были специалисты с опытом. Я все же решила спросить, не нужны ли в команду стажеры, оказалось, что нужны. Вторая трудность была при переходе с уровня junior к middle. Главное отличие джуна от миддла – это наличие опыта в продакшн. У меня было полтора года опыта, но он был только в исследованиях, с реальными данными я не работала. Меня звали на интервью, я часто проходила все этапы, но в итоге мне сообщали, что взяли кандидата с более подходящим опытом. К счастью, в итоге я получила оффер, но пришлось очень быстро адаптироваться к новым задачам.

Я бы посоветовала отталкиваться от предыдущего опыта. Например, человеку с медицинским образованием смотреть в сторону направления AI в медицине, с экономическим образованием заняться моделированием оценки рисков, физикам и химикам изучить, какие ML-модели могут быть использованы в их направлениях. У таких специалистов будет в дальнейшем преимущество над сотрудниками, имеющими опыт только в области DS и программировании. На позициях уровня senior и выше ценится знание предметной области.

Сейчас моя работа связана больше с исследованиями, поэтому основной источник информации для меня — это статьи с конференций. Плюс я продолжаю проходить курсы по DS направлениям, всегда можно найти что-то новое для себя или прояснить некоторые моменты. Планирую пройти курс MLOps, чтобы получить больше практики внедрения моделей в продакшн

Рекомендую хорошо разобраться в алгоритмах классического ML: линейной и логистической регрессиях, решающих деревьях, случайном лесе и градиентном бустинге. Это то, что могут спросить независимо от специфики направления компании. Также не стоит забывать про Python и SQL. Их знания должно быть достаточно, чтобы на ходу решать несложные задачи, которые могут спросить на собеседовании.

Нужно быть готовым инвестировать достаточно много времени в обучение. В зависимости от бэкграунда можно выбрать длительную программу или отдельные курсы, чтобы точечно подтянуть знания и навыки в конкретных областях.

Во время обучения стоит уделить внимание созданию портфолио проектов, потому что пока нет другого опыта, работодатель будет оценивать уровень навыков программирования по ним. Обучение на курсах часто помогает найти стажировку или вакансию джуна. Преподаватели нередко предлагают своим студентам начальные позиции. Плюс многие программы поддерживают сообщество выпускников, внутри которого часто публикуются вакансии. Свою первую стажировку я нашла как раз таким образом.

Прохождение собеседований — это тоже навык, который надо нарабатывать. Поэтому советую соглашаться на собеседования даже в те компании, которые у вас не в приоритете. Так, вы привыкнете не стрессовать во время интервью и узнаете, какие вопросы чаще всего задают.