А что вы хотите здесь вообще видеть?
Пишите комменты)
И лайкате понравившиеся)

Древнее зло проснулось

Извиняюсь за свое долгое отсутствите, зато я с кучей полезностей и огромным количеством контента.

Начнем с классики(Simulator ML). Времени было ну оооочень мало. И как же я был удивлен, что я приступал к задачке - сдавал ее за 15 минут и переходил дальше.

- nDCG. Красиво, по порядку разобралось, что такое CG(Cumulative Gain), что такое DCG, nDCG. Что такое Industry и Standard.

nDCG (Normalized Discounted Cumulative Gain) – популярная метрика в задаче ранжирования, которая учитывает порядок элементов в выдаче.
Читать подробнее

- MULTIPROCESSING. Joblib - потрясающая библиотека. Вы простым движением можете распараллелить процессы на разных ядрах процессора. Я раньше запускал много Workspace в VS code для параллельности. А вот оно - изящное решение. В задаче мы ускорили процесс очистки данных(в осовном регулярки).

Joblib — одна из библиотек python для параллельных вычислений. Множество библиотека машинного обучения таких как scikit-learn использует joblib для параллельного запуска своих алгоритмов.
Читать подробнее

--------------------

Я прошел собес в это вокресенье. Проходил я собеседование на преподавателя Python, а спрашивали в итоге на Junior Python Developer. Один из следующих постов - вопросы с Yandex. Как я готовился (никак), что спрашивали и почему я(и не только я) очень удивлены.

Вчера в 21:00 пришел итог.
Прошел. Осталось подписать все документы. Теперь я сертифицрованный преподаватель Yandex по Python разработке.


--------------------

Проекты в SimulatorML... Они не заслуживают такой приписки в конец. Это слишком важная вещь, чтобы освещать ее в конце, но могу предоставить спойлер.

А то, как это было, какую роль я сыграл в этом проекте и как прекрасен systemd с systemctl вы узнаете попозже..

Запущен антиспам бот на 10,000 человек.

СОБЕСЕДОВАНИЕ В ЯНДЕКС

После того, как вы уже прошли курсы (целых 200 шэров на посте, так что если ты не видел пост - бегом сохранять) и получили ценные знания, опыт, приходит пора приходить собеседования.

Я собеседовался на позицию преподаватель Python в ДПО ШАД. Но тем не менее, в ходе собеседования раскрылись стандартные(и не очень) темы про Python.

- Собеседование началось с нестандартного для разработчика вопроса - сделай план на тему "списки".
Здесь я уточнил ЦА, время занятий.
Начал с определения и "интуиции", прошел через полиморфизм и закончил практикой.

Далее вопросы:

- Какая сложность поиска элемента в списке?
- Какие есть типы данных в Python?

- Что такое list comprehension, для чего используется?
- Показали на длинное выражение(на экран ноута не поместилось лол) и сказали объяснить, что происходит
- Чем отличается is от == ?
- Для чего нужна копия?

- Что такое self? Могу ли я заменить его на другое слово? Ошибок не будет?
- Для чего нужен call? Когда он вызывается? Как его вызвать?
- Чем атрибут отличается от методов?
- Устно создай экземпляр класса и сделай обращение к атрибутам
- Что такое метод str и для чего он нужен?

- Для чего нужны *args, **kwargs? Что из себя представляет args, kwargs? Как передаются аргументы в функции?
- Для чего нужен raise?

Я бы сделал обзор вопросов, если бы не наткнулся на один видос(если бы я не был ленивым), где все эти вопросы обозреваются + сверху еще материала много.

Держите ссылочку. Разбор базовых вопросов. Мегаприятно и четко. На х2 залетело спокойно.

Курсы из моего поста, которые я писал ранее + этот видос с разбором вопросов покрывают уровень с очень значительным преимуществом.
Учитывая, что я делаю упор на Data Science, а не на специфики Python разработки...
Дерзайте, друзья!

Проекты. SimulatorML. SpamKiller.

Новое направление, которое я успел попробовать - проекты в SimulatorML.

Это не типичная задачка, за которую сел - подумал - сдал(Хотя от качественных промышленных задач в Симуляторе - очень много пользы, ну а в проектах - ещё больше).
Это проект, который нужен и бизнесу, и пользователям.
Это то, что развивается каждый день. То, на что ты напрямую влияешь и видишь свои результаты.

Проект в Симуляторе - это список продуктов от бизнеса, которые нужно реализовать.
Есть на выбор немалое количество проектов -> подаешь заявку -> принимают в команду.

Команда мечты? - это твоя команда в рамках проекта, в котором ты участвуешь.
Умные, замотивированные ребята, умеют писать чистый и производительный код, причем быстро.
Понимающие, быстро берущие задачи и выполняющие их с огнем в глазах.

К счастью, это не мечта, это реальность.

Невероятный опыт от выбора метрик, сбора датасета до вывода MVP в продакшн.
Вы проходите весь полный ML/Бизнес цикл. Принимаете требования заказчика, формулируете его
на языке ML, собираете датасет, разрабатываете модельку.
И сразу видите свой результат! Его можно щупать!
Вам выдается инфраструктура, у вас есть мощнейшие ребята( Богдан[Основатель Симулятора ML]
лично во многих местах давал бесценные советы)

А в резюме появится строка с Пет-проектами, где написано:
SpamKiller:
> Антиспам сервис, основанный на принципах машинного обучения
> Работает 24/7 на виртуальной машине
> Более 10000 пользователей
> Более 3500 обработанных сообщений
> Более 150 выявленных надоедливых, спамных сообщений
> Работает в чате Karpov.courses, Время Валеры.

А что вы знаете про бесценный опыт?

Как я готовлюсь к собеседованиям?
(На примере Академии Аналитиков Авито)

> Изучение компании

По Авито достаточно мало информации, пришлось потыкаться в беседах, на сайтах, позвонить знакомым. Очень емкая компания, вакансий у них очень мало, требования достаточно высоки. Узнал основателя, чем он занимается, где эта Академия двигается и по какому пути. Нашел много интересной информации, главное, что я выяснил: они действительно запарились над курсом, над нагрузкой, что большинство людей из ВШЭ, МГУ, МФТИ.
Что мне это дало?
Основатель очень ответственно относится к этой школе, она участвует в конкурсах, работают над узнаваемостью бренда.

> Проработка типичных вопросов

Благо, в академию они попросили выслать мое свежее резюме. Поэтому проработав резюме, я сразу подготовил ответы на вопросы "Расскажите о себе", "Что я умею". Текста обычно на эту тему я не готовлю.
Моя стратегия такая, что я выделяю несколько "зёрен" (основные достижения) из которых взращиваю поле (рассказ). Пока никто не жаловался.

> Подготовка к техническому собеседованию

Захожу на сайт Академии Аналитиков Авито, смотрю требования и программу обучения.
Вижу, что они требуют основы Математического Анализа, Линейной Алгебры, Теории вероятностей, математической статистике, основы программирования на Python.
В целом, стандартный набор.
Смотрю на обучение и курс начинается с машинного обучения.

Беру свою любимую книжечку по теорверу, построенную по принципам: немножечко теории, разбор задачек, самостоятельная работа с разбором, контрольная работа с ответами.
Много задачек, от простых к сложным, повторение тем и задачки прям идеально подходят на уровень собесов.

Беру любимый всеми mathprofi и читаем быстренько мат.стат первые главы. Mathprofi построен по тем же принципам: немножечко(необходимой) теории, разбор задачек, задачки для самостоятельного решения.

Прогу я не готовил отдельно, считаю, что базовые алгоритмы/структуры данных я знаю и могу написать в любой момент.
Но есть LeetCode, ни разу на него не заходил, но знаю много людей, которые там готовтся к собесам(по типу Yandex, где на эти задачки у них стоит большой и толстый).
Разбор базовых вопросов по Python на х2 глянул (я его смотрел, очень насыщенная и подробная подборка)

Перед собесами по ML я быстро пробегаюсь по Yandex Hanbook, он очень теоретический, но некоторые моменты повторить стоит(хотя за все время я прочитал его раз 10, но мне очень нравится материал).

Дополнительно я потренился с ChatGPT (кстати оч классный ботик в тг):
Prompt: "Ты Senior Machine Learning Engineer. Собеседуешь человека на вакансию Machine Learning Engineer с требованиями: <требования>, Машинное обучение. Задавай вопросы повышенной сложности, определи его глубину знаний материала.
Формат собеседования такой: Ты пишешь одно сообщение со всеми вопросами, а собеседующий пришлет тебе ответы на вопросы. Твоя задача оценить каждый ответ, дать подробный фидбек по ответам и итоговое решение собеседования"

Очень сильный буст к собесам дает, практикую уже не один месяц(BOGDAN вдохновил)

И примерно с таким сетапом я пошел на собес в ААА.
А что было дальше, узнаем чуть-чуть позже


SUMMARY для подготовки к собесу:
Теор.вер
Мат.стат
Python
ML
ChatGPT
Prompt: "Ты Senior Machine Learning Engineer. Собеседуешь человека на вакансию Machine Learning Engineer с требованиями: <требования>, Машинное обучение. Задавай вопросы повышенной сложности, определи его глубину знаний материала.
Формат собеседования такой: Ты пишешь одно сообщение со всеми вопросами, а собеседующий пришлет тебе ответы на вопросы. Твоя задача оценить каждый ответ, дать подробный фидбек по ответам и итоговое решение собеседования"

Всё бесплатно. Пользуйтесь, работайте по 90ч в неделю, братья!

Стажировка в М-Видео-Эльдорадо: Разработка (Python), Аналитика, Офис больших данных.

Привет всем!
В последнее время я был немного вне радаров [я исправляюсь-с, как видите-с], но сейчас возвращаюсь с отличной новостью: открылась уникальная стажировка в М.Tech! [По моим наблюдениями ее никто не форсил на просторах тг]

ЗП неплохая, 35к за 20 часов, затем повышение до 70к с повышением до 40 часов. Для стажера с такими вводными - более чем.

Требования для участия максимально доступные [особые привилегии участникам курсов ЯП и выпускникам ШК 21], поэтому если вы хотите попробовать себя в роли стажера, это ваш шанс! 💼

Важные детали и этапы:

1. Прокликать свои навыки: Полагаю, хоть это и не расфорсили, но отбор будет жестковат. Так что все навыки прокликать - обязательно для испытания своего шанса)
2. Загрузка резюме: Не забудьте отправить свое резюме до 30 ноября.
3. Телефонное интервью: Оно будет проходить на лайте, похожей на интервью в Сбере. Ваша задача – уверенно и с улыбкой отвечать на вопросы HR и интервью в кармане.
4. Собеседование: Последний этап отбора.
5. Начало стажировки: 29 января вы вступаете в свою новую роль!


Ссылочка на лендинг👇

LINK

За 3 месяца моего отсутствия, Я:

> поступил в Академию Аналитиков Авито (ААА)
> устроился на работу в BrandsGoDigital [с помощью pet-project, SpamKiller]
> стал сертифицированным ШАД Yandex преподавателем "Основы программирования на Python"
> стал одним из экспертов одной из цифровой программы по машинному обучению
> допинали KarpovAI [RAG] за пару вечеров до работающего состояния

> ушел из Академии Аналитиков Авито (ААА)
> уволился из BrandGoDigital
> уволился с основного места работы (ВУЗ)

> Купил SimulatorML на 9 месяцев
> Купил книжку Валерия Бабушкина по ML System Design
> Полюбил работу с Notion

Я стооолько могу рассказать..Го в комменты, про что хотим говорить дальше, за 3 месяца ваше виденье спокойно могло поменяться на другое русло. Да и поддерживайте друг друга реакциями в комментах 👇

Честно признаюсь, я сильно соскучився по вам.

Решил я по фану пройти собесы, но зашло все слишком далеко..

А теперь предстоит выбор:

Ведущий DS в СБЕРе vs Middle DS в Яндекс маркете..

Тяжело..Тяжело

смотрю паблик

и чет полгода назад я поступал в школы, а сейчас такие офферы прилетели

за это время изменилось все:

от курсов как изучать мл (я даже записал свой)

до подготовки к собесам

го в комменты, что сейчас востребованнее))

Я принял оффер СБЕРа.

Переломный момент на самом деле)

Прерывается моя первая продолжительная работа (это МАИ) - работаю я тут с ноября 2022г..