Как я учился рисовать и чем мне это помогло

В комментариях к постам спрашивали про хобби, и как они пригождались в жизни. Есть одно увлечение, которым я сейчас не занимаюсь активно, но так или иначе иногда всплывает - рисование. И оно оказалось весьма полезным в жизни.

🎨 Всё началось, когда я ещё учился в пятом классе и однажды захотел посещать художественную школу. Хотя группа в тот момент уже занималась, это не стало препятствием для моего желания творить. Мне очень нравилось рисовать, и моим первым успехом стал портрет молодого темнокожего кучерявого мальчика, которого я нарисовал по шагам, указанным в одной из книг. Получилось настолько здорово, что мама посмотрела на это и сказала: «Ладно, отправим тебя в художественную школу».

🥇 До восьмого класса я продолжал заниматься в художке и окончил её с отличием. Был ещё дополнительный курс для тех, кто хотел связать свою жизнь с художественными профессиями, но туда я уже не пошёл.

🧑‍🎨 Ближе к концу художественной школы я начал зачитываться разборами работ студии Лебедева, всячески осваивал Photoshop и учился рисовать уже на компьютере. Одновременно успевая интересоваться и программированием, и всякими оформительскими вещами, т.е. мог не только сделать frontend и backend, а ещё нарисовать графику для сайта.

🔎 Довольно неожиданно, но рисование пригодилось мне во взрослой жизни. Например, когда мы запускали курс на платформе «Яндекса», все логотипы курсов там нарисовал я. Не в итоговом виде, правда, у «Яндекса» есть свои дизайнеры, но на бумаге все логотипы придуманы мной. Периодически сталкивался с задачей «нарисовать логотип/мерч», когда мы стартапили с друзьями и однокурсниками.

🎓Увлечение рисованием помогло мне и в преподавании. Главное, на мой взгляд, — это делать так, чтобы твоему слушателю было понятно. И чем более сложные вещи ты можешь объяснить просто, но без искажений, тем ты круче как преподаватель. И для этого моё увлечение оказалось очень кстати.  

💡Конечно, я далеко не каждый слайд делаю произведением искусства, да и могу и целую презентацию вообще не причесывать. Но если нужно нарисовать какую-то понятную иллюстрацию, мне это в удовольствие, это медитативный процесс. Я нормально себя чувствую, если 7 часов делал презентацию к лекции и уже 5 утра. Нет ощущения, что потерял время впустую, потому что для меня визуал очень важен. Он помогает легче доносить какие-то вещи. А уж насколько это было полезно в начале работы в менеджменте - вообще молчу 😂

🎤 Срочный анонс!

Сегодня я выступлю на конференции МТС True Tech 2024 с темой «Карьера в ML. Треки, развилки и личный опыт».

Я расскажу, какие роли есть в этой индустрии, какие навыки для них нужны и по каким трекам здесь можно двигаться. И в финале дам карьерные рекомендации на основе моего личного опыта.

🤖 На самой конференции, кроме меня, кстати, выступает ещё много крутых спикеров в секциях Main, Development, AI/ML, Cloud и Science.

🎉 В общем, вот ссылка, буду рад вашему вниманию, я начинаю в секции AI/ML в 11:05 :)

Воины, маги и авантюристы в ML

🔥 Спасибо всем, кто пришёл на моё выступление на конференции МТС True Tech Day, внимательно слушал и задавал интересные вопросы. Если это были вы — вам отдельные лайки и огонёчки.

⚙️ Я очень рад, что каждый год проходит такая масштабная конфа, объединяющая как начинающих, так и опытных специалистов в IT. Я считаю, что её фокус, «Код науки и технологий», сегодня очень актуален и за ним будущее. Будущее, которое мы сегодня и обсудили.

🔮 В своём докладе я рассказал о возможных ветках прокачки в ML по аналогии с RPG-играми: за «воинов» были индустриальные эксперты, за «магов» - исследователи, за «авантюристов» - менеджеры и предприниматели :) Вместе с аудиторией мы разобрали как необходимые навыки, так и возможные варианты развития карьерных треков.

🚀 Также мы обсудили, как понять, в какую именно сторону развиваться, что помогает на старте карьеры, как совершать карьерные переходы, и многое другое.

Полное видео с выступлением и презенташку опубликую здесь чуть позже. Следите за обновлениями 🤖

Сегодня выступаю (точнее участвую в дискуссии) здесь: https://imlconf.com/schedule/days/

Давно с Петей не общались, вот даже без панели созвониться не можем 🤣

Стали топ-менеджером? Это ещё не конец :)

📈 Многим кажется, что карьера устроена следующим образом. Сначала вы работаете младшим специалистом, потом средним, потом уже ведущим (или на современный манер сеньором) и в какой-то момент начинаете руководить людьми. А потом вы становитесь руководителем, чьи подчинённые тоже руководители. Дальше вся эта история продолжается до момента, когда вы становитесь топ-менеджером и выше вас только гендиректор компании.

🚫 И на этом как будто бы всё. Если проводить аналогию, например, с образовательными учреждениями, то ситуация такая, как будто вы проректор и выше только ректор. Или вы заместитель министра, а выше только министр. А мест министра на всю страну уже совсем не так много :) Но на самом деле всё не совсем так.

🔝 Как только вы становитесь топ-менеджером, вам уже доверяют какой-то бизнес или функцию в компании. То есть большую и значимую часть на уровне компании. Можно сказать, что это начало вашей новой карьеры. Карьеры «большого руководителя», с долей здоровой иронии назовем это так.

🤔 Это значит, что дальше у вас есть много вариантов. Во-первых, вы можете расти как топ-менеджер, то есть становиться более профессиональным, более эффективным. У топов тоже много разных уровней и «лычек», и переход между этими уровнями может отражать ваш рост. Но надо конечно помнить, что «лычки» это не главное, главное — каждый день быть лучшей версией себя.

🌐 Во-вторых, помимо мысли «дальше можно вырасти разве что в CEO», можно принять тот факт, что теперь вы организатор высокого уровня. То есть теперь вам можно доверить управление большим бюджетом, большей командой людей. И в новых инициативах компании вас уже можно воспринимать как потенциального руководителя. Это может быть как запуск нового бизнеса, так и что-то некоммерческое вроде благотворительного фонда или просто какая-то большая инициатива в рамках всей компании.

🔎 В-третьих, поиском кандидатов на топовые позиции обычно занимается не «рядовой» найм в компании или «обычные» рекрутинговые агентства, а так называемый executive search. И после попадания в топ-менеджмент или даже просто на достаточно высокий уровень (ну еще желательно там хотя бы несколько лет поработать), вас начинают рассматривать как кандидата и на другие executive роли в других компаниях. Это целая новая жизнь, вы можете попробовать себя и в разных сферах бизнеса, и на разных направлениях.

🤫 Ну и в конце концов, после executive ролей есть ещё non-executive роли. Non-executive не в том смысле, что они ниже топов в оргструктуре, а в том, что вы можете участвовать в бизнесе в роли советника, члена совета директоров или вообще акционера. Так что попадание в топ-менеджмент это вообще не финальная стадия карьеры, это просто определённая веха в карьерном развитии. Во-первых, там еще поработать надо, если уж взялись за это дело, а во-вторых дальше тоже есть много всего интересного :)

🎬 Записываем с Серёжей Епихиным первый выпуск 2 сезона нашего подкаста ТехТок (первый сезон здесь: https://podcast.ru/1635293813 ).

🎥 Первый сезон был без видео, теперь добавили картинку и обновили концепцию. Будем не просто говорить с классными ребятами про их карьеру, а фокусно обсуждать с приглашенным экспертом одну из технологий на основе AI (беспилотные авто, голосовые помощники, GenAI и многое другое).

☝️ В этом сезоне пока планируем 8 выпусков, первый уже будет довольно скоро - следите за новостями

🎲 Последнюю пятницу весны хочется запомнить надолго. Лучший способ это сделать — подумать и дать в комментариях правильный ответ на вопрос нашего традиционного квиза.

После этого можно смело встречать лето :)

Почему я запускаю свой образовательный
проект по ML 📚 

Как я уже говорил в прошлых постах, я принял решение запустить новый образовательный проект по ML. Это будут платные онлайн-курсы, из которых я хочу сделать наиболее продуманное и наиболее интересное обучение ML из всего, что есть на рынке.

Вы спросите, зачем миру нужна ещё одна онлайн-школа? Ответ простой – низачем. Я делаю это, потому что это способ моего самовыражения. 

Я преподаю машинное обучение больше 14 лет и работаю столько же (да-да, я стал преподавать почти сразу, как начал работать). Начинал с того, что пытался объяснить простым и понятным языком, как работают алгоритмы, экспериментировал с форматами обучения. Всё это для того, чтобы найти подход ко всем ученикам. 

☝️Главный вывод, к которому я пришёл за годы преподавания – нужно любить свою аудиторию и хотеть помочь каждому разобраться и стать востребованным специалистом.

Мои ученики здорово реализуются в Data Science. И я бы не был так уверен в себе, если бы отбирал на обучение только гениев (так, кстати, зачастую работают топовые вузы). Я же работал с разными людьми и каждого считаю умным и талантливым по-своему. А для развития этих качеств нужно правильное отношение преподавателя.

Data Science – это огромная сфера, в которой есть очень много профессий. Даже если вы не технарь, а гуманитарий, вам тоже найдется место здесь. Моя мечта – сделать профориентационный проект, который поможет вам:
1️⃣ разобраться в большом количестве направлений DS,
2️⃣ глубже покопаться в одном из направлений, которое вам интересно,
3️⃣ найти себя и пойти развиваться именно в этой профессии. 

С моим опытом работы и преподавания в индустрии, тем, кому понравится мой стиль обучения, я точно смогу помочь разобраться и преуспеть в сфере работы с данными.

Следите за новостями и приходите на наши курсы :)
Вся подробная информация будет появляться в канале.

Как я запускал курс DMIA. Часть первая

🧑‍🎓 Расскажу, как формировался мой курс DMIA (Data Mining in Action), какие с ним были сложности и какие цели я ставил перед собой как преподаватель. Курс начался как спецкурс по машинному обучению — факультатив в МФТИ, когда мы вместе с заведующим кафедрой делали свой стартап. Он был руководителем, а в команде было несколько студентов. Стартап был посвящён интеллектуальному анализу текстов. Получается, 14 лет назад мы уже занимались тем, что находится на пике хайпа сегодня.

🔎 Мы пытались делать семантический поиск. Причём мы (студенты) тогда ничего не умели ещё сами, не проходили никакие курсы машинного обучения. И при этом нам нужно было привлекать других талантливых студентов к себе в стартап. У меня тогда еще не получалось собирать работающие алгоритмы, но получалось рассказывать про идею достаточно зажигательно, чтобы поднимать определённые инвестиции, что хотя бы давало ресурс для экспериментов.

🤔 Было понятно, что нам надо самим надо развиваться в теме машинного обучения и нужно откуда-то брать людей, которые будут владеть темой. Лучший способ разобраться самому и привлечь кадры - преподавание, поэтому мы сделали спецкурс, где лектором был тот самый завкаф и наш кофаундер Никита Пустовойтов. Он до сих пор работает в сфере анализа данных и фактически именно он привёл меня в тему машинного обучения.

📈 Постепенно из-за того, что нагрузка у Никиты росла какими-то чудовищными темпами и он брал много всяких интересных задач, так получилось, что курс полностью оказался на мне и трансформировался исключительно в мой курс. На него стало приходить какое-то безумное количество людей, и их число росло как снежный ком. Я просто старался понятно и интересно объяснять предмет, и этого было достаточно, чтобы слушателей становилось больше.

🏔 В какой-то момент я обнаружил себя читающим лекцию в аудиторию человек на 400, и она была забита битком. И места хватило не всем. Мне даже потом рассказывали, что людям на улице был слышен шум аплодисментов из аудитории. Это было, конечно, очень приятно. Я осознал, что курс разросся и надо бы его уже как-то забрендировать. Тогда была серия книг, которая называлась «[Название темы] in action». Мне очень нравилась идея показывать предмет именно в действии, поэтому я назвал свой курс Data Mining in action в качестве реверанса этой серии книг. Тогда еще было модно называть машинное обучение «в широком смысле» (т.е. вместе с работой с данными и exploratory analysis) Data Mining, отсюда и название.

Продолжение следует :)

Ответ на прошлый квиз уже по традиции не так прост, как кажется.

👴🏻 Те, кто помнят, что Фишер это кто-то очень древний и стоящий у истоков статистики, сразу выбрали Ирисы Фишера. И действительно, этот датасет был использован Фишером уже в 1936 году, чтобы показать, что можно построить линейный классификатор как честное формальное математическое решение оптимизационной задачи. Т.е. рассчитать коэффициенты в формуле так, чтобы ошибка на датасете была минимальной. Именно с линейного дискриминанта Фишера я бы вел отсчет истории машинного обучения, пусть тогда это так и не называлось.

🚢 Но есть в этом квизе место и для «горя от ума». Многие помнят, что Титаник затонул в начале 20 века, а точнее в 1912 году, что действительно раньше работ Фишера. И тут начинаются риторические вопросы: что считать датой появления датасета? Ведь фактически, когда Титаник утонул, все данные уже появились.

🤔 Если считать так, то самые старые датасеты, конечно, будут не про Титаник и Ирисы, а про какое-нибудь реликтовое излучение в космосе, так что на мой взгляд правильно считать датой появления датасета первое применение этого датасета для какого-то анализа или построения модели. Также логично вести речь про конкретный набор данных, а не про все аналогичные датасеты, т.е. изначально сформированный на бумаге список пассажиров + список погибших (тоже на бумаге) датасетом Titanic не считаем.

🤓 Окей, тогда идем в Гугл и выясняем год первого упоминания о датасете Titanic. Находим ссылку на статью 1995 года. Датасет мог использоваться раньше, но вряд ли настолько, чтобы появиться раньше ирисов Фишера

Итог: все же ирисы Фишера как датасет появились раньше (из всех перечисленных вариантов).

Однажды я проводил в родном городе выездную олимпиаду МФТИ по физике и математике. Точнее проводил я её много раз, но тот случай был особенным.

Мы с друзьями из других технических вузов (никогда не отказывавшимися помогать с проведением олимпиады и даже консультаций перед ней) решили развести максимум серьезности и строгости. Во избежание списывания, мы выдавали бумагу для черновиков и финальных решений сами. Каждый лист должен был быть подписан нами, инородные листы бумаги не проверялись.

И вот у одного девятиклассника закончилась бумага, и он попросил у нас дополнительную, добавив «хотя возможно такому идиоту как я не имеет смысла её давать». Беглого взгляда на его черновики хватало, чтобы заметить, что решенных задач в них было весьма не густо, но мне все равно не понравился его настрой. Я взял чистый лист бумаги, подписал его, сделав валидным для решения на нем задач олимпиады, и дописал: «Ты не идиот, верь в себя!».

Вчера он закончил МФТИ :)

О той истории я давно забыл, но её герой сам мне напомнил шесть лет назад, когда уже поступив на Физтех, проводил выездную олимпиаду вместе со мной.

Выводов не будет, просто история, от которой мне тепло на душе. Всем хорошей недели! ☀️

Анкета для тех, кто хочет погрузиться в ML

Итак, в постах выше я уже раз пять или десять упомянул, что мы с моей командой разрабатываем образовательно-карьерный продукт по ML. Нам важно сделать его качественно, поэтому обращаюсь к тем, кто хочет погрузиться в ML как в свою первую специальность или перейти в ML из другого направления.

Пройдите, пожалуйста, небольшой опрос: https://forms.gle/Du2yKQjvzAFHqaKd7

С некоторыми из тех, кто оставит свой контакт, проведем с командой встречу, чтобы узнать больше о вас и вашем пути. Также на основе ваших ответов буду выкладывать полезный контент в канал. Буду очень признателен всем, кто пройдет опрос :)

Какое название ML-школы мы выбрали?

Итак, пораскинув мозгами и почитав ваши идеи для названия нашего проекта, мы с командой всё-таки определились с названием школы. Называться она будет MLinside (хотя вариант "Кантора" никого из нас не оставил равнодушным 😂)

Почему именно так? Во первых, для меня, как для человека, который действительно живет с машинным обучением в сердце, здесь есть некий метафорический смысл. Я верю, что, занимаясь чем-то, намного проще это делать, когда ты это любишь. Поэтому главное, чего мы будем добиваться – делать так, чтобы вы, наши слушатели, влюблялись в ML, чтобы тема стала для вас чем-то большим, чем просто обучением📚 Я считаю, что сейчас самое время влюбляться в машинное обучение, ведь лет 7-10 назад я и представить не мог, что когда-нибудь смогу объяснить своей бабушке, чем я занимаюсь. А сейчас про машинное обучение, искусственный интеллект знают все.

Другая отсылка, конечно, к intel inside. К тому, какие чувства это во мне вызывало в детстве: внутри компьютера, машины, которая так многое может, есть процессор – в некотором смысле сердце вычислений. И здесь хочется, чтобы ML стал сердцем вашей карьеры и вашего будущего.

Также мы заводим новый телеграм-канал, который будет посвящен непосредственно школе MLinside. На него обязательно нужно подписаться, так как все ключевые новости про образование будут выходить именно здесь ⬇️

https://t.iss.one/ml_inside

🎲Пятница — время наших традиционных квизов. И сегодня квиз посвящён прогнозированию временных рядов.

Угадывайте и пишите ваш вариант ответа в комментариях под постом ;)

Как я решился на создание школы и уход из топ-менеджмента 😱

Я всегда хотел открыть свою школу машинного обучения. Много лет я преподаю в МФТИ, веду курсы в крупнейших российских компаниях, но я глубоко B2C-шный человек. В том смысле, что какой-то большой заказчик курса, будь то университет или компания, всегда ограничивает творчество. Делать продукт для людей - будь то курсы по выбору в универе (там все гораздо гибче, чем в обязательных) или наша с коллегами онлайн-специализация на Coursera - всегда доставляло мне гораздо больше удовольствия.

Кроме того, за время работы в индустрии у меня выкристализовывался свой взгляд на подготовку специалистов, причем дополненный с разных уровней: линейного сотрудника, руководителя, руководителя руководителей и вообще с точки зрения топ-менеджмента компании. Каждый этап в карьере дополнял картину идеального образовательно-карьерного продукта как огромный пазл, и в своей школе мне хотелось показать его целиком. Тоже не сразу, тоже плавно и своевременно подводя к нужным шагам, но вести слушателя к результату со знанием дела и с пониманием всего пути целиком.

🧩Этот образ пазла и является ответом на вопрос, что же подтолкнуло меня запускать MLinside.

В этом году я успешно доработал до конца первого топ-менеджерского срока (да, кто не читал посты выше - на C-level все по срокам) и могу сказать, что теперь я увидел картину со всех уровней. Кроме того, за мою карьеру мне посчастливилось заниматься внедрением ML в ритейле и e-commerce, телекоме, банках, рекламе, райдтехе и даже немного в промышленности. Покрытие сфер тоже получилось близким к максимальному для одного человека. И я увидел общие задачи и паттерны применения ML в бизнесе, о чем тоже теперь могу рассказать (и что мы готовим в материалах одного из первых наших курсов).

☝️Есть и другая причина, почему я наконец решился открыть школу. После работы в топ-менеджменте моя профессия наконец вывела меня на определенный уровень финансовой независимости (это когда уже не обязательно работать на стабильной надежной наемной работе, чтобы сохранять комфортный уровень жизни). Сразу же встал вопрос, чем же теперь заняться, чтобы с одной стороны получать от этого максимум удовольствия, а с другой стороны иметь возможность полностью себя посвятить новому делу и построить что-то большое и значимое. И за 15 лет я конечно уже понял ответ (да и все, кто меня знают, мне прямо это сказали :) - образованием.

💭Главная идея школы - сочетать разработку курсов с душой, от тех, кто любит свою предметную область, глубоко в ней разбирается и хочет делиться знаниями, с тем, чтобы все эти курсы собирались в один огромный пазл, который приведет вас к любому уровню в data-профессиях, если приложить достаточно усердия и внимания. Во время поверхностности, превосходства форм над содержанием, борьбы за ваше внимание, а не за результат, мы в MLiside - за глубокий продукт, который сделает вашу жизнь и вашу карьеру более полной и значительно более счастливой :)

⚠️ Это большой риск, потому что все деньги образовательного рынка сидят, конечно же, в инфоцыганстве: минимум расходов, попсовые продукты для широкого потребления, никакого экспертного фокуса и затрат на экспертов в команде.

🎨 Но наша философия сделать все иначе, потому что «мы так видим». И здесь кроется еще одна причина, почему я решился. Возник прецедент. Примерно тогда же, когда я пришел в топ-менеджмент, Толя Карпов и Беслан Курашов запускали свой Karpov.Courses. И пока я познавал тонкости работы в руководстве большой группы компаний, ребята построили самую крутую и неинфоцыганскую онлайн-школу DS. Я часто радуюсь успехам других людей, потому что для меня это позитивный сигнал: «смог Вася, значит смогу и я». Так сработало и тут. Толя и Беслан смогли построить бизнес на сотни миллионов выручки, не скатившись и сохранив верность очень высокой планке качества. До них я считал, что это неминуемо приведет к разорению. А теперь я хочу повторить их опыт по-своему и на многое решился для этого :) Толя, Беслан, если вы читаете этот пост - спасибо вам огромное за вдохновение 🙏❤️

🎬 Новый сезон подкаста

😥 Оказалось, что самое трудоемкое это отсмотреть видео и составить список всех вставок с картинками и пояснениями текстом к аббревиатурам, терминам и событиям в развитии технологии, чтобы подкаст было комфортно смотреть не только тем, кто работает в DS, но и их знакомым и друзьям.

💡Пока я занимаюсь этой кропотливой работой, напомню вам, о чем были выпуски прошлого сезона подкаста (тогда еще в голосовом формате). Первым гостем был Александр Фонарев, основатель компании Rubbles, лауреат Forbes 30 до 30 и фактически автор и руководитель ШАДовского практического курса по машинному обучению (т.е. семинарской части курса). Послушать (если еще нет) можно здесь: https://podcast.ru/e/18TtWlj.2Ln

🙏 Btw, если кто-то хочет помочь мне с написанием табличек со вставками в видео вида таймкод-картинка-текст - пишите в личку :)