Вы знали, что 7 из 10 аналитиков данных пришли в эту профессию из других сфер и без релевантного опыта?

20 марта поговорим об этом и всем остальном, что касается карьеры аналитика: задачах, специализациях, зарплатах, перспективах. А еще научим собирать дашборд.

Онлайн-интенсив бесплатный, но количество мест ограничено, записывайтесь:
https://amp.gs/cIKj

Дальновидный iOS-разработчик создает не только мобильные приложения, но и свой профессиональный бренд на рынке. Как это делать — рассказывает Владислав Прусаков, iOS Tech Lead в Mail Ru Group.

❓ Что такое профессиональный бренд?
Это ваша узнаваемость в профессиональной среде. Если о вас и ваших успешных проектах знают не только близкие коллеги, но и другие разработчики — поздравляю, у вас уже есть бренд.

📈 Зачем его развивать?
Успешный разработчик не ищет проекты ― они находят его сами. Рекрутеры крупных компаний часто «присматривают» специалистов на тематических ресурсах. Будьте активны, заявляйте о себе — и, возможно, вас заметят в Mail Ru или Сбере.

📚 Библиотеки и статьи
Самый очевидный способ заявить о себе в профессиональной среде ― поделиться полезной информацией. Вы можете составлять библиотеки или писать статьи — главное, чтобы они действительно помогали другим разработчикам.

🎤 Конференции
Для тех, кому недостаточно славы автора познавательных кейсов, существуют тематические конференции. На них можно вживую пообщаться с коллегами из разных областей и обзавестись полезными знакомствами.

💡 Еще один повод выучить английский
Статьи на английском языке значительно повысят ваши шансы попасть в поле зрения рекрутеров международных компаний и однажды стать сотрудником Google или Amazon.

Приглашаем на первую международную конференцию по анализу данных Data Fusion от ВТБ и «‎Сколково»!

👨‍💻 100 спикеров из России и других стран
🚀 5 000 участников со всего мира

Представители бизнеса и специалисты по Data Science обсудят возможности и перспективы подхода Data Fusion для работы с большими данными и искусственным интеллектом.

• Опыт применения технологий Data Fusion
• Первые результаты использования концепции Data Fusion
• Новый подход в создании продуктов
• Влияние на эффективность бизнеса
• Развитие тренда в ближайшем будущем

Конференция пройдет в онлайн-формате, участие бесплатное,
нужно только зарегистрироваться.

Что нужно, чтобы вас взяли на работу без опыта?
Правда ли, что работодатели не любят выпускников онлайн-курсов?
За что могут уволить аналитика?

Ответим на эти и другие сложные вопросы на онлайн-митапе 28 марта в 12:00 (Мск).

Бесплатно для всех, кто зарегистрируется заранее: https://amp.gs/ckL5

Напоминаем о завтрашнем мастер-классе! Осталось всего несколько мест😉

Обязательно приходите, если вас посещали такие мысли:

Я бы мог(ла) научиться программированию, но…
• у меня дети и ипотека
• нет профильного образования
• мне за 30
• я не знаю английский

Мастер-класс основан на реальных событиях. Возможно, история нашего героя поможет вам взглянуть на ситуацию по-новому.
Регистрируйтесь:
https://amp.gs/QsYm

Android или iOS? Актуальный вопрос не только для покупателей смартфонов, но и для начинающих разработчиков мобильных приложений.

iOS-разработчик и техлид в Mail Ru Group Владислав Прусаков недавно выступал на нашем онлайн-интенсиве и рассказал, почему выбрал именно эту платформу:

«Во-первых, из-за карьерных перспектив. Вы сможете участвовать в самых продвинутых проектах и решать интересные нестандартные задачи, с которыми вам помогут разобраться коллеги из развитого комьюнити разработчиков.

Во-вторых, из-за возможности работать с мультиплатформенными приложениями. Один и тот же код подходит для запуска программы и на телефоне, и на планшете, и на компьютере. К тому же нет необходимости поддерживать старые версии кода ― при обновлении системы практически все пользователи переходят на нее в течение года».

Если вы уже выбрали для себя iOS — приходите к нам на курс и становитесь мобильным разработчиком: https://amp.gs/cV8U

Дмитрий Крылов (Data Scientist Teacher в GoTo, Researcher в Biomedical Imagen Group) уверен: профильное высшее образование необязательно, освоить профессию можно и самостоятельно. В этом помогут книги, форумы и каналы, списком которых поделился Дмитрий.

📗Учебники:
• «A Byte of Python»
• «Глубокое обучение. Погружение в мир нейронных сетей» Кадурин А. А., Николенко С. И.
• «The Elements of Statistical Learning» T. J. Hastie

💻Форумы:
• ODS.ai
• MEDIUM
• Towards Data Science
• KDNaggets

✉️Телеграм-каналы:
• @bigdata_ru
• @ods_ru

Помимо освоения теории важно прокачать практику — для этого подходят стажировки в крупных компаниях и курсы с преподавателями из индустрии, которые дают фидбек по заданиям. Например, наш курс по Data Science с поддержкой Карьерного центра: https://amp.gs/c467

Думаете, рок-звезды разработки не ошибаются?
Hold My Beer!

Нет учителя лучше неудач, считает автор статьи. Мы же только добавим, что бывает полезно изучать и чужие ошибки.

https://amp.gs/cSB2

Многие считают, что пентестер — почти хакер. Но в чем заключается это «почти»? Может, в сумме и способах заработка? Спойлер: не только.

Не смогли удержаться и не показать вам сразу картинку с песиками из статьи, а остальное смотрите по ссылке.
https://amp.gs/cqON

Дата-сайентисты не носят плащей и не летают, зато строят прогнозные модели, создают ботов и работают с данными практически во всех научных областях. Как стать одним из этих супергероев?

Своим пошаговым планом получения профессии поделился Дмитрий Крылов ― Data Scientist Teacher в GoTo, Researcher в Biomedical Imaging Group, автор научных статей.


Шаг 1: изучите Python
Сделать это можно самостоятельно (например, по книге A Byte of Python) или на онлайн-курсах.

Шаг 2: подтяните математику
Вам не понадобится высшая математика с последнего курса университета, но без алгоритмики и методов математической оптимизации не обойтись.

Шаг 3: освойте SQL
Так вы научитесь управлять большими объемами информации, делать запросы и выводить нужные показатели.

Шаг 4: познакомьтесь с GIT
Этот ресурс позволяет работать над проектами в команде, контролировать изменения и возвращаться к ранним версиям при необходимости.

Искусственный интеллект изначально создали для облегчения жизни на Земле. Но что мешает с его помощью изучать и осваивать космос? Вот и ученые так думают.

После десятилетий исследований и обработки огромного количества данных наука собрала полную картину движения Земли в космосе в любых масштабах. На это стоит посмотреть!

https://amp.gs/c3L0

#инфографика

«Танцам я отдал 17 лет, а потом понял, что это не мое».
Герой нашей истории пришел к успеху не сразу, перепробовав множество профессий. Можете представить бывшего танцора и прораба на позиции аналитика в Минэнерго? Очень зря, если нет: это реальная история Евгения Денисенко, нашего выпускника.

Почему он начал изучать именно Data Science и как нашел новую работу, читайте в нашем блоге.

В марте прошел межгалактический хакатон, который совместно запустили в полет НИТУ МИСиС и проект SkillFactory по работе с вузами Zavtra.Online.

Одним из кейсов была кластеризация изображений от компании IntelliVision: участникам выдали очень разные картинки транспорта (по типу, цвету, ракурсу, деталям) и поставили задачу разбить их на кластеры и интерпретировать каждый.

Как справились с вызовом финалисты хакатона? Читайте в статье:
https://amp.gs/c54p

Загрузив и установив пакет из популярного «надежного» источника, вы по сути полностью доверяете ему благополучие своего компьютера и данных. Может ли эта слепая вера быть использована злоумышленниками?

Конечно, может — и вот как:
https://amp.gs/c6Up

Какие компетенции необходимы разным специалистам в области Data Science — рассказывает Татьяна Перевышина, аналитик Высшей школы урбанистики и преподаватель анализа данных в ВШЭ.

«Представители всех современных дата-профессий должны обладать навыками разработки, владеть математикой и экспертными знаниями. В зависимости от того, что из этого сильнее прокачано, можно выделить 4 профессии:

🔹Математика = ML-исследователь
Занимается теоретическими исследованиями в области машинного и глубокого обучения

🔹Математика + разработка = ML-инженер
Применяет разработанные ML-исследователями алгоритмы для решения конкретных бизнес-задач

🔹Математика + экспертные знания = аналитик данных
Создает алгоритмы для обработки, анализа и визуализации данных и предлагает варианты их использования

🔹Разработка + экспертные знания = Data-инженер
Разрабатывает алгоритмы для сбора необходимых данных».