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».

Как выбрать профессию и не промахнуться? Есть проверенный способ: выписать все ее плюсы и минусы. Например, мы сделали так со специальностью fullstack-разработчика.


Плюсы профессии

➕Востребованность:
fullstack-программист может заменить 3–4 специалистов. Это позволяет клиентам экономить, а разработчику — регулярно получать заказы.

➕Потенциал для развития:
благодаря пониманию разных сфер разработки всегда можно выбрать более узкую специальность и погрузиться в нее.

➕Удаленная работа:
клиенты и работодатели охотнее соглашаются на такой вариант, поскольку им достаточно иметь дело с одним специалистом, а не координировать целую команду.


Минусы профессии

➖Слишком общие компетенции:
загрузка большая, и если начать «глубоко копать» отдельные аспекты — качество работы в целом может снизиться.

➖Размытая сфера ответственности:
у коллег может возникнуть иллюзия, что fullstack-разработчик умеет все — и ему начнут передавать задачи других специалистов.

Наша подробная статья о профессии
https://amp.gs/6tBY

Когда мы говорим о Data Science — подразумеваем три основных направления: искусственный интеллект, машинное обучение и глубокое обучение. И если с первым все более-менее понятно, то два типа обучения бывает непросто различить.

Разобраться нам поможет Татьяна Перевышина ― аналитик Высшей школы урбанистики и преподаватель анализа данных в ВШЭ.

«Машинное обучение ― это подмножество искусственного интеллекта. Главная задача тут ― создать алгоритм, который будет составлять прогнозы на основе данных. Чтобы обучить алгоритм сортировать картинки с изображением яблок, мы должны вручную прописать все критерии отбора: цвет, форму, размер и т. д.

Глубокое обучение ― в свою очередь, подмножество машинного обучения. Здесь уже есть способность самостоятельно выявлять критерии отбора информации. Если мы загрузим в нейронную сеть большой объем картинок с яблоками, она сама проанализирует их и выделит отличительные признаки.

Кажется, что глубокое обучение намного совершеннее машинного, поскольку может решать задачи без участия человека. Однако глубокое обучение нескоро заменит машинное, потому что требует больше производственных мощностей и обходится дороже. К тому же в некоторых случаях просто нет необходимости прибегать к глубокому обучению, потому что машинное справляется лучше».

#сменапрофессии

Уход на удаленку многим сохранил 2-3 часа жизни в день, которые раньше уходили на дорогу и прочую ерунду. На что вы стали их тратить?

Героиня нашей статьи — на образование. Лариса Петрова занималась медицинскими данными в компании в Чебоксарах, но хотела развиваться, а не стоять на месте. За 4 месяца она смогла поменять карьерный вектор и найти работу по новой специальности.
Полная история — по ссылке:
https://amp.gs/6nmO

Уничтожение пришельцев по hex-кодам, JavaScript в лабиринте, SQL-запросы для поиска убийцы и другие интерактивы, которые помогут развлечься и освоить программирование. Читайте и играйте.

#блогSF
#программирование

Вы могли заметить, что сегодня наши (и не только наши) сайты были недоступны: при попытке зайти появлялось сообщение о проблеме с сертификатом безопасности.

Сейчас все уже в порядке, мы не захвачены хакерами — заходите смело:) Причина была в сбое у нашего партнера, который занимается сертификатами безопасности, фильтрацией трафика и защитой от DDOS-атак.

Как не допускать подобных неприятностей? Это знают специалисты по информационной безопасности и вебу. Если хотите стать одним из таких востребованных профи — добро пожаловать на курсы:

• Этичный хакер — все про сетевую безопасность и тестирование на проникновение
• Frontend-разработчик — здесь можно в том числе изучить принципы работы сайтов в вебе.

Итак, вы решили самостоятельно учиться на программиста. Как активировать в себе «защиту от лени»? Где искать качественную информацию? Как побороть страхи и не бросить на полпути?

Расскажем об этом на онлайн-митапе — доступ бесплатный при регистрации, записывайтесь:
https://amp.gs/6kLI

В эту субботу приглашаем вас за 3 часа узнать все главное о профессии Data Analyst. Зачем? Вот 3 причины навскидку.

1. Востребованность: на аналитиков данных огромный спрос во всех индустриях, и он только растет.

2. Доступность: 7 из 10 специалистов пришли в эту профессию из совсем других сфер без релевантного опыта.

3. Высокие доходы: после 6 месяцев обучения с нуля вы сможете зарабатывать от 60 000 ₽, а еще через год — от 200 000 ₽.

Онлайн-интенсив бесплатный при регистрации:
https://amp.gs/6hF1

Наверняка среди ваших знакомых есть те, кто в последние годы попали под сокращение, даже с руководящих должностей. Дмитрия Зиброва постигла та же участь, но поначалу он не стал искать работу — остался дома с ребенком.

Прошло три года, настала пора двигаться дальше. Как выбрать для себя новую профессию в 37 лет и найти работу по профилю?
И как не сдаться после 150 безуспешных откликов на вакансии?

Читайте полную историю Дмитрия в нашем блоге

#сменапрофессии

Уже завтра, 27 апреля пройдет наш совместный с проектом GetMentor.dev онлайн-митап.

Каково это — быть ментором? Как лучше подготовиться к первой встрече с подопечным?
Как наладить полезную и нетоксичную обратную связь? Как быть с «трудными» менти?

Обо всем этом поговорим завтра, в 19:00 по МСК.

Попасть на митап можно, заранее пройдя регистрацию по ссылке.

Factory Talks — онлайн-митапы об образовании, технологиях и всём, что с ними связано. Мы приглашаем спикеров поделиться своими знаниями и опытом, нестандартными кейсами, а зрителей — задать вопросы и рассказать о том, что их волнует.

Запускаем рубрику #обзорпрофессии, в которой действующие профи разбирают свою специальность на личном опыте.
Глеб Синяков рассказывает, как он работает с данными в компании «Тинькофф» и почему стал дата-сайентистом, описывает типичный рабочий день и дает полезные советы новичкам.

https://amp.gs/6RdM

«Стоит ставить себе конкретную реалистичную цель. Например, освоить за два года Data Science и устроиться на работу по профессии — хорошая цель. А плохая цель — получать 300к через два месяца после бесплатных видео. Естественно, так не сработает.
Помимо цели нужно иметь четкий план, по которому ты будешь идти. Ну и третье — иметь возможность получать профессиональную обратную связь. Без нее ваш путь может существенно замедлиться».

Узнайте на бесплатном онлайн-митапе, как начать и развивать карьеру в Data Science, и получите лайфхаки про резюме и собеседования от IT-рекрутера из Яндекса. Мы расскажем об ожиданиях рекрутера, как грамотно составить резюме и рассмотрим реальные кейсы перехода в Data Science из других сфер.

Записывайтесь
https://amp.gs/6Nj3

#СоветыВыпускников
Сегодня советом делится Марина Шмайгер, продуктовый аналитик из Британии
(обязательно почитайте ее историю):

«При смене профессии я бы советовала действовать и стратегически, и тактически. Для разработки собственной стратегии мне помогли книги Юваля Харари. Для себя я определила основные тренды — это большие данные и психология людей. Далее выбрала, в каких профессиональных направлениях и отраслях хотела бы развиваться. Например, меня очень интересует тема компьютерной безопасности, и когда-нибудь я бы хотела попробовать поработать в отделе расследований или предотвращения цифровых преступлений.

Считаю, что стоит выделить свои сильные стороны и максимально их прокачивать. Не нужно думать, что рынок перенасыщен, все занято и хороших вакансий не найдешь. У меня есть друг-предприниматель, который переехал в Голландию и открыл там бизнес. Он как-то сказал: „В каждом мешке картошки найдется место для стакана муки“. Можно всегда просочиться куда-то. Поэтому не нужно бояться, все получится».

«Кем вы себя видите через 5 лет?» — забудьте о таких вопросах. Собрали для вас топ-20 реальных вопросов, которые работодатели задают дата-сайентистам, чтобы проверить уровень их знаний. Теперь вы готовы.

https://amp.gs/6DMg


Кстати, студентам наших курсов, например по Data Science, к собеседованию помогают подготовиться опытные менторы и специалисты Карьерного центра.

https://amp.gs/6DME

Разные задачи в бизнесе требуют разных специалистов. В аналитике это различие не всегда на виду. Вместе с Андреем Макеевым, бизнес-архитектором Комус, попробовали разъяснить разницу и проставить границы.

«Бизнес отталкивается от четырех параметров при выборе специалиста и используемых систем: качество результата, доверие, эффективность и минимизация трудозатрат.

Задачи могут быть совершенно разного масштаба и типа. Определенно, есть те, которые требуют просто экспертизы. Такие традиционно отходят финансовым аналитикам, маркетинговым или продуктовым и т.д.

А есть задачи, где требуется обработка большого объема данных, нужно более сложное, технологическое решение. Вот тут и необходимы аналитики данных.

Я считаю, в бизнесе все должно прийти к тому, что аналитик данных должен будет закрыть обе области».

Наш курс «Этичный хакер» содержит в себе больше количество важной информации и дает серьезные навыки по взлому серверов. И мы всегда напоминаем студентам и слушателям вебинара, что
«С большой силой приходит и большая ответственность».

Для всех экспериментов существует тестовая лаборатория, а не открытый интернет.

Помимо чисто этической стороны, есть еще и банальная уголовная ответственность.

Кстати, обычным пользователям тоже полезно знать, как закон защищает вас в цифровом мире.


272 УК РФ
Неправомерный доступ к охраняемой законом компьютерной информации.

273 УК РФ
Создание, использование и распространение вредоносных программ.

274 УК РФ
Нарушение правил эксплуатации средств хранения, обработки и передачи компьютерной информации и информационно-телекоммуникационных сетей

274.1 УК РФ
Неправомерное воздействие на критическую инфраструктуру Российской Федерации

Давайте разберемся, кто такой Big Data Engineer, что он делает и чем отличается от Data Analyst и Data Scientist. Этот гайд пригодится вам, если вы интересуетесь работой с большими данными или присматриваетесь к новой перспективной профессии.

https://amp.gs/6Ftj

Антонина Гераськова заинтересовалась работой с данными еще в универе, поработала аналитиком в Сбере, а затем прошла курсы SkillFactory и устроилась к нам младшим аналитиком.

Читайте в рубрике #сменапрофессии ее историю: о помощи карьерного коуча, сложностях поиска работы после ВУЗа и о том, как сбылась мечта.

https://amp.gs/6Fd4

«Если в прошлой моей компании почти не было женщин, то в новой уже почти только девушки, что радует. Насколько я изучала эту тему, проблема в отсутствии ролевых моделей в IT, примеров успешных женщин, которые вдохновят новичков. Понятно, что есть проблемы стереотипов, но я считаю, что девушкам стоит чаще заявлять о себе: мы есть в IT и успешно работаем. Меня это вдохновило в свое время, и я хочу своим опытом помогать другим».