Из инженера-физика в специалиста по науке о данных: история Кирилла Журавлева
Выпускник курса «Инженер машинного обучения» Кирилл Журавлев с юности интересовался точными науками. Читайте, как он из инженера-физика стал специалистом по науке о данных.
Содержание
Как попал в karpov.courses
После выпуска из вуза я три года работал инженером-физиком. Подготавливал и проводил эксперименты, вместе с коллегами обрабатывали результаты, писали отчеты и статьи. Но в 2021 году мне захотелось чего-то нового — и я решил сменить работу.
Пока изучал рынок и рассматривал варианты, понял, что машинное обучение и наука о данных ближе всего к тому, чем я занимался ранее. Так и попал в karpov.courses. Понравилась, что онлайн-школа специализируется на этих направлениях. Еще зацепила харизма Валерия Бабушкина — одного из преподавателей.
Как проходило обучение
Было интересно, но никак не давалось A/B-тестирование. Сначала думал, что дело в подаче материала, поэтому старался разобраться в теме самостоятельно: читал статьи и форумы, смотрел видео. Эффекта не было, поэтому сделал вывод, что к теме просто не лежит душа.
А вот работать с FastAPI очень понравилось. Казалось, что инженер машинного обучения не выходит дальше Jupyter Notebook — среды разработки, где сразу виден результат выполнения кода и его отдельных фрагментов. Но это совсем не так, поэтому мне удалось базово освоить backend-разработку, что, на мой взгляд, может очень пригодится в работе специалиста.
Как проходил поиск новой работы
Работу я начал искать сразу по окончании курса. Смотрел вакансии на HeadHunter и на сайтах компаний: от банковской сферы и ритейла до IT-гигантов. Выбирал junior-позиции и стажировки.
Перед этим обратился в Центр карьеры karpov.соurses, чтобы мне помогли переписать резюме и упаковать опыт.
За два с половиной месяцев поиска получил пять приглашений на собеседование.
Как отразил свой опыт в резюме
Что в собеседованиях показалось самым сложным
Разговоры об опыте. Но мне повезло, потому что к желаемой должности я мог подвязать обязанности со своей предыдущей работы инженером-физиком.
По ощущениям, в Data Science в целом много людей из науки, а некоторые из них даже имеют научные степени. Поэтому к такому бэкграунду работодатели относятся положительно.
Кем сейчас работаю
Специалистом по науке о данных в «Лемана Тех». Провожу эксперименты, тестирую гипотезы, мониторю модели.
Когда только пришёл, мы делали со старшим коллегой рекомендательную систему, которая учитывает региональные особенности для закупок товаров в магазины.
Затем я разрабатывал модели для предсказаний товарооборота, чтобы бизнес мог расставлять приоритеты для развития магазинов. Началось всё с выбора данных, экстракции и подготовки. Затем проверка различных гипотез, MVP, итерационное ее улучшение, переход на ассемблирование. Осталось валидирование и подготовка к выходу в продакшен.
Совет студентам
Не опускайте руки после первых неудач. А еще ищите вакансии не только на HeadHunter, но и на сайтах компаний, через друзей и знакомых.
