«Приятно преодолевать тот уровень, который считал своим максимумом»: история Станового Максима

«Инженер машинного обучения» — пятый курс, который Максим Становой проходит в karpov.courses. Ниже он рассказывает о своем пути в профессию, делится опытом обучения в нашей онлайн-школе и тем, что мотивирует его продолжать. 

Интерес к машинному обучению

Он появился у меня еще в вузе, хотя профиль моей подготовки никак не был связан с наукой о данных. Я использовал студенческое время для поиска себя: пробовал курсы по тестированию, фронтенд-разработке, UX-дизайну. Машинное обучение меня тоже привлекало, но из-за пробелов в математике я думал, что не смогу стать хорошим специалистом в этой сфере. Поэтому просто интересовался прикладной стороной вопроса — смотрел, как ML применяется при разработке игр.

На текущей работе, будучи аналитиком данных, у меня появилась возможность лично пообщаться со специалистами по науке о данных и посмотреть, как модели влияют на реальные бизнес-процессы. Это настолько меня впечатлило, что решил углубиться в направление, несмотря на сомнения. 

Выбор профильного курса

Начал с бесплатных небольших курсов других онлайн-школ, но они мне не подошли. Подача у материала была сложная, да и не было тем, посвященных развитию важных для ML-специалиста навыков, например написанию API-сервиса. Зато были видеоуроки с практикой в JupyterLab или Google Colab. 

Подумал, что для экономии сил лучше выбрать более фундаментальную программу. Сразу вспомнил о karpov.courses, потому что уже обучался на курсах «Аналитик данных» и «Симулятор аналитика». А еще проходил бесплатные программы «Основы Python» и «Симулятор SQL». 

Впервые я пошел в karpov.courses на аналитика во многом из-за отзывов о сильном преподавательском составе.

Также влияние оказал тот факт, что спикером курса был Анатолий Карпов, чьи лекции по статистике на Stepik я с интересом смотрел, пока своими силами пытался разобраться в анализе данных.

Обучение в karpov.courses

Если описать одной фразой мой опыт обучения в karpov.courses — сложно, но интересно. 

Основным вызовом для меня является совмещение с работой. Например, на «Аналитике данных» я мог не успевать к обозначенным срокам, иногда пропускал занятия. «Симулятор аналитика» давался легче, потому что у меня уже был какой-то опыт. Из-за него я меньше думал об инструментах и больше о данных. 

Еще были сложности с некоторыми темами. Например, теорией вероятности, статистикой, А/Б-тестированием. Я часто пересматривал видео, снова и снова возвращался к конспектам, использовал подсказки при решении задач. Также разобраться в теме помогали сторонние источники. Если вам, как и мне, тяжело дается статистика, рекомендую книгу Владимира Савельева «Статистика и котики». В ней на пальцах показывают, как устроены базовые элементы и приемы математической статистики.

Из плюсов — ощущение преодоления себя и того уровня, который раньше считал своим максимумом, возможность поработать над интересными проектами. Особенно мне понравился финальный проект в блоке «Прикладная разработка на Python» на курсе «Инженер машинного обучения». Мы должны были создать простой API-сервис. 

Финальный проект в блоке «Прикладная разработка на Python»

Ранее вообще не имел представления о том, как это делается. Поэтому было интересно узнать и о тех инструментах, которые не используются при построении моделей, но являются неотъемлемой частью готового ML-решения. Например, веб-фреймворк FastAPI и библиотека Pydantic.

Планы после курса

Сейчас я учусь на курсе «Инженер машинного обучения». Когда он закончится, хочу немного замедлиться и закрыть пробелы в знаниях в собственном темпе. Например, прочитать «Высоконагруженные приложения» Клеппмана, чтобы лучше понимать, как устроены современные системы и куда встраиваются ML-модели. Еще буду разбираться в высшей математике. Курс дал мне базу, которой достаточно для работы, но хотелось бы также подробнее изучить внутреннее устройство моделей. Для этого нужно лучше понимать линейную алгебру, математический анализ, математическую статистику и теорию вероятности. 

Я много учусь, потому что хочу продвигаться по карьерной лестнице и быть на одной волне с опытными специалистами. А еще это какой-то учебный азарт: узнаешь что-то новое и хочется все больше и больше погружаться в тему. 

Вероятно, в будущем пойду учиться дальше — на курс «Продвинутое машинное обучение». 

Поиск работы

Работу аналитиком данных я стал искать после прохождения «Аналитика данных» и «Симулятора аналитика». Пользовался практически всеми ресурсами, которые давали в karpov.courses: и карьерным курсом, и чатом карьерного центра.

Я сдавал резюме на проверку, отправлял на «прожарку» в чат, изучал, как правильно оформлять портфолио и писать сопроводительные письма. Основной вклад, конечно, внесла «прожарка» в чате и в целом советы из карьерного курса по оформлению резюме. Без этого, как мне кажется, вряд ли бы смог хорошо презентовать свой учебный опыт в выгодном формате с точки зрения первичных HR-скринингов. 

Отрывок моего резюме на должность аналитика данных

Вакансии рассматривал исключительно на HeadHunter, а для откликов использовал два отдельно подготовленных резюме: под позиции аналитика данных и продуктового аналитика. 

На все про все потратил порядка полутора месяцев в режиме параллельного изучения материалов для подготовки к собеседованиям. При этом на деле самым сложным было удержать эмоциональные равновесие при выполнении задач в реальном времени и ответах на вопросы технической части. 

Текущая занятость

Приглашений, как и откликов, было не так много, поэтому и случай трудоустройства получился в какой-то степени необычный. Параллельно с прохождением собеседований в компанию мне написала HR из фирмы, в которой работаю сейчас. 

Рабочее место

Я прошел тестовое задание и попал на техническое собеседование. Изначально шел на него для тренировки, без особого понимания, хочу ли заниматься антифрод-деятельностью. Но в итоге все сложилось — и вот уже больше года я работаю здесь в крутом коллективе и с интересными задачами. Наша команда работает как над анализом потока клиентов для выявления мошеннических действий в моменте, так и над расследованиями уже произошедших инцидентов для предотвращения аналогичных ситуаций в будущем. 

В мои рутинные задачи входит:

• Анализ мониторингов в BI-системе по антифродовым и продуктовым метрикам, рассчитываемым на потоке клиентов.
• Проведение работ по улучшению и поддержанию работы действующей в потоке системы антифрода.
• Поиск аномалий в клиентском потоке с целью выявления фродового трафика. 
• Выгрузки и визуализация отчетности для внутренних еженедельных и ежеквартальных собраний, а также для предоставления регулирующим организациям. 
• Написание технических заданий на разработку по результатам анализа уязвимостей внутренней системы противодействия мошенничеству. 

С недавних пор обучаю и контролирую сотрудников, которые выполняют полевую часть работы: выгрузки статистики инцидентов или обращений клиентов за период по внутренним и внешним запросам, помощь в анализе отдельных мошеннических инцидентов, поиск аномалий в потоке клиентов для улучшения работы системы антифрода в целом.

Совет студентам

Обучение чему-то кардинально новому — непростая задача сама по себе, не говоря уже о том, чтобы учиться с целью смены профессии. Стресс в этом процессе — часть роста. Он сигнализирует, когда мы выходим за границы зоны комфорта и попадаем на территорию активного развития.

Поэтому важно заранее принять этот факт и держать его в голове на протяжении всего обучения и поиска работы. Это станет хорошей ментальной подстраховкой для тех моментов, когда стресс от объема новой информации или осознания своих теоретических пробелов начнет перевешивать любопытство и желание узнавать новое.