Как научиться чему-то новому и не попасть на разводку

[Правки 1.2]

Так случилось, что с профессиональной точки зрения я всегда работал с данными, которые или "закрепощены" в рамках моего ПК (пример - обработка данных при написании научных статей или какой-либо банальный финансовый анализ или банальный стат. анализ данных в экселе) или рамках БД на SQL (с определенными извращениями, конечно).

При этом приходилось сталкиваться с задачами, очевидного решения которых я не видел с помощью своего набора инструментов. То есть алгоритм анализа мне понятен, но, к примеру, сочетание PostgreSQL + PHP для решения такой задачи не подходит, потому что:

i) уйдет много времени на "быдло-код";

ii) гонять регрессии в PHP не очень православно (коммьюнити Python гораздо "живее" и примерами полнится интернет);

iii) перемножать матрицы в БД немного похоже на святотатство (хотя при определенных обстоятельствах может это и будет работать);

iv) писать много быдло-кода для задачи "на 15 минут" смерти подобно;

v) руками делать каждый день через CSV выгрузки-загрузки в Eviews - еще хуже;

И так получилось, что со временем пришло четкое осознание фактов, что:

• Навыки финансового анализа должного уровня либо коммодитизируются, либо не пользуются спросом, т.к. проекты у нас зачастую оцениваются "правильно" не там, где все остальное делается "правильно" (проще говоря - либо все делается через жопу, либо людям нужен человек, который до 50 лет будет только DCF считать);
• Навыки программирования с ростом популярности высокоуровневых языков - тоже коммодити. Не даром есть всякие шутки про "ко-ко-ко", "веб-макак", "байтослесарей" и прочее. Если вы не готовы "закоптиться" в 2-3 из интересных вам технологий и разбирать legacy-треш (берите Яву - она самая дорогая, и не очень сложная) и видеть код 99% времени и работать на dead end job и быть замененным следующим поколением "молодых специалистов" с минимальной з/п и 99% времени "развиваться чтобы не отстать", вероятно это тоже не про вас. Я не говорю, что написание кода и программисты это плохо, я говорю, что алгоритмы вечны, а код - только инструмент со своим жизненным циклом. Также просмотр заказов на фриланс-биржах подсказывает, что 90% людей юзает одноразовые фреймворки или 1С и готово платить 100-200 рублей в час;
• Внезапно, если вы захотите работать не в Noname компании, то вас будут оценивать...не очень разбирающиеся в теме люди по ключевым словам, которых не понимают (смотрите ссылку выше про программиста);

В качестве иллюстраций приведу пару скриншотов из курса, который сейчас слушаю. Курс про работу с данными, но сколько времени вы тратите на разбирание "говн" других людей на своей работе вместо реальной работы, товарищи?

Также во всех проектах / мини-проектах, которые "взлетали", ключевую роль ВСЕГДА играл быстрый и качественный доступ к статистике / знаниям / данным / решениям (если решения принимаются месяцами, задумайтесь). Причем важно понимать, что у доступа могут быть разные элементы:

• Скорость записи и чтения данных;
• Подходящая инфраструктура для хранения и передачи данных;
• Скорость понимания, что именно лежит там и почему;
• И естественно скорость анализа и делания выводов;

Если в каком-либо из этих вещей есть загвоздка, то все остановится. Собственно по этой причине я решил также изучить способы программной работы с данными и алгоритмами, которые не будут стеснены ограничениями выше и позволят там где надо просто посчитать среднее значение, а где надо - посчитать что-то более объемное. Выбор пал на такие вещи (алгоритмы и инструменты) как машинное обучение, питон и его либы, octave + noSQL инструменты хранения данных (с SQL вопросов нет).

Итог небольшого гугления подсказал мне таких "товарищей": http://newprolab.com/bigdata, которым я ради интереса написал. Это была прелюдия. А сейчас - более интересное.

Первым звоночком было то, что ребята на хабре странно отзывались про преподавателей и то, как их менеджер отвечал на вопросы - никакой дополнительной информации в течение 2-3 писем, только "у вас есть один день на скидку 15%".

Вторым звоночком было то, что ребята просят предоплату в течение 1 дня с начала общения в размере 180 тыс. рублей. При этом аналогичные курсы на Coursera от ведущих вузов мира (!!!) стоят на порядок-два меньше (!!!), а аналогичный курс Яндекса берет исключительно мягко-говоря "математических задротов" из технических вузов с огромным конкурсом (читайте выше про молодых специалистов).

Третьим звоночком был юридический анализ договора - обязанности оплаты в течение 1 суток против нулевых обязанностей по предоставлению "услуг" с другой стороны (могу выслать по запросу с перепиской).

Четвертым звоночком было требование дать по электронной почте мои персональные данные (паспорт) без какого-либо доказательства того, что их не будут использовать неправомерно (судя по всему раздел про данные в мой документ дописали в последний момент судя по его расположению и длине).

Пятым звоночком была рассылка от имени их компании с их домена и криво прописанными тегами (username@newprolab.com через mail202.wdc02.mcdlv.net ) такого содержания (ниже), что очень сильно противоречит тому, что говорил менеджер (похожий пример - а пятница-то не черная совсем).

Если вы не поняли - мое предположение состоит в том, что такой курс мягко говоря брать не надо.

Если просуммировать мои мысли:

• В современном мире все коммодитизируется. Ваша работа тоже. Бойтесь и думайте, как быть и куда бежать. Нефть не вечна (если, конечно, "кредитопомойка" и "ипотека на полвека" с "айфоном" - не ваш потолок мечтаний в жизни);
• Если хотите учиться - вам придется страдать / искать / читать книги / ковырять форумы / копаться в документации информационном мусоре (откройте свой диплом, и вспомните сколько там полезного из всех часов);
• Есть много людей, которые хотят помочь вам расстаться с непосильно нажитым имуществом, просто они очень красиво маскируются. Заседание начинается!
• Выучите английский и дуйте на Coursera / на торренты / в библиотеку / в гугл / в книжный магазин / в матан;
• Список дельных курсов по теме:

https://www.coursera.org/specializations/jhu-data-science

https://www.coursera.org/specializations/data-science-python

https://www.coursera.org/specializations/data-science

https://www.coursera.org/learn/python-data-analysis

@snakers41:

Написать автору.

Почитать еще что-то.

Нагадить в комментах (нельзя).