Несколько историй успеха

Выкладываю несколько анонимных историй успеха от участников нашей группы. Я надеюсь, что эти истории станут для вас хорошим мотиватором. Хочу отдельно отметить, что наша группа не сыграла существенной роли в успехах рассказчиков, всего они добились собственными силами. Добились они - сможете и вы.

История 1. Backend

В общем, весной 2020 я познакомился с питоном, прошел несколько курсов на степике и забросил летом 2020. Осенью 2020 узнал про ШИФТ от ЦФТ и попробовал себя в ML. Именно в аналитику, backend направления тогда не было. Во вступительном надо было написать сервис, который звуковой файл переводит в картинку. Ну и с треском провалился, потому что в голове знаний предметных не было. Сейчас смотрю тот код, и просто рукалицо. Я также не знал, как нормально работать с гитом.

После этого провала опять ненадолго забросил обучение. Потом уже допинал себя на повторение, нашел еще какие-то курсы бесплатные и по ним вяло двигался. Решил, что мне ближе не аналитика, а именно backend разработка. В основном смотрел туториалы на ютубе, как писать ботов для телеграма и курсы по джанго. Написал пару небольших проектов для себя и летом мне знакомый предложил пройти конкурс в их компанию на должность fullstack разработчика. Решил почему бы и нет, написал тестовое и уже пригласили на собеседование, которое я опять с треском провалил, потому что не ответил даже на вопросы по ООП.

Понял, что нужно сначала подтянуть базу. Почитал про ООП, разобрался со структурами данных и продолжал проходить бесплатные/слитые курсы.

Но это все настолько вяло протекало, что по факту уделял максимум 2 дня в неделю.

В августе 2021 понял, что на текущей работе уже нет возможности дальше расти, да и сфера в целом не моя, и решил плотно приступить к учебе. И тут на глаза попалась реклама школы backend разработки Яндекса. Чудом прошел вступительные, прошел собес и получил приглашение на обучение. Первый этап обучения проходил онлайн и по его результатам отбирали на второй очный этап, который проходил в Москве. Яндекс полностью оплатил перелет и проживание. Там уже была командная работа над проектом. Все проходило в офисах яндекса.

Параллельно с началом обучения в Яндексе был старт курса ШИФТа от ЦФТ, на который также надо было сделать тестовое. Решил решить тестовое, а там посмотрим. В итоге туда тоже пригласили. Повезло, что большая часть первого этапа уже прошла и стало чуть свободнее. Хотя все равно было трудно тянуть 2 курса параллельно с основной работой. Сон максимум 6 часов, ел когда придется, девушке время вообще не уделял.

Когда поехал на второй этап школы яндекса, пришлось пропускать лекции ШИФТа, но домашки сдавал, что было плюсом в будущем.

В общем Яндекс закончился, получил очень хороший опыт и приглашение на собес в следующем году.

После возвращения в ШИФТе оставалась одна домашка и выпускной проект. Даже еще до сдачи выпускного проекта от ЦФТ связалась hr и предложила пройти собес. Как понимаю, прошел его довольно успешно, потому что за этим последовал оффер.

Я не стал играть с судьбой и решил его принять, так что уже прохожу испытательный срок.

В итоге что имеем:

1. Не знаю где больше получил знаний, в ШИФТе или Яндексе, но и там и там учеба была максимально полезной. Тем более, что инструменты, фреймворки одинаковые изучали и там и там.

2. В Яндексе не предлагают сразу работу. Успешное прохождение школы дает право на -1 собеседование. т.е. теперь надо будет пройти 1-2 секции по коду и собес с командами. На собесах в основном задачи на знание алгоритмов, к которым можно подготовиться на литкоде.

3. В ШИФТе одно собеседование на знание структур данных, вкратце по ООП и по асинхронщине.

Как-то так.

Не уверен, что мой опыт будет релевантен для дата аналитиков, но может кто захочет сменить направление)

История 2. Data Science

Рассказываю свою историю. Где-то с конца последнего курса магистратуры (учился в Бауманке на инженера) я понял, что по специальности работать не совсем нравится, перспектив особо нет, да и не слишком интересно.

Начал потихоньку изучать Питон (предварительно попробовал залететь на курс Анализ данных и машинное обучение МФТИ/Яндекс на Курсере - было ни черта непонятно), начинал с базовых курсов на Степике (по сути только степик + 2 курса из специализации на Курсере), потом понемножку курс по ML, матстат, тервер.

Через полгода начал искать стажировку, сгонял на собеседование, было довольно унизительно и стыдно, честно говоря))

После этого понял, что сильно не хватает хардов и понимания теории, начал проходить курс от DLS по глубокому обучению, читать Вандер Пласа. Также потихоньку изучал SQL, гит и всякие вспомогательные штуки. Из-за работы и постоянной занятости пришлось ещё год работать по специальности, тк на учебу оставалось мало сил и времени.

Суммарно после 15 месяцев довольно неспешного самообучения и серии неудачных собесов, мне удалось пройти на этап бизнес-игры от Озон Кэмп. По сути было три этапа:

1-скрининг резюме

2-онлайн тестирование

3-бизнес игра

К моему удивлению, на бизнес игре разделили на команды ребят с абсолютно разным бэкграундом (у меня в команде был маркетолог, логист, аналитики и тд, абсолютно разношерстно), то есть по сути никаких хард скилов не смотрели (для меня был шок). Кстати, в следующих этапах отбора в Озон Кэмп это вроде пофиксили, дают какие-то тестовые.

В итоге мне пришел оффер на аналитика в производство. Я простажировался там 5 месяцев, понял, что это ни разу не то, чего я ожидал и чем хочу заниматься, никаким написанием кода там не занимаются, несмотря на то, что мне удавалось урвать интересные для себя задачки, основной рабочий инструмент у местных ребят - эксель.

Когда я понял, что в дальнейшем ничего не изменится и код мой ревьюить тут никто не будет(как-то дали задачу написать гайд по установке анаконды и запуску моего скрипта), я запросил ротацию в другой отдел.

Как-то мне очень повезло и буквально через 2-3 недели меня позвали на собес в айтишный отдел на должность стажера ДСера.

Сам собес был не очень сложный, но как я понимаю, из-за большой конкуренции на такие позиции, мне повезло, что я уже почти полгода проработал в компании, и это пошло в плюс. В итоге сейчас уже месяц как работаю в новом отделе, правда сейчас больше занимаемся разработкой, чем ДС, но это все равно очень классно бустит в плане хардов.

Вот как-то так.

История 3. Data science.

Я по образованию инженер по автоматизации. Проработал на электромонтаже около 10 лет, но когда по всему миру ударил Ковид и единственное место работы у меня осталось место электрика в ЖЭКе, пришло осознание, что все, приехали, это тупик…

Начал я совершенно с нуля в сентябре прошлого года. Мне было 37 и я как раз закончил эпопею с IELTS (Это уже другая история). Наткнулся я на Stepik и заверте…

На степике наверное все бесплатные курсы по питону прошёл. Сначала было интересно, но когда обучение превратилось в набивание баллов, зарегался на codewars и начал решать задачки уже там. Параллельно подвернулся Персональный цифровой сертификат 2020 на обучение, который использовал для получения сертификат по питону от выштеха. Кстати именно там я впервые узнал про Тимофея Хирьянова. Гениальный лектор, по моему)))

И вот, когда на codewars достигнут ранг 2qyu (или 1qyu) и опять все превратилось в набивание ранга - пришлось идти дальше.

Январь 2021. Снова Степик и теперь уже пошли курсы по ML и мат.стату от Толи Карпова, курсы по нейросетям. Ну и знакомство с кагглом и “Hello, Titanic”, естессно. А. Ещё пара курсов по SQL была зачем то пройдена. Как оказалось не зря.

Потом Deep Learning School был, одновременно базовый и продвинутый потоки, и хакатон цифрового прорыва, за что отдельное спасибо Денису и Дарье.

Летняя попытка пройти на стажировку НЛМК + МФТИ не увенчалась успехом, увы. Тестовое задание по алгоритмам пройдено, но собес…. Фидбэка я так и не получил.

Уже осенью удалось попасть на обучение в ШИФТ от ЦФТ новосибирского. На отборочных было 64 человека. Отобралось 20 или 21.

И далее началось 2 месяца интенсива. Классический ML, NLP, CV. 3 раза в неделю лекция+практическое задание + домашка. В начале был хардкор.

В конце было уже человек 8-10.

Ну и после всех занятий - собеседование с руководителями отделов. Удобство оказалось в том, что на собесе общаешься с людьми, которые знают, кто на что способен в плане написания кода, но тем не менее перечень вопросов в общем-то стандартный. Матстат, теорвер, понимание ML, нейросетей.

Вообще, я немного в шоке. Неожиданно. Мне 38 и я джун)))

Я упомянул про 64 человека на отборе… В лидерборде по аплифту я был 61. Я задал вопрос на собесе, как я вообще попал сюда.

Небольшое отступление про тестовое задание этого года.

На каггле есть соревнование от X5 Retail Group по аплифту…

тестовое состояло из двух частей.

10 вопросов типа: Правда ли что аплифт в группе людей старше 55 выше чем в группе людей моложе 55, если да, то сколько

И 2 часть собственно само соревнование.

Причем баллы за 1 и 2 часть были равнозначны.

Короче, если вкратце, то они отсекали тех, кто точно проходит на обучение, отсекали тех, кто точно не проходит. Серединку уже просматривали, кто какую работу провёл. А так как предсказание по аплифту было не единственным, что оценивалось, то я попал в середину. И, видимо сыграло роль что я фич нагенерил и аккуратненько все это функциями оформил. И дополнил это все решением 1 части задания.

История 4. Data science.

Всем привет. Тоже недавно получил оффер в сбер на позицию аналитик данных/ds. Если кратко, то в этом году закончил нефтегазовый вуз, но на моменте выбора темы диплома, понял, что мне не особо нравится данная отрасль, поэтому задумался о смене сферы деятельности. Питон знал чуть-чуть еще год назад, но все равно пришлось его вспоминать. Параллельно с этим изучал, что еще можно делать с помощью питона, кроме разработки, так и наткнулся на дс. Начал вспоминать вышмат, какие-то разделы более менее помнил, но вот статистику вообще плохо знал, еще sql, видосы различные, немного задачек на leetcode и тд, всего по чуть-чуть))). Вообще по итогу могу сказать, что на джун позицию крайне важно грамотно составить резюме и софт скиллы ( не является абсолютной истиной) . Прошел около 12 собесов, было много отказов, часто просто из-за волнения жестко тупил))) И как-то решил оставить отклик на вакансию в сбер и залетел. После январских выхожу на работу, щас прохожу скрининг службы безопасности.

Техническое интервью было довольно простое, стандартные задачки по sql ( агрегация, жоины), по python сделать сортировку списка по возрастанию без помощи спец функций. И задачка по мл, было дано два алгоритма по лесам и нужно было выбрать лучший из них. Нужно было смотреть на энтропию и по ней определять точность. Я не знал, что такое энтропия в мл, но имел представление о ней из физики. Что это мера хаотичности системы и чисто логически заключил, что лучший алгоритм будет тот, у которого энтропия меньше. А ну еще спрашивали по теории ml, методы валидации алгоритмов классификации.