Data Scientist от Нетология

Как я училась на Data Scientist в Нетологии и что из этого вышло

Полгода назад я работала аналитиком в небольшой компании и поняла, что хочу расти дальше – в сторону машинного обучения. Выбрала расширенную программу в Нетологии, потому что там обещали и нейросети, и deep learning, а не только базу. Сейчас прошла уже 14 месяцев из 20, так что могу рассказать, как оно на самом деле.

Качество обучения

Честно говоря, первые два месяца мне было скучновато – проходили Python, который я уже знала. Зато потом началось интересное: статистика, первые модели, работа с данными. Понравилось, что программу реально обновляют – в октябре добавили модуль про работу со звуком, которого раньше вообще не было. Я сразу попробовала применить это в своём проекте по распознаванию речи. Правда, есть косяк: между некоторыми блоками чувствуется, что их вели разные люди – приходится самой соединять материал в голове.

Рейтинг школы

Нетологию я выбрала, потому что это не какая-то контора-однодневка. Моя подруга там маркетинг учила, осталась довольна. Платформа работает без глюков, один раз только зависла во время вебинара, но быстро починили. Мобильное приложение – вообще находка для меня. Я каждое утро в метро смотрю лекции по 15-20 минут, скачиваю заранее. За полгода так половину теории прослушала.

Цена

Я попала на Чёрную пятницу и взяла курс за 149 600 вместо 314 999. Оформила рассрочку на 3 года – плачу 4 375 в месяц. Для моей зарплаты это подъёмно. Сначала думала, дорого ли это, но когда посчитала – 20 месяцев обучения, больше 20 проектов, консультации с экспертами – поняла, что нормально. Плюс мне подарили курс по английскому для дата-сайентистов, начала его проходить параллельно.

Обратная связь

Вот тут у меня противоречивые ощущения. Домашки проверяют обычно за 3-4 дня, это ок. Куратор в нашем Telegram-чате вообще красавчик – отвечает быстро, по делу. Но когда я делала проект по компьютерному зрению и застряла на предобработке изображений, пришлось ждать ответа эксперта почти неделю. Написала в техподдержку, мне пообещали ускорить, но всё равно потеряла время. Ещё напрягает, что на вебинарах не всегда успевают ответить на вопросы в чате – их слишком много.

Преподаватели

У нас вели ребята из Яндекса и Сбера. Один препод работает в команде, которая делает рекомендательную систему для маркетплейса – он рассказывал такие детали, которых ни в одной книжке не найдёшь. Например, как они боролись с холодным стартом для новых товаров. Я прямо записывала всё подряд. Правда, была пара экспертов, которые явно не умеют преподавать – знают своё дело, но объясняют так, что потом час гуглишь, что они вообще имели в виду. Один вёл модуль по временным рядам, я его лекции вообще не смотрела, только презентации читала.

Домашние задания

Домашек реально много, и это был для меня шок. Я рассчитывала на обещанные 10-15 часов в неделю, но у меня уходило все 20, особенно когда начались проекты. Делала классификацию текстов для определения тональности отзывов – просидела над этим три вечера, зато модель в итоге выдала точность 87%, я была горда собой как никогда. Задания классные – не просто "решите уравнение", а "постройте модель для предсказания оттока клиентов банка". Реально чувствуешь, что это пригодится в работе.

Теория

Вебинары у нас по вторникам и четвергам в 19:30. Я успеваю только на один вживую, второй всегда в записи смотрю. Удобно, что запись появляется через пару часов. Ещё даёт лонгриды – текстовые материалы с картинками и кодом, их я люблю больше видео, потому что быстрее читать. Математику объясняли нормально, хотя я боялась – у меня гуманитарное образование. Линейную алгебру и матстат разжевали так, что я даже поняла, зачем это всё нужно. Правда, по глубокому обучению хотелось бы больше деталей про архитектуры сетей, но это уже придирки.

Практика

Практики тут действительно вагон. Я уже сделала 17 проектов: от простых вроде анализа продаж до сложных – детекция объектов на изображениях с помощью YOLO. Самое крутое было участие в Kaggle-соревновании вместе с ментором. Мы делали предсказание цен на недвижимость, я первый раз попала в топ-20% участников – это вообще было нереально! Теперь этот результат у меня в резюме. Ещё зашли бизнес-игры – мы в команде презентовали проект условному заказчику, учились объяснять технические вещи простым языком. Я поняла, что это отдельный навык, который мне пригодится.

Над дипломом я сейчас как раз работаю – делаю систему рекомендаций фильмов. Мне дали консультанта, созваниваемся раз в две недели, он помогает не уйти в дебри. Уже провела 4 консультации из 8, и это реально ценно – он сразу видит, где я наворачиваю лишнего.

Трудоустройство

Тут пока рано судить, потому что я ещё учусь, но центр карьеры уже подключился. Со мной работает карьерный консультант – мы переделали резюме, добавили проекты из портфолио, я даже не думала, что можно так красиво подать учебные кейсы. Провели два тренировочных собеседования, и я поняла, что совсем не готова отвечать на технические вопросы вслух – одно дело решать задачки дома, другое – объяснять решение человеку. Сейчас тренируюсь.

В личном кабинете регулярно появляются вакансии от партнёров. Я откликнулась на пару позиций джуна, прошла отбор резюме, но на собеседовании завалилась – не хватило опыта. Обещают, что после диплома будет больше шансов. Плюс один проект я делала для реальной компании-партнёра (анализ оттока пользователей мобильного приложения), и они дали мне рекомендательное письмо. Это уже что-то.

Мой итог

Я не жалею, что пошла учиться. За 14 месяцев я из аналитика, которая только в Excel умела, превратилась в человека, который строит нейросети и понимает, как работает машинное обучение. Устала? Да, очень. Несколько раз хотела бросить, особенно когда не получалось разобраться с рекуррентными сетями. Но портфолио растёт, знания реально прокачались, и я уже вижу, что могу претендовать на джуна. Ещё 6 месяцев до выпуска – посмотрим, получится ли найти работу.