Как я становился дата-сайентистом в Skillfactory
Решил сменить профессию в 32 года – работал менеджером по продажам, но всегда тянуло к аналитике. Выбрал курс Data Scientist PRO в Skillfactory, потому что обещали полноценную переподготовку с нуля. Прошел весь год обучения, и вот что из этого вышло.
Качество обучения
Первые два месяца я вообще думал, что не потянул. Python учил с нуля, математику последний раз видел в институте лет десять назад. Но программа выстроена так, что каждый модуль цепляется за предыдущий. Сначала базовый Python, потом статистика, дальше машинное обучение. К середине курса уже чувствовал себя увереннее – мог написать скрипт для обработки данных, построить простую модель предсказания.
Особенно запомнилась стажировка в "Моторике". Нас подключили к проекту по улучшению протеза руки – работали с данными от оптических датчиков. Это был первый раз, когда я делал что-то реальное, а не учебную задачку. Волновался жутко, но справился. Этот проект потом здорово помог на собеседованиях.
Рейтинг школы
Честно говоря, выбирал между несколькими школами. Skillfactory подкупила тем, что дает диплом гособразца, а не просто сертификат. Плюс они объединились со Skillbox, и у них общая платформа. Мне было важно, что это не какая-то контора-однодневка.
Еще понравилось, что можно участвовать в "Фэктори" – там студенты решают кейсы для реальных компаний. Я попал на проект для Ozon, делали модель для оптимизации логистики. Не победили, но опыт получил бесценный. Работал в команде с ребятами, которые уже шарили в теме – многому научился просто наблюдая за ними.
Цена
Вот тут было больно. Я взял "Персональный" тариф за 10,500 в месяц на три года. Считал-считал – почти 380 тысяч выходит. Жена сначала была против, но я показал, что там гарантия возврата денег, если не найду работу за полгода. Это немного успокоило.
Базовый тариф в два раза дешевле, но там нет консультаций с экспертами. А мне они реально нужны были – когда застревал на нейросетях или не мог разобраться с глубоким обучением, созванивался с ментором, и он за полчаса раскладывал всё по полочкам. Без этого я бы точно дольше учился.
Окупилось за полгода работы, если считать разницу с предыдущей зарплатой. Но первый год платить рассрочку было напряжно.
Обратная связь
У меня было 12 консультаций с экспертом – это где-то раз в месяц. Сначала не понимал, зачем они нужны, думал, что справлюсь по видеолекциям. Но когда дошел до модуля по Machine Learning, без живого человека было бы очень трудно. Эксперт помогал не просто с кодом, а объяснял, почему модель работает плохо, как улучшить метрики, какие библиотеки лучше использовать.
Менторы проверяли домашки обычно дня за три. Комментарии давали подробные – не просто "переделай", а конкретно показывали, где накосячил и как исправить. Правда, пару раз ждал ответа неделю, когда все сдавали проекты одновременно перед дедлайном.
В Telegram-чате курса всегда кто-то был на связи. Координатор отвечала быстро, но иногда технические вопросы приходилось ждать дольше. Один раз три дня мучился с ошибкой в коде, пока не пришел ответ от ментора.
Преподаватели
Лекции вели практики – это сразу чувствовалось. Эмиль Магеррамов из BIOCAD рассказывал про машинное обучение в фармацевтике, приводил примеры из своих проектов. Александр Рыжков – Kaggle Grandmaster – вел модуль про соревнования по данным. Его воркшоп запомнился больше всего, потому что показывал фишки, которые нигде в учебниках не найдешь.
Единственное – все лекции записаны заранее. Живых вебинаров почти не было. Мне не хватало этого контакта, хотелось иногда задать вопрос прямо во время объяснения. Но в целом материал подавали понятно, без лишнего умничанья.
Домашние задания
Домашек было очень много. Я работал параллельно с учебой, и бывали недели, когда спал по 5 часов – догонял программу. Сначала задания простые: напиши функцию, обработай датасет, построй график. Но ближе к середине курса начались серьезные проекты.
Самое сложное задание – предсказание оттока клиентов для телеком-компании. Дали сырые данные, нужно было самому всё почистить, провести разведочный анализ, построить несколько моделей, сравнить их, выбрать лучшую. Я неделю убил на этот проект. Сдал, вернули на доработку с замечаниями на страницу текста. Переделывал еще три дня.
Были и тренажеры с автопроверкой – там десятки мелких задачек на отработку синтаксиса и библиотек. Они помогали набить руку.
Теория
Теоретический блок меня удивил – думал, что будет поверхностно, а оказалось довольно глубоко. Модуль по математике для Data Science был настоящим вызовом. Линейная алгебра, матанализ, статистика – всё это пришлось вспоминать и заново учить. Местами было тяжело, особенно когда дошли до математики за нейросетями.
Зато когда начал строить модели, понимал, что происходит под капотом, а не просто копировал код из примеров. Это реально помогло на собеседованиях – когда спрашивали про алгоритмы, я мог объяснить, как они работают, а не просто сказать "я использовал sklearn".
В подарок дали курс по SQL Pro – прошел его параллельно, очень пригодился. И еще английский для IT, но туда я особо не углублялся, честно говоря.
Практика
Практики было достаточно, но хотелось бы еще больше. Помимо домашек делал проекты для портфолио: анализ данных для интернет-магазина (выдуманного), рекомендательную систему фильмов, модель для определения мошеннических транзакций. Все датасеты были реалистичными, приближенными к тому, с чем сталкиваются на работе.
Участие в "Фэктори" добавило реального опыта. Там мы работали в команде, общались с заказчиком, защищали решение. Это совсем другой уровень по сравнению с обычными домашками, где делаешь всё сам.
Еще плюс – доступ к материалам остался навсегда. Сейчас работаю уже полгода, но иногда возвращаюсь к лекциям, когда нужно что-то вспомнить.
Трудоустройство
Центр карьеры начал работать со мной за три месяца до конца обучения. HR-специалист посмотрела моё резюме и сказала переписать полностью. Мы созванивались, обсуждали, как правильно описать проекты, какие навыки выделить, что работодатели хотят видеть.
Провели тестовое техническое собеседование – я был уверен, что всё знаю, а на практике начал тупить на простых вопросах от волнения. После этого мы разобрали типичные вопросы, я подготовил ответы, и на реальных собеседованиях было намного легче.
Дали доступ к базе вакансий и подборкам в Telegram. Но самое главное – научили правильно искать работу. Не просто откликаться на всё подряд, а выбирать компании, писать сопроводительные письма, готовиться к каждому собеседованию отдельно.
Работу нашел через два с половиной месяца после выпуска. Откликнулся на 47 вакансий, получил 8 ответов, прошел 4 собеседования. Взяли junior data scientist-ом с зарплатой 120 тысяч. Моя предыдущая была 80, так что сразу вышел в плюс.
Гарантия возврата денег есть, но там куча условий – нужно активно искать работу, показывать отчеты, проходить собеседования. Это не просто "не нашел – верните деньги". Школа помогает, но основную работу делаешь сам.
Итог
Год был тяжелым. Совмещать работу, семью и учебу – это был челлендж. Были моменты, когда хотел бросить, особенно на середине курса, когда началось машинное обучение. Но я дошел до конца и не жалею.
Сейчас работаю тем, о чем мечтал. Решаю интересные задачи, зарабатываю больше, вижу перспективы роста. Курс дал мне фундамент – теперь учусь дальше уже на практике, но база есть.
Если бы начинал заново, взял бы тот же тариф. Без консультаций с экспертами я бы точно застрял. Цена кусается, но если готов вкладывать время и реально хочешь сменить профессию – это работает.
Акции и промокоды
Топ школы
4.8 
