Профессия Data Scientist от Skillbox

Когда я решила сменить профессию и уйти из маркетинга в data science, перебрала кучу вариантов и в итоге выбрала SkillBox. Сейчас, спустя год после окончания, хочу поделиться честными впечатлениями.

Первые недели были адом! Моих школьных знаний по математике категорически не хватало, приходилось параллельно гуглить и восстанавливать базу. Преподаватель Николай терпеливо объяснял одно и то же по нескольку раз в личных сообщениях. К третьему месяцу я наконец-то перестала паниковать при виде матриц и производных.
Порадовало, что теория сразу закреплялась практикой. Например, когда мы изучали кластеризацию, я применяла метод K-means для сегментации клиентов интернет-магазина — реальный кейс, а не абстрактный пример. В целом обучение было интенсивным, но подъемным даже для новичка вроде меня.

До SkillBox попробовала бесплатные уроки в трех других школах. Здесь подача материала показалась наиболее структурированной. Во время обучения разговорилась с коллегой-аналитиком, он сказал, что у них в компании работают двое выпускников SkillBox, и отзывался нормально. Это придало уверенности, что я не зря вложилась.

Замучилась объяснять мужу, почему я спустила на курс почти две моих зарплаты! Взяла рассрочку, и первые полгода было нормально, но потом начались платежи, а я еще не успела трудоустроиться. Было нервно. Сейчас, когда работаю аналитиком с зарплатой в 2,5 раза выше прежней, понимаю, что оно того стоило, но тогда было страшно.

Куратор Андрей был моим спасением! Однажды я застряла с проектом по прогнозированию временных рядов — модель выдавала нереалистичные результаты. Андрей не просто указал на ошибку, но записал 15-минутное видео с подробным разбором и альтернативными подходами. А вот у однокурсницы с другим куратором такого не было — получала сухие комментарии "переделать" без объяснений.
С техподдержкой тоже повезло — однажды пропал доступ к платформе в день сдачи задания, восстановили за час.

Особенно запомнился Владимир Ершов из VISA! Его лекции по продуктовой аналитике были настолько увлекательными, что я пересматривала их дважды. А еще он приводил примеры из своей практики — как они оценивали эффективность внедрения бесконтактных платежей, с какими проблемами столкнулись в анализе.
При этом преподаватель по статистике объяснял так запутанно, что приходилось смотреть дополнительные видео на YouTube. Хорошо, что была возможность перемотки и скачивания лекций.

Самым сложным был проект для СберМаркета — анализ A/B-теста в их мобильном приложении. Работала с реальными (хоть и анонимизированными) данными. Провозилась две недели, зато когда на собеседовании спросили про опыт проведения A/B-тестов, мне было что рассказать!
Было нервно, когда первое задание по Python вернули на доработку — код работал, но был настолько неоптимальным, что куратор написал: "Это заставило меня плакать". Зато уже к середине курса я писала код, которым не стыдно поделиться на GitHub.

Учебные материалы были свежими — никаких устаревших библиотек или подходов. Когда консультировалась с другом-программистом по одному из заданий, он удивился: "Откуда ты знаешь про эту фичу? Её только в прошлом месяце релизнули".
Иногда казалось, что теории многовато — особенно по математике. Но когда дошла до нейросетей, поняла, что без этой базы было бы невозможно понять, что вообще происходит и почему модель работает именно так.

В середине курса случился кризис — казалось, что я ничего не понимаю и не смогу работать с реальными данными. А потом был проект по предсказанию целевых действий на сайте СберАвтоподписки, где нужно было прогнозировать, кто из посетителей оформит подписку. Я построила модель, которая работала с точностью 78%, и это был момент, когда я впервые почувствовала себя настоящим специалистом.
Особенно ценным оказалось изучение Docker и FastAPI — на первом собеседовании это стало решающим фактором, так как у конкурентов такого опыта не было.

После завершения курса мне помогли составить резюме (первая версия была ужасной — я перечислила все инструменты без конкретики). Карьерный консультант Елена провела со мной три мок-интервью, указала на слабые места.
Было отправлено 47 резюме, получено 9 приглашений на собеседования, 2 из них дошли до тестового задания, и в итоге я получила оффер в финтех-компанию на позицию младшего аналитика данных. Сейчас, спустя полгода, перешла на уровень