Профессия Data Scientist от Eduson

Когда я решила сменить профессию и уйти из маркетинга в ИТ, больше всего боялась, что не потяну математику и программирование. Перебрав десятки курсов, остановилась на Eduson, подкупил формат и гарантия возврата денег. Сейчас, спустя 9 месяцев обучения, могу поделиться реальным опытом.

Первый месяц просто летала от восторга – все понятно, доступно. Потом начались сложности с Python и статистикой. Иногда приходилось пересматривать лекции по 3-4 раза, особенно по теории вероятностей. Спасало то, что можно было отмотать, пересмотреть, законспектировать. К середине курса поняла систему – сначала общее понимание, потом практика, и только потом глубокое погружение в теорию.

До курса лично проверила лицензию школы и почитала отзывы бывших студентов в телеграм-чате выпускников (туда меня добавили еще до оплаты). Узнала, что многие работают в крупных компаниях. Это придало уверенности. На деле – школа соответствует заявленному уровню, но не без шероховатостей.

Заплатила чуть больше 100 тысяч, взяв курс по акции. Рассрочка помогла распределить нагрузку на бюджет. Поначалу казалось дорого, но когда сравнила с объемом материалов и особенно с индивидуальной поддержкой, поняла, что это адекватная цена. Одна консультация с таким специалистом на фрилансе стоит от 3000₽, а тут их десятки.

Мой куратор Мария отвечала обычно в течение суток, иногда быстрее. Когда у меня случился завал на работе и я пропустила две недели занятий, она сама написала, помогла составить план наверстывания. В моменты, когда хотелось все бросить (а такое было дважды, на модуле статистики и при изучении ансамблевых методов), ее поддержка оказалась решающей.

Преподаватели – действующие практики, и это чувствуется. Особенно запомнился Александр Сенин – его объяснения работы нейронных сетей на бытовых примерах сделали сложную тему доступной. Еще понравилась Юлдуз Фаттахова – она провела дополнительный вебинар по работе с данными в реальных проектах и поделилась лайфхаками, которых нет в учебниках.

Задания выматывали, особенно в конце недели после основной работы. Первое серьезное ДЗ по кредитному скорингу заняло у меня почти 20 часов – я буквально жила с ноутбуком. Зато какое удовлетворение, когда модель наконец заработала и показала хорошую точность! Некоторые задания предполагали командную работу – это было непросто организационно, но дало понимание, как происходит реальная работа в команде датасаентистов.

Теоретический материал местами излишне академичен. На модуле статистики приходилось дополнительно смотреть видео на YouTube, чтобы разобраться. А вот разделы по машинному обучению структурированы отлично – от простых линейных моделей к сложным ансамблям и нейронкам. Особенно помогли "рабочие тетради" с практическими примерами, которые можно было адаптировать под свои задачи.

Практика – самое ценное в курсе. Реальные датасеты, индустриальные кейсы. Когда делала проект по прогнозированию оттока клиентов для телеком-компании, использовала все инструменты из арсенала – и предобработку данных, и feature engineering, и тонкую настройку модели. Этот проект потом стал главным в моем портфолио на собеседованиях.

После курса прошла 6 собеседований, получила 2 оффера. Выбрала позицию Junior Data Scientist в финтех-компании с зарплатой 120 000₽. HR-специалист Eduson помог переделать резюме, подготовиться к техническим вопросам. Кстати, на собеседовании попались почти такие же задачи, какие мы решали на курсе – видно, что программа действительно заточена под требования рынка.