Комментарии
AI: как выбрать специальность, прокачаться и найти классную работу

два варианте — либо родиться в США, либо иметь друга/сына/брата/сестру/прочие связи в руководстве которые посадят на теплое место, подругому никак


пол гитхаба сидит пилит NN за бесплатно, потом приходит Фейсбук/Микрософт/Гугл собирает все запиленное за бесплатно в один проект и фармит тыщи лайков и сотни тыщ просмотров на ютубе(делая из этого еще и коммерческий проект в итоге), когда используемые в проекте библиотеки AI часто даже 10 "звезд" на гитхабе не имеют


бесплатная работа — двигатель прогресса, если не родился в США то всю жизнь будешь бесплатный код на гитхаб загружать, а богатые будут это использовать и становиться еще богаче — так работает современный мир AI/NN


За плечами техническая магистратура и год работы аналитиком данных в консалтинге.
У вас хороший бэкграунд – технический вуз, год работы аналитиком данных.

чушь для детишек про "обучение"
разработчики с Гитхаба делающие самые широко используемые в AI библиотеки работают фермерами и дальнобойщиками в странах третьего мира, потому что их никогда в жизни на работу в крупную корпорацию не возьмут


Есть небольшой сборник вопросов. Есть вопросы по классическому машинному обучению – специалист, который устраивается в сферу data science и ИИ, должен знать, как работают классические модели машинного обучения: линейная, логистическая регрессия, градиентный спуск, регуляризация L1-L2. Нужно, чтобы человек рассказал про принцип работы деревьев решений, про критерий информативности для задач классификации и регрессии; чтобы человек знал, как работает случайный лес, градиентный бустинг. Очень хорошо, если он знает отличия моделей градиентного бустинга – Catboost, LightGBM, XGBoost – то есть, чем отличаются эти библиотеки, как в них реализован градиентный бустинг.

мое личное мнение и опыт — все это перечисленное учиться по ходу дела, и если на собеседовании "хотят готового специалиста" значит просто ищут раба который будет делать всю работу, и которого уволят через пол года-год как работа будет сделана и возьмут нового раба
как я сказал выше — тыщи широко используемых проектов с гитхаба по оптимизации и упрощению работы с AI сделанные "на коленке" одним разработчиком которые никакого образования не имеют, тому подтверждение


корпорации с такими собеседованиями и "мы не платим за обучением нам нужны готовые знания" это рабовладельцы буквально(привет Яндексу)

два варианте — либо родиться в США, либо иметь друга/сына/брата/сестру/прочие связи в руководстве которые посадят на теплое место, подругому никак

Я больше двух лет работаю на позиции, связанной с AI/ML, и оба из этих вариантов не про меня.


Может быть, если вы не видели других вариантов, не надо свой негативный опыт переносить на весь мир?

не надо свой негативный опыт переносить на весь мир?

не надо свой позитивный опыт переносить на весь мир


негативный опыт имеет место быть, и его 90% против 10% "счастливчиков" которым повезло

не надо свой позитивный опыт переносить на весь мир

А я и не говорю "значит и все так смогут". А вот вы явно говорите "подругому никак". Так вот, ваше "никак" опровергается одним контрпримером.


негативный опыт имеет место быть, и его 90% против 10% "счастливчиков" которым повезло

Это, мне кажется, почти в любой специальности так.

корпорации с такими собеседованиями и «мы не платим за обучением нам нужны готовые знания» это рабовладельцы буквально(привет Яндексу)

Как раз яндекс один из тех, кто хоть что-то делает для обучения. Не являюсь их сотрудником, но часто их лого можно увидеть на всяческих митапах и курсах.
Интереса ради, а обучение сотрудника является обычной практикой? Очень рад за тех, кто работает в таких компаниях, вот только в моей практике это скорее исключение, чем правило. Такие бонусы могут предоставить либо очень богатые и щедрые работодатели, либо те, чья сфера деятельности не требует долгого обучения. Мало кто хочет прощаться с сотрудником, на которого потратили деньги, усилия и нервы, и который увидел у конкурентов более высокую зп.
Интереса ради, а обучение сотрудника является обычной практикой?

А что конкретно вы понимаете под "обучением"? Потому что в моем личном опыте в том или ином виде обучение предлагалось везде, где я рассматривал условия, за последние лет десять.

В данном контексте я имел в виду обучение специализации.
...
… мое личное мнение и опыт — все это перечисленное учиться по ходу дела...

Не застал ни одной компании, которая бы нанимала сотрудников по принципу «Этот парень не дурак, давайте-ка мы ему запилим data science degree а потом он будет на нас, как японец, всю жизнь работать.
В данном контексте я имел в виду обучение специализации.

В каком объеме, опять же?


Не застал ни одной компании, которая бы нанимала сотрудников по принципу «Этот парень не дурак, давайте-ка мы ему запилим data science degree а потом он будет на нас, как японец, всю жизнь работать.

Такого варианта я тоже не встречал. Зато я встречал варианты "этот чувак у нас работает, и немножко делает data science, давайте ему поможем научиться делать DS лучше" и "этот парень начинает делать DS в своем ВУЗе, хочет к нам на работу делать DS у нас, умеет мало, но готов учиться, давайте возьмем".


По большому счету, ничем особо не отличается от разработчиков других специальностей.

В каком объеме, опять же?

Редко кто вообще такой вопрос задает. Как правило, до него даже не доходит. Либо ты уже специалист, которого уже можно гонять, либо первое.
этот чувак у нас работает, и немножко делает data science, давайте ему поможем научиться делать DS лучше

Я рад, что такое встречается, но что получается? Мне, представим, как фермеру из местной алабамы, относительно неплохо разбирающийся в ds, мне нужно искать позицию чувака, которому могут дать что-нибудь на анализ? По мне, так бред. Вот и получается, что такие сидят и выращивают кукурузу, тихо пиля свой проект на гите.
Редко кто вообще такой вопрос задает.

Какой "такой"?


Либо ты уже специалист, которого уже можно гонять, либо первое.

Что такое "первое"?


Мне, представим, как фермеру из местной алабамы, относительно неплохо разбирающийся в ds, мне нужно искать позицию чувака, которому могут дать что-нибудь на анализ?

А чего вы добиться-то хотите?

Какой «такой»?

В каком объеме человека нужно обучать, чтобы он стал полноценным членом команды?
Что такое «первое»?

Неудачно пошутил по поводу вариантов получения оффера(т.е. допускается только то, что ты уже всё знаешь и готов вкалывать).
А чего вы добиться-то хотите?

В данном примере — оффера на какую-нибудь позицию инженера big data. Как по мне, atri1, кое-где прав, но, безусловно, ситуация не настолько плохая.
В каком объеме человека нужно обучать, чтобы он стал полноценным членом команды.

А кто и кому его должен задавать? Потому что вообще это один из первых вопросов, которые я слышу, выйдя с собеседования (в качестве собеседующего, а не кандидата).


Неудачно пошутил по поводу вариантов получения оффера(т.е. допускается только то, что ты уже всё знаешь и готов вкалывать).

Нет, это совершенно точно не так. Более того, почти всегда (ну, в моем опыте) кандидат чего-нибудь да не знает, так что сразу вкалывать не выйдет. Это не считая специфики компании.


(не, подумав, поправлюсь: если без учета специфики компании, я от кандидата на позицию senior-что-нибудь буду ожидать, что он готов сразу приносить пользу, что да, то да)


В данном примере — оффера на какую-нибудь позицию инженера big data.

Эм. Вы "относительно неплохо разбираетесь в data science", но при этом хотите оффер на позицию инженера big data? Я бы, если бы вас собеседовал, первым делом спросил, а в чем, собственно, разница, между этими понятиями.


Но не суть, на самом деле. Предположим, что вы на самом деле хотите оффер на позицию data scientist. Ну так все тривиально: ищите вакансии, где требуемый уровень познаний в data science ниже или слегка выше вашего, и начинаете рассылать резюме. Все как с другими профессиями в разработке.

А кто его должен задавать?

Видимо, сначало hr, потом тим лид. Но до беседы со вторым, как правило, не доходит.
Нет, это совершенно точно не так. Более того, почти всегда (ну, в моем опыте) кандидат чего-нибудь да не знает, так что сразу вкалывать не выйдет. Это не считая специфики компании.

Ну не надо воспринимать мои слова настолько точно. Всё знать невозможно.
Эм. Вы «относительно неплохо разбираетесь в data science», но при этом хотите оффер на позицию инженера big data? Я бы, если бы вас собеседовал, первым делом спросил, а в чем, собственно, разница, между этими понятиями.

Конкретно я в этой области чуть меньше, чем 0. В том случае я был абстрактный.
Видимо, сначало hr, потом тим лид.

Кому и зачем?


Но до беседы со вторым, как правило, не доходит.

"Как правило" в каких ситуациях? Вы, кажется, говорите, о какой-то выборке наблюдений, но я не понимаю, о какой.


В том случае я был абстрактный.

Я вроде бы написал: абстрактному человеку, "неплохо разбирающемуся в DS", и который хочет на позицию DS, надо просто искать вакансии на его уровень знаний. По-моему, это совершенно типовой процесс, нет?

Кому и зачем?

«Как правило» в каких ситуациях? Вы, кажется, говорите, о какой-то выборке наблюдений, но я не понимаю, о какой.

Теперь я запутался. Если можно, давайте сначала.
… линейная, логистическая регрессия, градиентный спуск, регуляризация L1-L2… все это перечисленное учиться по ходу дела...

Я согласен с этим утверждением. Вася пупкин, который хочет связать своё будущее с этим, учится, читает 100500 книг, проходит 100500 курсов, но ему не хватает ментора или окружения, смотря на работу которых он бы быстро освоился. Приходит он значит на собеседование. Собеседующие видят, что он что-то там читал и что-то там знает, но логично, этого не хватает. Они прикидывают, сколько нужно усилий потратить на человека для превращения его в полноценного работика. Соответственно ответ: «Приходите, когда вы будете опытнее». Зато берут рекламщика олега, который каждый день после работы тусуется с тимой дата саентистов, которые подкидывают ему то, что сами делать не хотят. После работы за пивком, они объясняют что к чему. Так, скажем за пол года, олег получает знания, экспу, скилзы и т.д. и т.п. А вася остается играть в своей песочнице на гите.
Они прикидывают, сколько нужно усилий потратить на человека для превращения его в полноценного работика. Соответственно ответ: «Приходите, когда вы будете опытнее».

Ээээ… нет. Если компании нужен junior DS (или интерн), то этого человека просто берут на соответствующую позицию и выдают ментора. Я лично так взял на работу человека.


Зато берут рекламщика олега

На какую позицию?

тусуется с тимой дата саентистов

Мне вот, по размышлению, вот что любопытно: а откуда взялась "тима дата саентистов"? Самозародилась чудесным образом?

Мне вот, по размышлению, вот что любопытно: а откуда взялась «тима дата саентистов»? Самозародилась чудесным образом?

В крупных и не очень компаниях есть множество отделов, которые как-то контактируют друг с другом. Решил человек перейти в другой отдел. В связи с тем, что он(рекламщик в данном примере) имеет возможность общения с людьми, которые занимаются непосредственно интересующим его направлением, влиться в их отдел гораздо проще.
На какую позицию?

Прошу прощения, не уточнил. Везде подразумеваю джуна конечно-же.
Ээээ… нет. Если компании нужен junior DS (или интерн), то этого человека просто берут на соответствующую позицию и выдают ментора. Я лично так взял на работу человека.

Вот я очень рад за вас, но к сожалению, не все так поступают.
В крупных и не очень компаниях есть множество отделов, которые как-то контактируют друг с другом.

Нет, откуда вообще взялся этот отдел в компании?


Решил человек перейти в другой отдел.

Внутри компании вообще обычно проще мигрировать, чем снаружи прийти. Только это некорректное сравнение, не надо им пользоваться. Сравнивайте двух людей, пришедших снаружи.


Прошу прощения, не уточнил. Везде подразумеваю джуна конечно-же.

Вы хотите сказать, что вместо человека с навыками DS на позицию junior DS взяли рекламщика без навыков, который потом этих навыков поднабрался по ходу работы?


Извините, не поверю.


не все так поступают

Ну так и не во всех компаниях надо стремиться работать.

Как раз яндекс один из тех, кто хоть что-то делает для обучения. Не являюсь их сотрудником, но часто их лого можно увидеть на всяческих митапах и курсах.

писать "плохо" про мего-корпорацию, даже на западе страшно, любой негативный отзыв значит что написавшего никогда больше не возьмут на работу в эту корпорацию, и тыщу подрядчиков


во многих крупнейших корпорациях у нас просто увольняют всех кто старше 25 (после 25 программистом быть стыдно) и организуют месячные курсы и берут новых 18-20 летних, на меньшую зарплату чем была раньше (уменьшение расходов это главный приоритет)


конкретно конечно никто ничего писать не будет, пока очередное движение "me too" или подобное не появиться все будут тихо сидеть

во многих крупнейших корпорациях у нас просто увольняют всех кто старше 25

Простите, а где это "у вас"?

Вот уж в плане образования яндекс весьма неплохо выглядит. Например, есть топовый ШАД — абсолютно бесплатно, нет никаких требований хоть сколько-то отработать в яндексе, а сотрудникам можно без вступительных экзаменов на курсы там ходить. Есть всякие кафедры в университетах, где сотрудники яндекса программированию и/или датасаенсу учат.

Прискорбно, но факт. При том не только в IT такая картина.
два варианте — либо родиться в США, либо иметь друга/сына/брата/сестру/прочие связи в руководстве которые посадят на теплое место, подругому никак
Вот где-где, а в коммерческих IT компаниях такое встречается феноменально редко. Просто потому что кто попало работу делать не сможет, а делать ее как-то все-таки надо, иначе бизнес свернется. А держать «лишних людей» — лишние расходы, а уж свои деньги-то эти люди считать умеют.
значит просто ищут раба который будет делать всю работу, и которого уволят через пол года-год как работа будет сделана и возьмут нового раба
Там, где сложился рынок труда работника, а не работодателя (а к IT-отрасли это относится в первую очередь), «людям, делающим всю работу» во-первых обычно хорошо платят, а во-вторых, если они нормально делают свои работу, то увольнять их попросту невыгодно — во-первых, хороших работников найти на рынке труда и так не просто, да и на его ввод в проект потратишь время и деньги. А вариант «нанять кучу джуниоров» может оказаться дороже чем «нанять несколько мидлов», особенно в долгосрочной перспективе.
Высшая математика нужна. Придется пройти курсы или изучить литературу, и это будет долгий процесс. Вам будет нужна подготовка по линейной алгебре, математическому анализу, теории вероятности и математической статистике.


1-2 курс ВУЗа максимум? Нужду в полностью законченном высшем вы чем
аргументируете?

Присоединяюсь, как минимум спорно. Для ML-engineer точно не нужна, вполне можно работать с моделями как с черным ящиком.

У нас в %большая компания% люди как с цепи сорвались с этим ML. Все хотят делать ML. Бэкендщики, фронтендеры и фуллстаки в едином порыве. Очень тяжело стало искать людей искать, которые хотят делать работу, а не ML. А тем временем для настоящего ML продакшена (в том плане что не исследовательского), надо одного, ну может полтора ML специалиста и кучу другого народа вокруг них, которые будут строить вполне стандартную инфраструктуру (пусть даже и с поправкой на организацию пайплайнов для тренировки моделей), апишки и формочки.


Особенно тяжело с фронтендерами кстати. Те, которые не хотят в мл, хотят в бэкенд, потому что считают что им там будут больше платить и лучше воспринимать их достижения.

Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.