В этой статье выпускники Академии рассказали про карьерный путь и поделились рекомендациями по подготовке к отборочным этапам.
 

Валерий Тащилин, Data Scientist в игровом направлении

Как ты попал в MADE?

По первому образованию я инженер. Через пару лет после окончания магистратуры и аспирантуры увидел информацию о наборе в Академию MADE. Мне понравилось, что программа обучения ориентирована на специалистов с опытом работы, а помимо теории есть очень много практических заданий. Мне как раз нужно было прокачать знания и научиться эффективно применять методы машинного обучения в своих научных исследованиях.
 

Что дало обучение в Академии?

Мой путь в Data Science начался с магистратуры по математике, где в качестве факультатива я проходил всем известный курс Andrew Ng на Coursera. В дополнение к этому были дисциплины, посвящённые компьютерному зрению, но ещё до нейронных сетей. Поверх этих знаний уже легла программа MADE. Итогом всего этого стало приглашение на работу в MY.GAMES, где в составе команды я помогаю продвигать наши мобильные игры. 

Для чего стоит поступать?

Если хочется применять современные методы машинного обучения для решения научных и бизнес-задач. А ещё чтобы понять, почему Netflix советует тебе тот или иной фильм, узнать, когда уже мы получим настоящий искусственный интеллект.

Также я думаю, что MADE — это отличная площадка для старта карьеры в промышленном ML, так как на обучении много говорят о том, как ML-системы эксплуатируются в продакшене. Студентов знакомят с полноценным стеком технологий, необходимых для работы в крупных ML-проектах. Если цель — работа в индустрии, то MADE кажется оптимальным вариантом.

• Сергей Николенко «Глубокое обучение» — я её открыл для себя уже по окончании обучения, но было бы очень полезно прочитать её в начале.
• Thomas H. Cormen Introduction to Algorithms — хрестоматийная книга по алгоритмам, помогает разобраться с Алгоритмами и структурами данных..
• Kevin P. Murphy Machine Lerning: A Probabilistic Perspectives — одна из книг, которые советовал Сергей Николенко. Вводные главы помогут при поступлении, а основное содержание — во время обучения. Лютая книга с точки зрения математики. 
• Richard S. Sutton, Andrew G. Barto Reinforcment Learning — хрестоматия по обучению с подкреплением, я её сейчас читаю, очень интересная штука.

Владимир Назаров, руководитель команды в департаменте рекламных технологий 

Я, наверное, не лучший пример выпускника, так как сейчас занимаюсь бэкенд-разработкой. Но всё же продолжаю работать с большими данными над совместным с ML-инженерами проектом.

Что мне дало обучение в Академии? 

• Познакомился с современными технологиями обработки и хранения больших данных (Hadoop, Spark) — это пригодилось на работе.
• Разобрался, как устроен современный ML (методология, подходы, работа в продакшене, ограничения и лучшие кейсы применения). С одной стороны это удовлетворило мой персональный интерес, с другой — мне стало легче взаимодействовать с коллегами из ML, так как мы работаем в кросс-функциональной команде. Я разобрался, чем они занимаются, и это помогло мне говорить на одном языке и решать общие задачи. 

Для чего поступать в MADE?

На мой взгляд, это отличная площадка для старта карьеры в промышленном ML, так как в программе Академии помимо теоретического обзора много времени уделяется рассказу, как ML-системы эксплуатируются в продакшене. Студентов знакомят с полноценным стеком технологий, который необходим для работы в крупных проектах. Если цель — работа в индустрии, MADE кажется оптимальным вариантом.

Что порекомендуешь почитать/повторить поступающим? 

Для подготовки к вступительному экзамену по алгоритмам я бы посоветовал потренироваться на контестах Codeforces (Div3's) или на LeetCode. Там тот же формат заданий, что и на экзамене. Больше ничего не могу посоветовать, потому что воспользовался рекомендациями для поступающих — повторил нужные темы. Этого было достаточно.

Али Сафиуллин, программист-разработчик, ВКонтакте

Мой путь в DS начался с работы в банковском секторе, где я использовал достаточно классические методы прогнозирования. Работа была ограничена обработкой табличных данных и построением простых моделей машинного обучения.

В это время я активно интересовался, как работать с картинками, текстами, занимался построением RL-агентов. На просторах интернета нашёл программу обучения MADE. К счастью, моего математического бэкграунда хватило на поступление. 

Само обучение занимало много времени — приходилось сидеть ночами. Однако с каждой сделанной домашкой и с каждой прослушанной лекцией, ты больше узнаёшь не только про конкретные темы, но разные методы из других областей, понимаешь,как оборачивать свои модели в сервис, что очень полезно на работе. Помимо знаний было много нетворкинга — общаясь можно ещё быстрее развивать свои навыки. А многие студенты уже работают в крупных компаниях, это может помочь в трудоустройстве во время обучения и после. 

После выпуска была возможность поговорить с рекрутерами VK и пройти собеседование в быстром режиме на интересные позиции. В итоге я удачно сменил пару раз работу, и сейчас работаю разработчиком в области речевых технологий ВКонтакте.

Что порекомендуешь почитать/повторить поступающим? 

При поступлении: Михаил Лагутин «Наглядная математическая статистика» и Марк Лутц «Изучаем Python». А также книгу Сергея Николенко «Глубокое обучение» — она старовата немного, но для начала подойдёт.