Всём привет, привет всем 🙌
Я Дима - ditengm, и это мой телеграм канал про it.

Чем он будет отличаться от других тг каналов:
➡️ я буду рассказывать про опыт и мысли человека, который родился в маленьком городе на 20к, выбрался в Москву и уже нашёл работу на первом курсе. Я здесь буду говорить, что вуз играет ультра малую часть в вашем it развитии, что не нужно бояться идти в тëмное будущее, что бить в одну точку - это необходимость в нашем мире, а не выбор.

Для кого он:
➡️ для data science / data analyst ребят
➡️ кто участвует в хакатонах
➡️ кто только начинает свой путь в it
➡️ и кому не всë равно на саморазвитие

Что здесь будет:
➡️ буду делиться своим бесценным опытом в ds / da
➡️ статьи, книги, видео про it
➡️ ну и про саморазвитие

Если твоë сердечко любит айтишечку, то есть кнопка подписаться🔥

Про меня:
- Работаю Middle Data Scientist (Sber)
- Опыт работы 2 года
- Принял участие в 9 хакатонах, из которых выиграл 2 хакатона

VK: https://vk.com/dsvlko
Telegram: https://www.tgoop.com/ditengm
Instagram: @ditengm
GitHub: https://github.com/ditengm
linkedin: https://www.linkedin.com/in/dmitriysavelko/

Многие задают себе вопросы🤔:
➡️ как найти первую работу?
➡️ где взять новые знания?
➡️ что делать, если нет опыта?

Типичные ответы вы найдëте в интернете, я же расскажу про конкретные примеры и способы достижения результатов🤫

KarpovCourses
Я работаю саппортом в KarpovCourses, то есть студенты мне кидают код, а я нахожу в нëм ошибку. Вроде бы небольшое достижение, но данная работа даст мне деньги, а в первую очередь знания, с помощью которых можно достичь больших высот в моей сфере

Никакие секретные знания, никакие связи, никакие сверхъестественные силы не помогли мне в приобретении этой профессии, а самые банальные, но почему-то малоприменимые, для людей вещи: настойчивость, смекалка, целеустремлённость и умение налаживать контакт с человеком, а также самодисциплина🤓

Ответ:
Чтобы найти работу или получить первый опыт, по-моему мнению,
- необходимо проявить себя среди остальных 👑
- выделиться перед работодателем или в проекте 📈
- не забивать на задачу, а отложить и попробовать снова 📝
- и главное, холодно и дисциплинированно подходить к каждому делу 💻

Вот вроде банальные вещи, но они являются моей личной основой для моего развития.

Буквально через два-три месяца я смог достичь результата, который будет основой для моего будущего результата на всю жизнь 🤯

#DataScience
#Собесы

В дополнение к предыдущему посту.

Вещи, которые мне помогли:

1. Я зарегался в linkedin и писал всем hr-ом, которых только видел. В моих сообщениях было около двухсот hr-ов. Придумайте шаблонное письмо и СПАМЬТЕ им 💼

2. Посмотрите на шаблоны резюме и пишите туда релевантный опыт. Сделайте 5 резюме на hh.ru и подобных сайтах и с сопроводительным письмом отсылайте всем кому видите 🪪

3. Сделайте качественное сопроводительное письмо: кто вы, зачем вы компании, какую пользу вы принесёте и т. д. ✍️

4. Ходите на все собесы, так вы поймёте, кто вы на рынке, какие у вас минусы и пробелы в знаниях, которые вы сможете исправить 🗣

5. Ходите на хакатоны, митапы, форумы, нетворкинги. Вы можете познакомиться с людьми, которые помогут вашей карьере , или просто найдëте классных ребят 🤝

6. Не сдавайтесь и ебашьте - это самый важный пункт 🤯

#Мысляки
#Собесы

Про собеседования:

1. Чем больше, тем лучше.
Ходите на как можно большее количество собесов, смотрите мак-интервью. Это нужно для опредения своих ошибок и их исправления 👥

2. Мониторинг вопросов и задач на собеседовании.
Гугл -> Поиск -> топ 10 вопросов на собеседовании дата сатанист.
Примерно так должна выглядеть ваша примерно так должна выглядеть ваша подготовка в к собеседованиям. 👀

3. Основные темы вопросов на собеседовании:
➡️ Python (pandas, matplotlib, numPy, seaborn)
➡️ Математика для DS (Линал, Матан, статистика, теория вероятностей)
➡️ Data Science (машинное обучение (от градиентого спуска до рекомендательных систем и кластеризации), нейронные сети, EDA, отбор признаков)

4. Важная тема - это алгоритмы и структуры данных.
Объясню: для сложных моделей вам понадобится порой самому создать или модернизировать свою структуру данных или же улучшить уже существующую сетку, а идейно вам поможет знание алгоритмов 🤖

5. Предметная область.
Если вы идëте в банк - ознакомтесь с сферой экономики и банка, медицина - сфера медицины... Data Science - это пересечение реальной жизни, программирования и математики 💼

6. Софты.
Умение коммуникации и налаживать контакты с людьми - это невероятно важное и необходимое умение. Не забывайте, что вы работаете в команде, и соло вы не вытащите проект, поэтому софт скилы - это необходимость 🫃

7. English лангуеч.
Особенно важна в DS, так как вся передовая научная литра по темам пишется на английском языке, плюс чтение доков никто не отменял 🗣

Примерно эти пункты вас будут спрашивать на собеседовании, главное - это проработка ошибок, и умение правильно себя критиковать 😱

#Собесы

❗️Навигация❗️

#DataScience - Про дата-сатанизм: материалы, идеи, мысли и т.д.
#DataAnalyst - Соответственно про дата-аналитику
#Материалы - Про ресурсы и материалы, которые помогут IT
#Собесы - Рекомендации про собесы
#События - Хакатоны, митапы, встречи, соревнования, работа
#Мысляки - Мои мысли и рассуждения на разные темы

Личный ROADMAP по Data Science/Data Analytics
+ ссылки на ресурсы

Придерживаясь этого плана, я стал Junior Data Science по NLP🤓

1. Математика 🧮
Для начала хватит первого курса вышмата:
- Линейная алгебра (матрица, определитель, обратная матрица и т.д.)
- Математический анализ (производные, градиенты, дифференциалы, интегралы и т.д.)
Здесь подойдёт любой курс по вышмату первого курса

2. Статистика и теория вероятностей. 📈
Это очень важная часть обучения, ей стоит уделить значительное внимание, потому что дальнейшее машинное обучения строится на статистике и тервере

3. Python 🐍
Это ваше сердце, вы будете к этому прикасаться каждый день.
Примерный стек:
pandas , numpy , matplotlib
Чтобы запомнить лучше, необходима практика

3. SQL 🗃
Здесь самое главное - практика. Вы не сможете выучить SQL, не решив, хотя бы 100 задач
Теория + практика
Практика

Вот здесь чуть-чуть разделяются пути аналитика и дата-сатаниста
Для Data Scientist'а

1. Машинное обучение. 🤖
Начинаем с линейной регрессии и заканчиваем... А ничем мы не заканчиваем, это тема необъятна просто продолжаем учиться.
Если чувствуем, что спокойно можем написать fit/predict без документации, то пробуем ходить на собеседования и выполнять рекомендации, которые я написал в посте выше
Курс по ML

2. Нейронки. 🤖🤖🤖
Это будет страшно, но выполнимо. Еë вы будете изучать очень и ОЧЕНЬ много, но как только вы выучите основы, то опять по собесам бегайте
Курсы от МФТИ

3. A/B тесты. 📊
Они нужны в нашем случае, чтобы быть уверенным можно ли загружать модельки загружать на прод.
Желаю ознакомиться с данной темой, всегда будет полезна
Вводное видео по a/b тестам

Необязательные для Джуна, но очень желательные

4. Алгоритмы 😵‍💫
Когда вы будете писать нейронку, и вам необходимо написать эффективную программу, то ИДЕИ и НАВЫКИ, которые вы получите в результате изучения алгоритмов вам очень помогут
Здесь нужно решать задачи на алгоритмы

5. Английский 🗣
Необходимо, чтобы изучать новую информацию по дата-сатанизму.
Сам изучаю данную тему, поэтому сложно сказать по ресурсам.

Также поделюсь совместным каналом, в котором публикуются материалы по Data Science: https://www.tgoop.com/shaminmatan

#DataAnalyst
#DataScience
#Материалы

Сегодня был на конференции ITalks, на которой говорилось о российском Финтехе.

Плюсы от конференций:

1. Нетворкинг 👥
Моя самая любимая часть конференций. Вы можете познакомиться с человеком, который
- даст вам оффер 💥
- даст совет и рекомендации🔥
- пригласит на стажировку ⚡️
- ну или вы просто можете классно провести время ☀️

Пример:
Я познакомился с завкафедрой института искусственного интеллекта и анализа данных вуза Синергии (да, и что?)
Замечательный мужик, который знает очень много в своей сфере. Он пригласил меня выступить на конференции по нейронкам, естественно я согласился)

2. Знания 📜
Доклады людей, которые шарят в той или иной сфере, могут очень вас идейно прокачать.

Пример:
Сегодня был доклад про биометрию
(Это когда с помощью личика можешь заходить в телефончик)
- Обсуждалась система биометрии в современных процессах.
- Была выдвинута идея введения edge-устройств для защиты ваших личных данных (данных вашего красивого личика)
- А также оптимизация нейронок для слабых устройств
И на эти темы у меня есть знания от топового специалиста 🏆

3. Развлечение 🎉
Иногда стоит отдохнуть с друзьями, этому может способствовать конференция. Допустим сегодня давали бесплатную еду и бесплатный алкоголь, плюс там выступал Wylsacom, что подогревало мой интерес

Ходите на конференции и митапы, так вы будете красавчиками красивыми 😎

#Мысляки #События

+1 Выигранный Хакатон 😎

Наша команда заняла второе место на хакатоне ZakupkiHack. Я выступал в качестве капитана-MLщика, и это была далеко не самая лёгкая задача. Два с половиной дня написания кода и одна бессоная ночь дали свои плоды, и у нас получилось сделать достойное решение.

Задача 🤔
Сделать анализ рынка для поставщика, который вводит описание интересующего его товара. Например, мне интересны "игрушки для детей от трёх лет", и алгоритм делает аналитику на основе похожих товаров.

Что было дано 🗂
Датасет из позиций закупок, грубо говоря, были даны покупки определённого товара. В эту закупку входила цена, страна, описание и категория товара.

Решение 📊
1. Почистили мега вонючий датасет от мусора💩
2. Распарсили текст и провели лемматизацию (это штука переводит слово в изначальное состояние: слово красивейший в красивый )
сделали из них эмбеддинги (вектора (для самых маленьких - это циферки) , которые передают определённую информацию о словах). 🧮
3. С помощью расчёта угла косинуса между описанием, который нам дал поставщик, желающий получить аналитику, и всеми описаниями, которые у нас были в тексте. Подсчитанный угол косинуса показывает насколько близки вектора друг другу, другими словами, насколько сильно описания сходятся, тем самым отобрали топ похожих описаний из изначального датасета
4. По итогу построили графики, которые показывают место нашего поставщика среди конкурентов, конкуренцию на рынке, а также анализ по странам 📈

Проблемы 🫠
1. Там было много редких слов, которые было очень сложно обработать. Из-за их редкости алгоритму было очень сложно понять, что мы вообще от него хотим, да даже человеку порой сложно догадаться до этого.
Вот представьте, что у вас просят шиберную задвижку DN 500, я бы ударил этого человека, который меня это попросил 🤡
2. Мы выдаём определённое количество подходящих товаров, то есть мы можем выдать товары, которые не подходят его запросу, или выдать не все запросы

Итог:
Много вкусной еды на фуршете.... 🥴
Ну и конечно же второе место с проектом, который не стыдно показать работодателем. Также познакомился со многими интересными людьми и возможно нашёл работу🤫

GitHub с проектом

#События