11059
Канал Виктора Кантора про Data Science, образование и карьеру в сфере анализа данных. По вопросам сотрудничества: @mariekap РКН: 5140322136
Анкета для тех, кто хочет погрузиться в ML
Итак, в постах выше я уже раз пять или десять упомянул, что мы с моей командой разрабатываем образовательно-карьерный продукт по ML. Нам важно сделать его качественно, поэтому обращаюсь к тем, кто хочет погрузиться в ML как в свою первую специальность или перейти в ML из другого направления.
Пройдите, пожалуйста, небольшой опрос: https://forms.gle/Du2yKQjvzAFHqaKd7
С некоторыми из тех, кто оставит свой контакт, проведем с командой встречу, чтобы узнать больше о вас и вашем пути. Также на основе ваших ответов буду выкладывать полезный контент в канал. Буду очень признателен всем, кто пройдет опрос :)
Однажды я проводил в родном городе выездную олимпиаду МФТИ по физике и математике. Точнее проводил я её много раз, но тот случай был особенным.
Мы с друзьями из других технических вузов (никогда не отказывавшимися помогать с проведением олимпиады и даже консультаций перед ней) решили развести максимум серьезности и строгости. Во избежание списывания, мы выдавали бумагу для черновиков и финальных решений сами. Каждый лист должен был быть подписан нами, инородные листы бумаги не проверялись.
И вот у одного девятиклассника закончилась бумага, и он попросил у нас дополнительную, добавив «хотя возможно такому идиоту как я не имеет смысла её давать». Беглого взгляда на его черновики хватало, чтобы заметить, что решенных задач в них было весьма не густо, но мне все равно не понравился его настрой. Я взял чистый лист бумаги, подписал его, сделав валидным для решения на нем задач олимпиады, и дописал: «Ты не идиот, верь в себя!».
Вчера он закончил МФТИ :)
О той истории я давно забыл, но её герой сам мне напомнил шесть лет назад, когда уже поступив на Физтех, проводил выездную олимпиаду вместе со мной.
Выводов не будет, просто история, от которой мне тепло на душе. Всем хорошей недели! ☀️
Ответ на прошлый квиз уже по традиции не так прост, как кажется.
👴🏻 Те, кто помнят, что Фишер это кто-то очень древний и стоящий у истоков статистики, сразу выбрали Ирисы Фишера. И действительно, этот датасет был использован Фишером уже в 1936 году, чтобы показать, что можно построить линейный классификатор как честное формальное математическое решение оптимизационной задачи. Т.е. рассчитать коэффициенты в формуле так, чтобы ошибка на датасете была минимальной. Именно с линейного дискриминанта Фишера я бы вел отсчет истории машинного обучения, пусть тогда это так и не называлось.
🚢 Но есть в этом квизе место и для «горя от ума». Многие помнят, что Титаник затонул в начале 20 века, а точнее в 1912 году, что действительно раньше работ Фишера. И тут начинаются риторические вопросы: что считать датой появления датасета? Ведь фактически, когда Титаник утонул, все данные уже появились.
🤔 Если считать так, то самые старые датасеты, конечно, будут не про Титаник и Ирисы, а про какое-нибудь реликтовое излучение в космосе, так что на мой взгляд правильно считать датой появления датасета первое применение этого датасета для какого-то анализа или построения модели. Также логично вести речь про конкретный набор данных, а не про все аналогичные датасеты, т.е. изначально сформированный на бумаге список пассажиров + список погибших (тоже на бумаге) датасетом Titanic не считаем.
🤓 Окей, тогда идем в Гугл и выясняем год первого упоминания о датасете Titanic. Находим ссылку на статью 1995 года. Датасет мог использоваться раньше, но вряд ли настолько, чтобы появиться раньше ирисов Фишера
Итог: все же ирисы Фишера как датасет появились раньше (из всех перечисленных вариантов).
Почему я запускаю свой образовательный
проект по ML 📚
Как я уже говорил в прошлых постах, я принял решение запустить новый образовательный проект по ML. Это будут платные онлайн-курсы, из которых я хочу сделать наиболее продуманное и наиболее интересное обучение ML из всего, что есть на рынке.
Вы спросите, зачем миру нужна ещё одна онлайн-школа? Ответ простой – низачем. Я делаю это, потому что это способ моего самовыражения.
Я преподаю машинное обучение больше 14 лет и работаю столько же (да-да, я стал преподавать почти сразу, как начал работать). Начинал с того, что пытался объяснить простым и понятным языком, как работают алгоритмы, экспериментировал с форматами обучения. Всё это для того, чтобы найти подход ко всем ученикам.
☝️Главный вывод, к которому я пришёл за годы преподавания – нужно любить свою аудиторию и хотеть помочь каждому разобраться и стать востребованным специалистом.
Мои ученики здорово реализуются в Data Science. И я бы не был так уверен в себе, если бы отбирал на обучение только гениев (так, кстати, зачастую работают топовые вузы). Я же работал с разными людьми и каждого считаю умным и талантливым по-своему. А для развития этих качеств нужно правильное отношение преподавателя.
Data Science – это огромная сфера, в которой есть очень много профессий. Даже если вы не технарь, а гуманитарий, вам тоже найдется место здесь. Моя мечта – сделать профориентационный проект, который поможет вам:
1️⃣ разобраться в большом количестве направлений DS,
2️⃣ глубже покопаться в одном из направлений, которое вам интересно,
3️⃣ найти себя и пойти развиваться именно в этой профессии.
С моим опытом работы и преподавания в индустрии, тем, кому понравится мой стиль обучения, я точно смогу помочь разобраться и преуспеть в сфере работы с данными.
Следите за новостями и приходите на наши курсы :)
Вся подробная информация будет появляться в канале.
🎬 Записываем с Серёжей Епихиным первый выпуск 2 сезона нашего подкаста ТехТок (первый сезон здесь: https://podcast.ru/1635293813 ).
🎥 Первый сезон был без видео, теперь добавили картинку и обновили концепцию. Будем не просто говорить с классными ребятами про их карьеру, а фокусно обсуждать с приглашенным экспертом одну из технологий на основе AI (беспилотные авто, голосовые помощники, GenAI и многое другое).
☝️ В этом сезоне пока планируем 8 выпусков, первый уже будет довольно скоро - следите за новостями
Сегодня выступаю (точнее участвую в дискуссии) здесь: https://imlconf.com/schedule/days/
Давно с Петей не общались, вот даже без панели созвониться не можем 🤣
🎤 Срочный анонс!
Сегодня я выступлю на конференции МТС True Tech 2024 с темой «Карьера в ML. Треки, развилки и личный опыт».
Я расскажу, какие роли есть в этой индустрии, какие навыки для них нужны и по каким трекам здесь можно двигаться. И в финале дам карьерные рекомендации на основе моего личного опыта.
🤖 На самой конференции, кроме меня, кстати, выступает ещё много крутых спикеров в секциях Main, Development, AI/ML, Cloud и Science.
🎉 В общем, вот ссылка, буду рад вашему вниманию, я начинаю в секции AI/ML в 11:05 :)
🤓Итоги квиза
Итак, лишним может быть любой ответ:
1️⃣ - единственный предмет из приведенных, который по-существу используют только для гадания (кофейную гущу добавляют в рассаду, на червях и гадают и используют как приманку, в обычные карты можно просто играть)
2️⃣ - выделяется по цветовой гамме из остальных
3️⃣ - если обратить внимание, что черви желатиновые, то на таких конечно никто не гадает :) Но тут зависит от «что хотел сказать автор», потому что в изначальной версии квиза были и желатиновые, и настоящие черви, из-за чего ответ был очевиден.
4️⃣ - как верно заметили в комментариях, единственная картинка с одним объектом, а не несколькими (на 2 - кофейные зерна)
Ну и, наконец, если следовать духу загадок вроде «В автобусе спали все пассажиры, но только водитель не спал, как звали водителя?», то правильный ответ 1, потому что «ответ только один». И это вы тоже отгадали 👏
Во-первых, вы молодцы и помогли показать, что обосновать можно как правило все что угодно (за это я и ненавижу с детства задания в тестовой форме с выбором вариантов ответа 😁).
🤔 Во-вторых зачем нам это все: то, чем мы сейчас занимались, было примером обучения без учителя (unsupervised learning). Когда вам не приведены в обучающей выборке примеры и правильные ответы, по которым можно понять, по какому принципу вы считаете объекты похожими и непохожими друг на друга, всегда есть куча способов поделить объекты выборки на группы. Именно поэтому задачи unsupervised learning на порядок сложнее решить удовлетворительно для человека, чем задачи supervised learning.
Вот делаете вы кластеризацию, например, отзывов на товары, и как вашему алгоритму понять, по товарам вы кластеризуете, по тональности, по лексике, по обнаруженным проблемам или еще по чему? Только по тому, как вы считаете признаки, и в каких признаках различия проявляются сильнее. Что при 100-1000-10000 признаках попробуй еще отследи.
Вы скажете: что же это за вранье было, что «ответ только один»? Ну так unsupervised алгоритмам тоже надо дать только один ответ, когда способов ответить логично целое множество. Это было полное погружение в жизнь алгоритмов обучения без учителя, почувствуйте изнутри, так сказать :)
💡Но в то же время если быть достаточно находчивым в построении unsupervised штук, они могут забустить целый набор supervised задач. И в следующий раз я расскажу вам, причем здесь word2vec и GPT - две казалось бы очень разнесенные по времени своей популярности вещи, но обе показывающие мощь правильно примененных unsupervised подходов.
🎲Пятница — день квизовый. А значит, самое время проверить ваши знания. Ну или интуицию. Посмотрите на эту картинку внимательно и помните: правильный ответ здесь только один ☝️
Пишите свои варианты в комментариях!
Иллюзия, которая помогает нам учиться
🤔 Вот вы может думаете, что когда ведёшь курс по машинному обучению например, просто берёшь известные темы, рассказываешь их понятно, делаешь задания для закрепления материала и все тут. Как бы ни так.
Знаете, вот иногда выйдешь из дома и думаешь: а я точно дверь закрыл? Ну или там утюг не выключил может. Или для особо тревожных - свет в комнате оставил, теперь за день набежит на целых 50 копеек лишних. Вот есть один такой же тревожный вопрос, который мучает меня про базовый курс машинного обучения, который в разных вариациях и разных местах я преподаю уже 14 лет: порядок тем.
😐 Серьезно. Вот я каждый год несколько раз за год задаюсь вопросами: рассказывать сначала линейные модели или сначала деревья? Рассказать сначала введение во все основные методы supervised learning, а потом unsupervised или сделать нейросети прям отдельно в конце, чтобы сразу там и про всякие автоэнкодеры упомянуть, а не разделять?
🧶 Проблема в том, что наука развивается сама по себе, без оглядки на то, насколько стройная программа курса потом получится :) В итоге получается, что все темы друг с другом взаимосвязаны и расположить их линейно можно кучей способов. В рамках парадигмы «то что мы ещё не проходили, мы с вами пока не знаем» это приводит либо к потере, либо к откладыванию изучения части связей, и роль автора курса - выбрать, что слушателю дать раньше, а о чем рассказать потом или вовсе не рассказывать.
🌳 Ну например, про линейные модели и деревья. Деревья устроены проще в плане нужной для их понимания математики, но, рассказав про деревья, логично не тянуть и сразу переходить к ансамблям деревьев. А хочется сначала пройти какие-то базовые алгоритмы, а потом уже идти в ансамбли. Тогда линейные модели надо ставить до деревьев. Но линейные модели требуют от слушателя уже хоть немного не бояться математики - что такое градиент понимать, градиентный спуск. Если рассказываешь студентам технического ВУЗа - не беда, они все это знают. Если же разрабам или вовсе гуманитариям: создаётся некий барьер, который выше, чем у деревьев, но встретившись раньше, может помешать людям даже добраться до всяких лесов и бустингов, которые на самом деле очень просты. А если просто руками поводить и сказать «ну тут параметры подбираются автоматически из оптимизационной задачи», то будет уже совсем профанация какая-то.
🤹Так вот одна из скрытых (но очень важных) работ любого автора курса - из огромной и разнообразной области, не спрашивающей нас, как ей развиваться, чтобы было красивое оглавление в учебниках, сделать что-то стройное, логичное, систематизированное, уложенное в линейную последовательность тем и дающее слушателю приятную иллюзию порядка.
☝️Как только слушатель начнёт работать и нарабатывать практику, он поймёт, что это была иллюзия. Что нет такого четкого деления на типы алгоритмов, что можно спокойно и безнаказанно совмещать вещи из разных глав учебников, а какие-то методы и задачи можно было записать сразу в несколько глав. Но эта иллюзия порядка, созданная лектором, уже помогла изучить основы. И в этом и был ее смысл.
❓Как готовить исследователей?
🤷♂️ Не так давно я рассказывал, что думаю про подготовку исследователей. Не то чтобы я считал себя экспертом именно в этой теме (это вам не преподавание Machine Learning в целом и не индустриальный ML), но раз уж был вопрос подписчика, ответил как чувствую :)
👩🔬 Но нас тут вообще-то несколько тысяч, и многие имеют отношение к ML. Так что настало время спросить вас: коллеги, а как по-вашему готовить топовых исследователей в ML? Можно даже две версии:
1) как готовить тех, кто публикует статьи на топовые конфы;
2) как готовить тех, кто прям правда науку двигает 😁
Самые лучшие идеи могут лечь в основу одного крутого проекта (через недели 3-4 мне уже можно будет про него рассказать здесь :)
🎲 Предыдущая загадка, очевидно, оказалась для вас легкой. Тогда предлагаю усложнить задачу — держите еще один квиз с изображением.
Как обычно, жду ваши ответы в комментариях 💬
О полезности общения с коллегами
💼 Когда я устраивался в МТС (тогда еще Chief Data Scientist’ом), я не знал, сколько денег просить, чтобы и не продешевить, и не отказали. За плечами у меня был только опыт CDS в Яндексе, ну т.е. совсем не рыночные условия (в том смысле, что теплота, уютность и семейность Яндекса не бесплатны для сотрудника, но тогда оно того стоило).
💰Так вот попав в это неловкое положение, я обратился за советом к Валере Бабушкину, он тогда уже работал CDS в X5 Retail Group и как раз имел тоже яндексовый бэкграунд и возможность сопоставить два мира. Надо сказать, что совет Валеры залетел «на ура», за что я ему до сих пор очень благодарен, потому что при назначении в топ-менеджмент мой оклад не сильно скорректировался. Как устроена жизнь топов, я обязательно расскажу когда-нибудь потом, оклад там не главное, но все-таки так забавно получилось, что Валера своим советом определил мою зарплату на 4 года жизни :)
😁 Познакомились мы с Валерой вообще забавно - встретились как спикеры на Матемаркетинге у Леши Никушина, я подумал «опять этот Валера везде с одной презенташкой ходит и выпендривается», но Валера тут же улыбнулся мне самой широкой улыбкой на пределе человеческих возможностей, и мы настолько тепло и вежливо побеседовали, что мне стало стыдно за свою токсичность. В итоге мы в какой-то степени подружились, периодически друг-друга звали то попреподавать, то проконсультировать и вообще извлекли много хорошего из этого знакомства.
🥳 Ну а сегодня я с огромным удовольствием поздравляю Валеру с днем рождения и всем рекомендую подписаться на его канал в tg: /channel/cryptovalerii
Персональный мем в качестве подарка прилагается
Прошлый квиз остался без ответа, исправляю ситуацию. Но не спешите огорчаться, что вопрос был простой, и ответ сразу отгадали: это была разминка. В пятницу продолжим угадывать все, что скрыто :)
Читать полностью…
Оказывается, никакого шторма не было.
Такое вот интересное решение ситуации.
Так что будьте аккуратны с распространением фото и видео из Дубая
Мой дозор окончен
🎉 Чуть больше месяца назад я сообщил руководству, что мой дозор окончен, ушел с позиции директора Big Data МТС и передал вахту своему преемнику.
🌴 Июнь я провел в месячном отпуске, потому что марафон на 4.5 года в МТС, из которых 3.5 в топ-менеджменте меня порядком измотал. Большая компания это всегда очень сложная система с большим количеством связей, которые нужно учитывать в работе, огромное количество коммуникаций и множество случайных факторов, поэтому было не сложно подустать :)
✊ На самом деле я "просился на волю" уже больше двух месяцев, т.к. отработал свой трехлетний топ-менеджерский контракт, и хоть мне его и продлили еще на три года, уже доказал себе все, что хотел. Убедиться я хотел в том, что став топ-менеджером в самой большой российской телеком компании в 28 лет смогу не только все не продолбать, но и на порядок вырастить полезность Big Data для МТС и значительно усилить команду. Для меня это было личным сражением за молодежь в топ-менеджменте. Эдакая борьба с эйджизмом, когда все привыкли, что высшее руководство это всегда ребята в возрасте. Я не мог позволить себе провалиться, потому что я верил, что каждый успешный прецедент открывает дороги десяткам ребят, способным развивать российский бизнес по-новому, а каждый фейл заставляет акционеров больших компаний смотреть на молодых кандидатов с опаской.
🥚 За последние несколько лет топ-менеджмент МТС значительно помолодел (я здесь не столько про формальный возраст, сколько про то, насколько люди "молоды душой", но и про реальный возраст тоже). Сейчас я вижу другую компанию, нежели та, в которую я приходил, мне во многом нравится то, что я вижу, и мне приятно чувствовать себя частью этой трансформации.
🏫 Что дальше? Ближайшие несколько лет я буду заниматься образовательными проектами. Это мой секрет невыгорания: чередование фокуса на работе и на обучении других людей раз в несколько лет. Во-первых, я уже писал здесь про онлайн-школу ML, где мне хочется опробовать все свои идеи по тому, как сделать образование интересным, эффективным, не попсовым, но и не "идите учиться на миллиард месяцев и потом узнайте, что никуда вас не возьмут". Во-вторых, есть ряд идей классных образовательных проектов, которые меня зовут делать (в том числе вместе с моим работодателем), и в которые я крайне вероятно могу вписаться, потому что некоторые вещи гораздо более требовательны к начальным вложениям, чем онлайн-школа :)
☝️Ну и напоследок, вот вам выводы, которые я могу сделать из моего приключения на 3.5 года (после которого я уже точно другой человек):
1) Когда у вас есть миссия (в моем случае - создать позитивный прецедент и дать дорогу молодым руководителям), вы сможете справиться с чем угодно. Это намного сильнее, чем любая другая мыслимая мотивация.
2) Кадры решают все, но на разных уровнях нужны разные кадры. Где-то подойдут и милые приятные умные мальчики и девочки, а где-то нужны зубастые люди, иначе вся расстановка границ ляжет на вас как на руководителя, и вы сгорите.
3) Ваш главный враг - это вы сами и ваш собственный страх и неуверенность в себе. Лучше быть смелым и тупым руководителем, чем умным, но трусливым. А еще лучше умным и смелым :) Однако не путайте смелость и откровенное слабоумие с суицидальными нотками. Там тонкая грань, ее нужно уметь нащупать.
Принимаю в комментариях любые вопросы про работу на C-level, на какие могу - отвечу 😁
Физтехи в Telegram
🧠Наверно уже почти все в канале знают, что я закончил Физтех, он же МФТИ. А вот что же это за университет знают не все. Физтех начал свое существование в 1946 году как физико-технический факультет МГУ по инициативе нобелевских лауреатов Капицы, Семенова и Ландау, а также академика Христиановича. С 1951 на основе ФТФ МГУ был образован уже Московский Физико-Технический Институт. Изначально отцы-основатели и предлагали создать новый институт, но история штука непростая, о чем неплохо рассказано на страничке Физтеха в википедии, а еще лучше в "Книге о московском Физтехе" Н.В. Карлова.
🥇Кстати, многие из вас так или иначе сталкивались с Физтехом в школе - школьные олимпиады по физике и по математике уже много лет организуются и координируются именно МФТИ (конечно, в большей степени финальные этапы, но методическое руководство всем процессом тоже есть). МФТИ также много лет готовит сборную России на международные олимпиады по физике и математике и в целом очень много работает с одаренными детьми. В олимпиадном программировании Физтеховские команды тоже стабильно показывают топовые результаты.
🧗Выпускники и студенты МФТИ, они же физтехи, это очень интересные, неординарные люди, образующие свою большую физтеховскую семью. Среди нас есть выдающиеся ученые, руководители, предприниматели, эксперты в самых разных областях человеческой деятельности.
✈️ Чтобы вы могли читать больше интересного контента от самых разных, но неизменно очень талантливых людей, мы с другими выпускниками МФТИ, ведущими каналы в телеграме, объединились и создали папку с каналами Физтехов. Здесь вы найдете более 30 каналов: про AI, про продакт-менеджмент, про предпринимательство, про аналитику, про работу на C-level, про финансы и инвестиции - в общем, много всего.
Добавляйте папку себе в телеграм, физтехи классные :)
Как я запускал курс DMIA. Часть первая
🧑🎓 Расскажу, как формировался мой курс DMIA (Data Mining in Action), какие с ним были сложности и какие цели я ставил перед собой как преподаватель. Курс начался как спецкурс по машинному обучению — факультатив в МФТИ, когда мы вместе с заведующим кафедрой делали свой стартап. Он был руководителем, а в команде было несколько студентов. Стартап был посвящён интеллектуальному анализу текстов. Получается, 14 лет назад мы уже занимались тем, что находится на пике хайпа сегодня.
🔎 Мы пытались делать семантический поиск. Причём мы (студенты) тогда ничего не умели ещё сами, не проходили никакие курсы машинного обучения. И при этом нам нужно было привлекать других талантливых студентов к себе в стартап. У меня тогда еще не получалось собирать работающие алгоритмы, но получалось рассказывать про идею достаточно зажигательно, чтобы поднимать определённые инвестиции, что хотя бы давало ресурс для экспериментов.
🤔 Было понятно, что нам надо самим надо развиваться в теме машинного обучения и нужно откуда-то брать людей, которые будут владеть темой. Лучший способ разобраться самому и привлечь кадры - преподавание, поэтому мы сделали спецкурс, где лектором был тот самый завкаф и наш кофаундер Никита Пустовойтов. Он до сих пор работает в сфере анализа данных и фактически именно он привёл меня в тему машинного обучения.
📈 Постепенно из-за того, что нагрузка у Никиты росла какими-то чудовищными темпами и он брал много всяких интересных задач, так получилось, что курс полностью оказался на мне и трансформировался исключительно в мой курс. На него стало приходить какое-то безумное количество людей, и их число росло как снежный ком. Я просто старался понятно и интересно объяснять предмет, и этого было достаточно, чтобы слушателей становилось больше.
🏔 В какой-то момент я обнаружил себя читающим лекцию в аудиторию человек на 400, и она была забита битком. И места хватило не всем. Мне даже потом рассказывали, что людям на улице был слышен шум аплодисментов из аудитории. Это было, конечно, очень приятно. Я осознал, что курс разросся и надо бы его уже как-то забрендировать. Тогда была серия книг, которая называлась «[Название темы] in action». Мне очень нравилась идея показывать предмет именно в действии, поэтому я назвал свой курс Data Mining in action в качестве реверанса этой серии книг. Тогда еще было модно называть машинное обучение «в широком смысле» (т.е. вместе с работой с данными и exploratory analysis) Data Mining, отсюда и название.
Продолжение следует :)
🎲 Последнюю пятницу весны хочется запомнить надолго. Лучший способ это сделать — подумать и дать в комментариях правильный ответ на вопрос нашего традиционного квиза.
После этого можно смело встречать лето :)
Стали топ-менеджером? Это ещё не конец :)
📈 Многим кажется, что карьера устроена следующим образом. Сначала вы работаете младшим специалистом, потом средним, потом уже ведущим (или на современный манер сеньором) и в какой-то момент начинаете руководить людьми. А потом вы становитесь руководителем, чьи подчинённые тоже руководители. Дальше вся эта история продолжается до момента, когда вы становитесь топ-менеджером и выше вас только гендиректор компании.
🚫 И на этом как будто бы всё. Если проводить аналогию, например, с образовательными учреждениями, то ситуация такая, как будто вы проректор и выше только ректор. Или вы заместитель министра, а выше только министр. А мест министра на всю страну уже совсем не так много :) Но на самом деле всё не совсем так.
🔝 Как только вы становитесь топ-менеджером, вам уже доверяют какой-то бизнес или функцию в компании. То есть большую и значимую часть на уровне компании. Можно сказать, что это начало вашей новой карьеры. Карьеры «большого руководителя», с долей здоровой иронии назовем это так.
🤔 Это значит, что дальше у вас есть много вариантов. Во-первых, вы можете расти как топ-менеджер, то есть становиться более профессиональным, более эффективным. У топов тоже много разных уровней и «лычек», и переход между этими уровнями может отражать ваш рост. Но надо конечно помнить, что «лычки» это не главное, главное — каждый день быть лучшей версией себя.
🌐 Во-вторых, помимо мысли «дальше можно вырасти разве что в CEO», можно принять тот факт, что теперь вы организатор высокого уровня. То есть теперь вам можно доверить управление большим бюджетом, большей командой людей. И в новых инициативах компании вас уже можно воспринимать как потенциального руководителя. Это может быть как запуск нового бизнеса, так и что-то некоммерческое вроде благотворительного фонда или просто какая-то большая инициатива в рамках всей компании.
🔎 В-третьих, поиском кандидатов на топовые позиции обычно занимается не «рядовой» найм в компании или «обычные» рекрутинговые агентства, а так называемый executive search. И после попадания в топ-менеджмент или даже просто на достаточно высокий уровень (ну еще желательно там хотя бы несколько лет поработать), вас начинают рассматривать как кандидата и на другие executive роли в других компаниях. Это целая новая жизнь, вы можете попробовать себя и в разных сферах бизнеса, и на разных направлениях.
🤫 Ну и в конце концов, после executive ролей есть ещё non-executive роли. Non-executive не в том смысле, что они ниже топов в оргструктуре, а в том, что вы можете участвовать в бизнесе в роли советника, члена совета директоров или вообще акционера. Так что попадание в топ-менеджмент это вообще не финальная стадия карьеры, это просто определённая веха в карьерном развитии. Во-первых, там еще поработать надо, если уж взялись за это дело, а во-вторых дальше тоже есть много всего интересного :)
Воины, маги и авантюристы в ML
🔥 Спасибо всем, кто пришёл на моё выступление на конференции МТС True Tech Day, внимательно слушал и задавал интересные вопросы. Если это были вы — вам отдельные лайки и огонёчки.
⚙️ Я очень рад, что каждый год проходит такая масштабная конфа, объединяющая как начинающих, так и опытных специалистов в IT. Я считаю, что её фокус, «Код науки и технологий», сегодня очень актуален и за ним будущее. Будущее, которое мы сегодня и обсудили.
🔮 В своём докладе я рассказал о возможных ветках прокачки в ML по аналогии с RPG-играми: за «воинов» были индустриальные эксперты, за «магов» - исследователи, за «авантюристов» - менеджеры и предприниматели :) Вместе с аудиторией мы разобрали как необходимые навыки, так и возможные варианты развития карьерных треков.
🚀 Также мы обсудили, как понять, в какую именно сторону развиваться, что помогает на старте карьеры, как совершать карьерные переходы, и многое другое.
Полное видео с выступлением и презенташку опубликую здесь чуть позже. Следите за обновлениями 🤖
Как я учился рисовать и чем мне это помогло
В комментариях к постам спрашивали про хобби, и как они пригождались в жизни. Есть одно увлечение, которым я сейчас не занимаюсь активно, но так или иначе иногда всплывает - рисование. И оно оказалось весьма полезным в жизни.
🎨 Всё началось, когда я ещё учился в пятом классе и однажды захотел посещать художественную школу. Хотя группа в тот момент уже занималась, это не стало препятствием для моего желания творить. Мне очень нравилось рисовать, и моим первым успехом стал портрет молодого темнокожего кучерявого мальчика, которого я нарисовал по шагам, указанным в одной из книг. Получилось настолько здорово, что мама посмотрела на это и сказала: «Ладно, отправим тебя в художественную школу».
🥇 До восьмого класса я продолжал заниматься в художке и окончил её с отличием. Был ещё дополнительный курс для тех, кто хотел связать свою жизнь с художественными профессиями, но туда я уже не пошёл.
🧑🎨 Ближе к концу художественной школы я начал зачитываться разборами работ студии Лебедева, всячески осваивал Photoshop и учился рисовать уже на компьютере. Одновременно успевая интересоваться и программированием, и всякими оформительскими вещами, т.е. мог не только сделать frontend и backend, а ещё нарисовать графику для сайта.
🔎 Довольно неожиданно, но рисование пригодилось мне во взрослой жизни. Например, когда мы запускали курс на платформе «Яндекса», все логотипы курсов там нарисовал я. Не в итоговом виде, правда, у «Яндекса» есть свои дизайнеры, но на бумаге все логотипы придуманы мной. Периодически сталкивался с задачей «нарисовать логотип/мерч», когда мы стартапили с друзьями и однокурсниками.
🎓Увлечение рисованием помогло мне и в преподавании. Главное, на мой взгляд, — это делать так, чтобы твоему слушателю было понятно. И чем более сложные вещи ты можешь объяснить просто, но без искажений, тем ты круче как преподаватель. И для этого моё увлечение оказалось очень кстати.
💡Конечно, я далеко не каждый слайд делаю произведением искусства, да и могу и целую презентацию вообще не причесывать. Но если нужно нарисовать какую-то понятную иллюстрацию, мне это в удовольствие, это медитативный процесс. Я нормально себя чувствую, если 7 часов делал презентацию к лекции и уже 5 утра. Нет ощущения, что потерял время впустую, потому что для меня визуал очень важен. Он помогает легче доносить какие-то вещи. А уж насколько это было полезно в начале работы в менеджменте - вообще молчу 😂
💼 У кого-то выходные, а я пришел записывать ролики для YouTube :)
❗️Запросы, о чем рассказать, принимаются в комментариях
Последняя неделя набора в ШАД Яндекса
❗️На этой неделе завершается набор на учебную программу в Школе анализа данных Яндекса — заполнить анкету можно до 12 мая включительно.
❤️ В моей жизни ШАД занял большое место. В своё время я там учился, преподавал, а не так давно даже немного поучаствовал в написании ШАДовского учебника по ML. К себе в команды я тоже всегда с удовольствием нанимал выпускников и преподавателей ШАДа 🙂
🦾 Сейчас ШАД Яндекса по-прежнему одно из лучших мест, чтобы учиться Computer Science и Data Science, очень рекомендую это место самым смелым и сильным в математике.
🧑💻 После подачи заявки вы сможете пройти тестирование, которое уже стартовало и продлится до 13 мая, 19:00. Если вы готовы к тому, что следующие два года вам будет очень сложно, но очень интересно, — подавайтесь 🙂
P. S. Посмотреть примеры задач и узнать больше об обучении можно на сайте ШАДа, а ответы на вопросы по поступлению вы можете найти в записи дня открытых дверей в Москве или задать их в телеграм-чате «Все в ШАД».
Про башни из слоновой кости и искусственную недоступность
💬 Знакомый рассказал историю. В одной компании были два очень больших руководителя (с огромными кабинетами, с кучей секретарей и регалий), которые хорошо общались, в целом, можно даже сказать приятельствовали, но никак не могли обсудить один вопрос. Однажды эти два руководителя встретились случайно в коридоре и один другого спросил: «Слушай, ну что мы никак не можем уже решить свой вопрос? Давай либо я к тебе приду в кабинет, либо ты ко мне в кабинет и обсудим». Оба они были первыми вице-президентами по чему-то очень важному, и второй ответил первому: «неее, дорогой, ты не понимаешь, первый к первому не ходит».
🙈 Ситуация анекдотичная, но сейчас она периодически возникает в AI. Сфера очень захайпованная, все стали большими экспертами со своими командами и помощниками, и когда зовут друг-друга в гости (например, в какой-нибудь подкаст), сразу возникает проблема, что сообщения неизвестно от кого в 90% случаев игнорируются. В итоге если вы сами большой босс или эксперт, добраться до другого большого эксперта вы зачастую можете только позвонив напрямую :)
🤔 С одной стороны, мне нравится этот стеклянный барьер для коммуникации: хочешь позвать человека, свяжись сам, а не выпендривайся и присылай всяких посредников. С другой стороны, некоторый снобизм в рассмотрении входящих это тоже высокомерно и плохо. Однако переполненные входящие сообщения никто не отменял, и никто конечно не обещал отвечать всем и на все.
🎬 В общем к чему я это. Готовим новый сезон подкаста ТехТок, теперь еще и с видео ❤️
Прошлый сезон, как и раньше, можно прослушать на большинстве подкастовых платформ, например тут
👏 Ну что же, и с этим квизом вы справились легко :) Первый правильный ответ дал в комментариях Влад Кузнецов уже через минуту после публикации, сразу же собрав кучу реакций.
🤓 На самом деле таких примеров довольно много, и под многие из ваших ответов есть подходящая картинка. Чуть позже обязательно сделаю подборку
Кривые обучения и хобби
📈В канале собралось много тех, для кого кривая обучения имеет в основном контекст машинного обучения. Но на самом деле это более общее понятие. Кривая обучения — это в целом зависимость результатов обучения от затраченных усилий, попыток или времени. И для многих ваших новых занятий эта кривая будет выглядеть очень похоже на кривую обучения ML-модели: сначала быстрый рост экспертизы, а затем постепенный выход на плато.
❓Меня уже спрашивали в комментариях, как я отдыхаю и какие у меня хобби. Чуть меньше года назад у меня появился новый способ переключаться — плавание в зале с тренером. Добавлю контекст: в глубоком детстве мне совсем не понравилось тонуть, когда на мне лопнул надувной жилет. Моя двоюродная сестра (кстати, тоже закончила Физтех и как раз вдохновила меня туда поступать) довольно быстро меня вытащила, но на меня в том возрасте произвёл впечатление вид уходящего вдаль солнца по мере погружения на глубину. Закончилось это тем, что плавать я научился классе в десятом и только «сочинским брассом». В итоге плавание оставалось базовым навыком, которым я не владел, и прилично на этот счёт комплексовал.
🔥Прошлым летом один очень глубокий человек сказал мне интересные слова: «Иногда то, чего мы боимся, — это то, чего мы больше всего хотим». И я решил попробовать проверить это на практике. И действительно, плавать мне очень понравилось, с тренером мы хорошо сошлись характерами, и выяснилось, что все вещи, которые меня пугали, решаются количеством проплытых километров и постановкой техники. К чему я это всё — я на своём опыте узнал две вещи:
1️⃣Новые увлечения доставляют очень много удовольствия на «крутой» части кривой обучения, когда быстро нарабатываешь базовый опыт. Дальше — посмотрим, напишу ещё через год или два.
2️⃣Мы действительно иногда боимся стать счастливее. А вы не бойтесь, в процессе совсем не так страшно, как начать 🙂
#вопрос_подписчика
‼️Двухчасовая личная консультация от меня по любому вопросу, деньги пойдут на благотворительность ❤️
👋Сегодня рад поделиться с вами хорошей новостью: я принимаю участие в благотворительном проекте Meet For Charity в качестве «лота». Идея проекта проста — это благотворительный аукцион встреч с известными в своих областях людьми. Меня много раз звали поучаствовать, но не было «того самого» момента. И вот, он настал. Кто хочет пообщаться — ваш момент тоже настал :)
✌️С 2016 года Meet For Charity собрал на добрые дела более 337 миллионов рублей за счёт встреч более чем с 800 участниками. А помощь уходит более чем 160 фондам-партнёрам. Это, к примеру, «Дом с маяком», «Онкологика», «Линия жизни» и многие-многие другие. И я рад внести в это прекрасное дело и свой вклад.
🤖Буду рад поговорить с вами на встрече о внедрении Big Data и AI в вашем бизнесе либо карьере в этих сферах (или о чём угодно). Решать вам. Сама наша встреча может пройти как очно, так и онлайн. В общем, переходите по ссылке и давайте делать добрые дела вместе 🙂
Власти ОАЭ ввели штраф за распространение фото и видеоматериалов, связанных с последствиями наводнения в Дубае
Штраф зависит от количества материалов и может достигать 1 миллиона дирхам.
Департамент погоды ОАЭ зафиксировал самое большое количество осадков за последние 75 лет — ливни частично затопили метро и первые этажи, а также парализовали весь наземный транспорт. Многие автомобили оказались по крышу затоплены водой. Многие туристы оказались заперты в аэропорту и два дня не могли выехать из Дубая.
Также ливни прошли в Бахрейне, Катаре и Саудовской Аравии.
👍 The Economist
Как примазаться с опозданием и максимально дёшево
Вчера Иви радостно сообщил про премьеру «Слова пацана» у себя. По сути - трансляция НТВ, а там сериал в эфире.
Почему это дешево: смысл выражения «премьера в нашем кинотеатре», когда речь про чей-то originals - что купили на него права. В чем здесь подвох: онлайн кинотеатров сейчас очень много, основных факторов конкуренции у них буквально несколько:
1. Originals
2. Размер каталога
3. Удобство использования
И первый фактор - самый сильный, потому что из-за него люди смирятся и с неудобным приложением, и с отсутствием обширной базы. Но экономическая модель онлайн-кинотеатров в принципе не так шикарна, как хотелось бы, поэтому иногда лицензию на показ originals все-таки с запозданием, но продают конкурентам, чтобы подзаработать денег.
Так вот что сделали Иви - сделали из выхода чужого originals на ТВ дешевый инфоповод «теперь сериал появился у нас», т.к. у ребят есть трансляция ТВ. К чести команды Иви, они прямо в пуше написали, в чем подвох. Со стороны выглядит так: кто-то «умный» из менеджмента сложил А и Б и решил сделать пользователям рассылку, что «Слово пацана» появилось в Иви, кто-то честный из исполнителей написал в пуше как есть. Как говорится, респект таким пацанам 🫡