075. Карьера в data science: типичные ошибки на собеседовании – Валерий Бабушкин

- Как найти работу в Data Science, если у тебя еще нет рабочего опыта?
- Стоит ли тратить время на kaggle?
- Какой путь должен пройти дата саентолог, чтобы стать джуниором, мидлом и сеньором?

* 21 октября 2018 г. в московском офисе Яндекса прошла встреча сообщества Open Data Science. Мы испытали новый формат: программа не была определена заранее, а составлялась по запросам аудитории.
Мы собрали больше 500 заявок от участников и ответили на самые популярные и интересные вопросы.

Валерий Бабушкин
Закончил Университет прикладных наук Карлсруэ, занимался инфракрасной спектрометрией, затем работал в банке «Открытие». Сейчас занимает должность начальника отдела инновационной аналитики и моделирования в Х5 Retail Group, одновременно является консультантом в Яндексе и приглашенным преподавателем в НИУ ВШЭ.

[mr_integer]

Молодец, юмор на нужном месте! )) И узнал, и поржал смотря ролик)

[Sebastian-gross]

Парню нужно в StandUp нужно выступать)

[neuzen]

Важно ли для дата саентиста ходить в качалку?

[gjzblvm]

Отличный оратор! Юмор, знания, очень классно!

[waydao]

Очень тяжело заниматься data science без компьютера🤣🤣🤣

[rrahll]

Крутой чел. Очень спокойный, речь грамотная. Понравилось выступление)

[olesyabondar]

Валерий, вас приятно слушать и трудно не согласиться с вашими выводами. Спасибо за вопросы-ответы.

[lvvovich]

Спасибо, смотрю повторно с 2020 года и теперь больше понимаю о чем речь)

[christophercave]

Отличное выступление. Как минимум, нужно хорошо кодить в питоне и SQL. Изучить вопросы статистики. На одном этом понимании можно выстроить план обучения.

[apristen]

какой ты молодец! я про "на собеседовании должно быть то, что человек должен будет знать по работе".
а то порой вопросы в стиле "рассчитайте сферически-магического конька-горбунка в вакууме с применением всей возможной известной человечеству математики", а по факту - REST микросервисы на nodejs и express и простенькие nosql базы данных типа тарантула :-) причём ладно бы одно было подмножеством другого, ну то есть "с запасом" собеседовали...

[eicofvh]

Он в x5 работал. У них был крупный отдел. Он хороший менеджер и умеет вдохновлять людей. Фишка в том что "большие данные" имеют сейчас спрос и хорошо продаются инвесторам и бизнесу. 20 лет назад я думал о единой базе всех хозяйственных операций всех экономических контрагентах и мне казалось это мечтой, а сейчас это пытаются внедрять и продавать потихоньку)

[islamtolen]

Джарохов ты ли это? Классный парень респект тебе)

[vtklczz]

Ну наверное для науки ещё нужна и огромная база знаний.

[karlzinher]

Валерий :) Крутое выступление... мотивирующее ... благодарю.

[VG-zrsb]

Интересно, а на текущий момент всё это актуально? В частности про опыт современных джунов, до сих пор такие бестолковые?
С нейросетями так же?
Грейды зп мне кажется в разы меньше сейчас..

[apristen]

про "что необходимо для начала занятий data science?" ответ "ну... наверно необходим компьютер!" - это 5+, повеселил прям! :-)))

как думаете: индустрия игр, бэкэнды получают "все ходы записаны" от сотен тысяч онлайн игроков, всё это в "самопальную" предобработку ну и затем в ELK stack с целью как измерения KPI (DAU, ARPDAU, Retention, etc.) так и для "инсайтов" - это уже data science или ещё недо-datascience? ;-)

[gulparatashenova]

2:34 это было странно, что показали. Отвлекли меня

[maksimsergeevich]

На 14:05 человек говорит про бинарное дерево, и второе я не разобрал, гномикл? Гномиком? Напишите пожалуйста что он сказал.

[AKIBLLIATTKY]

Неплохой стендап. Но над шутками надо поработать

[apristen]

очень хотелось бы видосик найти где было бы побольше практических применимых (не "синтетических" для обучения, а именно практики и куда и где это применили и улучшили результаты) и полезных кейзов применения Data Science, Machine Learning и т.д.
причём без вот этого универсального хайпа с нейросетками, а как в этом видео "дык а тут вообще линейной регрессии хватит", а то реально у многих бзик с нейросетями как с волшебной универсальной решалкой всего.
кстати на Kaggle часто на практике "рулил"... обычный random forest без напрягов, а не нейросетки, ну исторически были случаи когда без гемора получали отличные результаты не нейросетями, а гораздо более простыми вещами.