TL;DR: моё мнение — не всем, и не в том понимании, которое часть людей себе представляет. Теперь разверну мысль:
действительно, многие вакансии уровня Middle+ и тем более Senior подразумевают, что вы понимаете, как работают базовые алгоритмы ML, и когда применяются.
НО это не означает, что естественной траекторией роста из Middle+ аналитика является перекат в DS, ни в коем случае. Вот мой постик, почему так рассуждать вообще не очень.
Что чаще всего реально пригождается аналитикам:
⚪️ применение готовых методов и моделей для задач регрессии, кластеризации и предсказания временных рядов;
⚪️ умение рассуждать в терминах метрик качества ML-моделей: не путать precision и recall (они, кстати, очень связаны с ошибками I и II рода), знать что-то про R^2, MAE/MAPE/MSE.
⚪️ понимание пайплайна создания ML-модели: какие задачи вообще так можно решать, какие они бывают (классификация, регрессия, ранжирование, определение объектов и так далее), что такое тренировочные, валидационные и тестовые датасеты
⚪️ что такое LLM, и чем они не являются, почему их не получается запихнуть везде и наобум🚨
Конечно, можно разобраться и глубже, чем import-fit-predict, но это точно не единственный вариант специализации. При росте выше мидла вы можете с тем же успехом выбрать более разработческую, более исследовательскую или более product owner-скую ветвь, но это уже стоит отдельного поста🤵
Подборка материалов, которые я считаю полезными:
➡️ бесплатный хэндбук по ML от Яндекса. Формально с нуля, но не совсем «для чайников» — много формул, подразумевается, что вы в них ориентируетесь на уровне студента, который прошёл пару семестров высшей математики в универе;
➡️ (по цене обеда в Кофемании простите🤓)
Машинное обучение в Python: большой курс для начинающих на платформе Stepik. 50 часов видео, дада, но вам нужно не всё и сразу — по ощущениям, там проще понять основные темы без бэкграунда, чем в яндексовом хэндбуке, как раз можно понять упомянутую выше базу (регрессии, деревья, кластеризацию);
➡️ ещё со Stepik-а могу посоветовать курсы от этих создателей:
тут, скорее, если хотите углубиться во что-то конкретное, также есть бесплатный курс по MLOps — как автоматизированно обучать модели и версионировать эксперименты;
➡️ (сильно платно, но вдруг ваш работодатель щедрый)
Симулятор ML/AI для продактов от GoPractice. Не реклама, из-за формата (без обратной связи и вообще развёрнутых проверок) не могу советовать вам приобретать его, но ставит мозги на место именно в плане связи алгоритмов ML и бизнеса. Если метите в овнеры направления с ML, то может и согласуют💸
Что скажете? Используете ли ML, и где изучали, если да?😎⬇️
(не забывайте, пожалуйста, реакцию, если сохранили пост😬)
#непопулярное_мнение #найм_и_собесы
@analytess 👩