🤔Работаете в компании аналитиком? Вы анализируете данные, приносите бизнесу пользу, придумываете эвристики, которые работают…Но вдруг бизнес нанимает Data Scientist’ов с зарплатой втрое больше, чтобы решать те же задачи с помощью ML моделей. Знакомая ситуация?

Битва между «решить задачу аналитическим отделом» и «решить задачу одним Data Scientist» продолжается в бизнесе уже давно. Иногда побеждает один вариант, иногда другой. Но сейчас хайп вокруг AI означает, что DS’ов будут нанимать в любом случае.

Как сделать так, чтобы бизнес продолжал ценить вашу работу?

Простой ответ — нужно не противостоять изменениям, а возглавить их. Если вы начнете успешно применять ML модели в своей аналитической работе и показывать их как часть аналитического процесса, а не как его замену, бизнес поймёт вашу ценность. Вы пока не ломите ценники, как AI-специалист, но уже строите модели. Конечно, проще поддержать вас, чем нанимать новых людей, не знакомых с вашим бизнесом!

Что вас ждёт в зависимости от пути, который вы выберете:

1️⃣ Если вы первыми внедрили ML-модели и успешно презентовали их менеджменту:
Задачи закрепятся за вами, а ваша команда постепенно превращается в DS-отдел. Рабочие отношения уже налажены, и вас признают ценным специалистом. Такой путь монетизируется дольше, но на длинной дистанции у вас почти неограниченный потенциал. А если вам захочется «карьерного роста», то проще будет возглавить такую команду.

2️⃣ Если вы начали показывать свои таланты, когда в компании уже есть признанные эксперты по Data Science:
Вам предложат пройти обучение и стать полноценным DS-специалистом. Этот путь монетизируется быстрее: вы сразу попадаете на зарплатные вилки DS и живете в них.

🎯 Подвох есть?

Да, он есть. Сколько меня ни просили аналитики о переобучении в DS, энтузиазм падал, как только мы начинали разбираться в градиентных спусках. Математика, матрицы, производные — всё это пугало. Поэтому мы в MLinside начинаем курс «База ML» с математического дополнения.
📱Часть этих материалов сейчас доступна на YouTube. Это позволяет новичкам, только что знакомым с математическим ожиданием, уже решать задачи по анализу функций потерь в ML.

🧮 Высшая математика сегодня — это не то, что было 20 лет назад. Сейчас её можно понять, изучить и освоить быстрее, интереснее и проще.

❤️ Если этот пост наберёт 100 “сердечек”, мы опубликуем продолжение, где расскажем, как освоить основы ML-моделей без курсов, без кредитов и без помощи родственников!

〰️〰️〰️〰️〰️〰️〰️〰️〰️〰️
Автор поста : Основатель и эксперт школы MLinside, Виктор Кантор.

🎓 А кто уже готов из аналитиков перейти в ML — ждём вас на нашем курсе «База ML», старт 9 декабря!