Следуй за мечтой и любимым деломПро мой путь в DSВ преддверии
Data Fest X захотелось вспомнить, как все начиналось.
Может, и Диму уговорю потом поделиться)
Услышала я о словосочетании data science в первом декрете. Вроде что-то прикольное, математика и данные. Пока сын спал на балконе (а это слава небесам, были аж 1-2 часа в день!), я стала почитывать книги и проходить курсеру. Оказалось, что многие методы, которыми давно пользуюсь в экономических исследованиях, теперь называются такими красивыми словами - data science.
После декрета вышла с кучей новых идей как применить свои новые навыки в работе - это оказалось очень нужным почти в каждом проекте. Было очень вдохновляюще автоматизировать и вычислять за дни то, что раньше казалось вообще невозможным (хоть эксель и почти всемогущ).
А еще присоединилась к небольшой тусовке интересующихся data science - она называлась
Open Data Science. Прочитала там доклад
про R и Python - на уже
втором настоящем Data Fest. Не потому, что классно это умела, а чтобы самой разобраться в теме и начать применять. Доклад внезапно оказался популярен и дальше много раз пригодился - как минимум два раза помог мне с поиском работы.
В итоге после 8 лет НИОКР в экономике и финансах, перешла в бизнес, в Х5 Group. Пришла я туда на позицию макроэкономиста, но за год, автоматизировав свою работу, предложила столько идей и столько наделала ML экспериментов, что собрался целый отдел. С ним мы дальше внедрили кучу полезных ML моделей в финансах и управлении рисками, а также помогли с развитием АБ.
А еще продолжила выступать на дата фестах, общаться в слаке ODS, и начала организовывать секции. Новое и интересное, что я могла, как экономист, привнести в ML - это
causality и интерпретируемость. То, что у экономиста в крови. На почве любви к этой теме мы объединили наши усилия с
Димой. Наши секции
Causal ML и
Interpretable ML не один год были топовыми по отзывам.
Параллельно - поскольку зудело - в качестве развлечения затеялся пет-проект на стыке анализа больших данных и экономики: макроиндексы инфляционных и кризисных ожиданий на базе анализа комментов населения в СМИ. Проект разросся
до своего сайта, им заинтересовались центральные банки России, Казахстана и немножко Англии. РФ и Казахстан даже потом строили
аналоги наших индексов. Это развлечение позволило нам с другом не только защитить научные работы и опубликовать статьи в классных журналах, но и поучаствовать в совместных
исследованиях с Manchester University.
Из Х5 перешла в Ленту - вместе с Пашей (
DSvs) и крутой командой строить big data. Построили. Развивается, и
рассказывает, кстати, о достижениях.
А еще мы продолжали с Димой вести секции. Постепенно к темам Causal ML и Interpretable ML добавили наш опыт внедрения ML - как организовать работу команд, построить процессы, и задизайнить ML систему так, чтобы она в итоге дошла до прода и принесла положительное велью. Так получился
Reliable ML.
А вместе с ним получились еще один пет-проект -
ML System Design Doc и мегакрутой Димин
курс по ML System Design. За то, как документ помогает улучшить процессы ML-команд, а курс - научиться делать дизайн ML систем, нас до сих пор благодарят на конференциях. Это стоит всех усилий.
Теперь я уже около 3х лет снова в финансовой сфере - продолжаю развивать ML, генерить и внедрять классные идеи, уже в роли CDO. И намного больше понимаю, как важна
хорошая стратегия данных, как много значит не только умение делать ML, но и организовать улучшения на всех слоях работы с данными.
А еще мы продолжаем с Димой
развивать тему Reliable ML/AI. Тащим телеграм-канал (хоть и не всегда успеваем!), каждый год участвуем в организации феста. Идей у нас по прежнему очень много: ведь вокруг нас по-прежнему люди с горящими глазами. И это такой кайф, что не передать.
В чем тут мораль каждый решит сам.
Для меня в том, как важно искренне любить свое дело и делиться знаниями с теми, кто эту любовь разделяет.
Для себя важно. А карьера и отдача придут.
Ваш
@Reliable ML#reliable_ml #data_fest #ods #мысли
