Недавно обещал рассказать, зачем пошел в магу
Я закончил ВУЗ, вообще никак не связанный с IT или математикой. Но еще со школы я увлекался сайтами – делал их просто ради интереса, потом начал брать заказы, а дальше уже пошло-поехало, устроился работать в эту сферу. Сначала это казалось случайным путем, но именно он и привел меня в аналитику.
Когда я впервые пришел на собеседование, все выглядело иначе, чем сейчас. Тогда требования были простыми: знаешь Excel – ты уже аналитик))
Дальше все шло через самообучение: трекинг событий, SQL, Power BI, статистика. Все осваивал по вечерам, а также на практике методом проб и ошибок. Но постепенно пришло ощущение, что не хватает базы. Не хватает вот этого фундамента, на который можно было бы опереться, когда человек может не знать бизнес-контекста, но он быстро «врубается» просто потому, что у него есть технический бэкграунд.
Потом я оказался в Т-Банке. Вокруг люди, которые учатся постоянно: кто-то только закончил университет, кто-то проходит очередной курс, кто-то снова поступает. В основном это технические вузы. И я подумал: а почему бы не попробовать самому?
Оказалось, сейчас масса возможностей для жаждущих знаний. Например, онлайн-программы ВУЗов в партнерстве с крупными IT-компаниями. А еще в помощь студентам дают образовательный кредит под 3% с господдержкой! Решил собрать варианты и посмотреть, куда я вообще подхожу.
В список попали три магистратуры:
▪️ВШЭ с программой «Аналитика больших данных» совместно с Karpov Courses;
▪️МИФИ с направлением «Наука о данных и искусственный интеллект» в партнерстве с Яндекс Практикумом;
▪️МФТИ с программой «Наука о данных».
Сначала хотел податься везде, но МФТИ отпал – дорого и неудобный сайт, даже не смог подать заявку. В итоге сосредоточился на ВШЭ и МИФИ.
Сдал экзамен, выбрал МИФИ. Сыграли роль и доверие к ВУЗу, и партнерство с Яндекс Практикумом – я уже проходил у них курсы, знаю уровень. Плюс программа в МИФИ показалась интереснее: не только аналитика, но и искусственный интеллект – сейчас это очень актуально.
А дальше два года обучения.
1️⃣ Первый год базовый: Python, SQL, статистика, визуализация, теория вероятностей, машинное обучение. Во втором семестре нужно будет выбрать фокус – Data Science или инженерия данных.
2️⃣ На втором году выбор специализации. Всего их четыре: ML-инженер, инженер данных, направление по компьютерному зрению и NLP.
Пока начались только первые лекции, но мне уже нравится сам процесс. После работы учеба воспринимается по-другому – ты не просто сдаешь зачеты, а понимаешь, зачем это делаешь.
В нашей сфере все меняется слишком быстро и чтобы не выпадать из потока, нужно постоянно прокачиваться. Если давно думали о магистратуре или новом направлении – попробуйте. В любом случае это шаг вперед.
А я буду время от времени делиться, как идет обучение и какие выводы делаю по ходу.
#личное