«Летняя школа по аналитике и Data Science — возможность получить информацию из первых уст»

© Высшая школа экономики

В конце августа в Центре культур Вышки прошла летняя школа по аналитике и Data Science, организованная Центром непрерывного образования факультета компьютерных наук. В ней приняли участие более 300 слушателей. Доклады представили спикеры из «Яндекса», Сбера, «Тинькофф», МТС, X5 Group, Альфа-Банка, «Мегафона», «Дзена», VK, а также сотрудники ФКН.

Школа собрала участников с самым разным бэкграундом: студентов как IT-специальностей, так и других профилей, а также начинающих специалистов в области аналитики и тех, кто уже успел построить карьеру в другой сфере и хочет применять Data Science в своей работе или перейти в IT.

Сергей Карапетян

«Когда только планируешь начать карьеру в анализе данных, легко запутаться в огромном количестве информации: какие навыки востребованы, какие знания следует освоить и какие задачи решаются в разных индустриях с помощью Data Science и машинного обучения, — говорит Сергей Карапетян, директор Центра непрерывного образования ФКН. — Летняя школа по аналитике и Data Science — отличная возможность получить информацию из первых уст: специалисты из индустрии делятся опытом, какие задачи решает анализ данных в банкинге, телекоме, финтехе, а также какие навыки и инструменты стоит освоить в первую очередь».

Общий трек открыл руководитель службы ML-проектов «Яндекс Браузера» Сергей Юдин. Его доклад был посвящен отличиям задач и инструментов аналитиков данных и специалистов по Data Science. Даниил Гаврилов, research scientist из «Тинькофф», на примере области NLP (Natural Language Processing — обработка естественных языков) рассказал, как поддерживать актуальность знаний и навыков в постоянно изменяющихся областях машинного обучения. Григорий Стерлинг, исполнительный директор Сбера, рассказал о современных речевых технологиях. Дмитрий Меркулов, тимлид Data Science команды в BigData «Мегафона», сделал обзор о применении машинного обучения для работы с большими данными и персонализации.

Отдельный трек был посвящен аналитике данных. Дмитрий Рузанов, руководитель продвинутой аналитики юридических лиц Альфа-Банка, рассказал о том, как выглядят модели и процессы в банкинге. Людмила Коновалова (аналитик МТС) сделала обзор методов ускорения A/B-тестов. Доклад Юлии Ушаковой, аналитика VK, был посвящен навыкам и инструментам, которыми должен владеть аналитик данных.

В большом зале Центра культур ВШЭ параллельно шла серия докладов, посвященная Data Science. Александр Сахнов, руководитель управления мультивариативного анализа в Х5, рассказал об особенностях управления и мониторинга моделей машинного обучения в ритейле на примере X5. Михаил Гущин, старший научный сотрудник Научно-учебной лаборатории методов анализа больших данных ФКН, представил доклад о генеративных моделях в науке и индустрии. Владислав Гончаренко, руководитель группы ранжирования видео в «Дзен», рассказал, зачем нужен MLOps и почему развертывание моделей машинного обучения в продакшене становится отдельной областью компетенций.

Специальный трек был посвящен вопросам карьеры в аналитике и анализе данных. Анастасия Бадалова, начальник отдела по работе со слушателями и организации учебного процесса Центра непрерывного образования ФКН, рассказала о том, как устроено обучение анализу данных в центре. Никита Зелинский, руководитель Центра компетенций Data Science «МТС Диджитал», на своем примере рассказал о карьерном треке в DS. А Борис Жестков, тимлид Rnd.TTS из SberDevices, поделился советами, как проходить технические собеседования.

Отдельное внимание было уделено возможностям нетворкинга. Первый день завершился открытым микрофоном, где каждый желающий мог представиться остальным участникам. На второй день был организован фуршет, где участники школы смогли познакомиться поближе, обсудить доклады и возможности для дальнейшего сотрудничества.

Сергей Юдин, руководитель службы ML-проектов, «Яндекс Браузер»

«Человеку, который только планирует перейти в IT, может быть непросто разобраться в разных видах актуальных профессий, связанных с анализом данных. В своем докладе я подробно рассказал, чем отличаются аналитики данных и специалисты по DS. Здорово было услышать после, что теперь у слушателей появилось более четкое представление о том, чем эти профессии отличаются».

Людмила Коновалова, аналитик, МТС

«Довольно интересно было встретить большое количество слушателей разного возраста и с разным бэкграундом, но одинаково заинтересованных в погружении в IT. Мероприятие организовано качественно, на отличном уровне, принимать участие было очень приятно. Полагаю, что подобный формат действительно полезен всем желающим глубже погрузиться в сферу и детальнее ознакомиться с основными направлениями и подходами к решению задач, встающих перед IT-специалистами».

Альвина Эрдниева, выпускница КалмГУ, стажер в VK

«Летняя школа по аналитике и Data Science от ВШЭ — мой первый опыт участия в подобных ивентах. Пришла я на нее с определенной целью — узнать, как с помощью аналитики я как не технический специалист (заканчиваю стажировку на проектного менеджера) смогу оптимизировать время обработки и постановки задач коллегам. Мне понравился уровень организации, а также приглашенные спикеры: многие фишки почерпнула для себя. Атмосфера мероприятия также порадовала: было много классных ребят».

Данила Гришанов, веб-разработчик

«Три года занимаюсь веб-разработкой, но не имею должного образования. Поэтому решил пойти на программу переквалификации на Data Science в ВШЭ и перед стартом обучения послушать прекрасные лекции на летней школе. Здесь я получил информационный старт по данному направлению от прогрессивных представителей известных компаний IT-рынка. Особенно запомнились лекции Юдина Сергея из “Яндекса” о различиях Data Science и Data Analyst и Никиты Зелинского из МТС о карьерном росте».

В сентябре стартуют несколько программ Центра непрерывного образования факультета компьютерных наук.

— На программе «Специалист по Data Science» вы погрузитесь в современный анализ данных и машинное обучение — от изучения программирования и базовых разделов математики до глубинного обучения, прикладной статистики и работы с большими данными.

— Изучить базы данных и язык SQL, язык Python, его применение для сбора, визуализации и анализа данных, статистику и машинное обучение, а также аналитические и продуктовые подходы для работы над реальными задачами можно на программе профессиональной переподготовки «Аналитик данных».

— Курс «Python для автоматизации и анализа данных» познакомит вас с одним из наиболее популярных современных языков программирования. Python с его библиотеками является универсальным инструментом и позволяет решать много прикладных задач. Вы научитесь программировать, автоматизировать рутинные действия, освоите сбор данных и работу с таблицами данных на языке программирования Python.