Кем стать в Data Science? | karpov.courses
ฝัง
- เผยแพร่เมื่อ 27 ก.ย. 2024
- Учитесь Data Science с нами: bit.ly/3qLLMte
Data Science условно разделена на четыре сферы, которые решают разные задачи в бизнесе. Конечно, это разделение может варьироваться от страны к стране, от компании к компании или вовсе отсутствовать в небольших стартапах.
Мы разобрали 4 профессии внутри Data Science, рассказали о важности каждой из них и выделили основные инструменты, которыми должен владеть хороший специалист.
Ну мгу мехмат закончишь плюс карпов курсес и тогда пойдёшь работать джуном дата сайенс....
Заставка: *Орет*
Делаешь тише
Спикер: *пытаеться говорить шепотом*
10 из 10
Солнышко, ты лучшая! Благодарю за это видео, контент который дал четкое понимание чему нужно обучаться. Если подскажете где лучше обучиться дата аналитики и мл, то вообще буду признателен
Спасибо! Ёмко и лаконично. Помогло определиться с выбором направления
Что это было?
Можно ли ворваться в MLE без опыта работы DA или python разработчиком?
Если для вас легко производные,
линейная алгебра и другая высшая математика (ответ не мой, с другого канала про DS)
Это тоже самое что можно ли работать программистом без опыта в программировании
@@dartsidious90 я так понимаю, вопрос нужно уточнить, раз возникают такие комментарии. Программистом можно работать без опыта коммерческой разработки, для этого есть позиции типа джуна. Что я имел ввиду, так это может ли быть MLE стартовой позицией без опыта работы на другой позиции типа DA, DE, DS итд Или junior MLE по факту это 2-3 года опыта на другой data role
@@bonushkaRu можно, вопрос в знаниях математики или готовности её хорошо выучить (те области, которые прикладные к машинному обучению имею в виду). Потому что инструменты в виде Питона получить чуть проще, чем понять математические предпосылки. Нет такого, что если ты не поработал аналитиком, то и в ML не возьмут. Если вы умеете делать то, что от вас требуется - возьмут.
Роли в DS пересекаются, но стартовать можно с любой.
@@alexilime на позиции MLE важна не математика, а твои практические навыки - написать спарк джобу, сделать апишку, написать юнит тесты для проекта, написать даг в airflow, сделать ревью кода и т.д.
Прежде чем объяснять разницу тем, кто не в курсе, следовало бы дать определение понятий: ml инженер, табло и прочее.
С такой подачей даже элементарного материала, на ваши курсы я точно не пойду
Если вы не умеете пользоваться гуглом, то вам точно курсы не нужны)
На 2:54 ты б удивился, если б досмотрел, конечно...
Скажите пожалуйста. Реально ли начинать свой путь в Data science с курса в яндекс практикуме? Спасибо.
Не понятно, что значит «начать свой путь». Начать свой путь можно с чего угодно, хоть с этого видео :)
Если сравнивать ЯП и Карпов курсы, то у Карпова обученее менее хардкорное)
Реально
В целом реально, несколько ребят которые закончили курс, уже работают
по ML тема не до конца раскрыта: нужно еще знать sql/nosql, какой-нибудь spark и один из низкоуровневых языков типа плюсов или джавы, чтоб выводить в прод высоконагруженные системы напрямую или с помощью расширений (с/с++) т.к., к сожалению, питон - медленная обертка вокруг С
забыл еще указать, знание JS, Kotlin, PHP, 1C
@@UnitXXVII даже не посмеялся
это работа дата инженера, при чем тут ml и в ролике это оговаривалось
@@LightningTrooper видно сразу, что вы с этой темой не знакомы: x5 group, alibaba и т.д. у них это есть в вакансиях, как думаете почему? Думаете брать данные и строить для них хотя бы простейшие хранилища, параллельно обрабатывать много данных и т.д. надо только дата-инженеру? Ну что ж.. удачи вам в карьере)
@Максим согласен и даже добавлю что в текущий момент даже для джуна требования куда выше чем в ролике. Хватает просто зайти и чекнуть вакансии на hh, linked или в слаке ods.