Інтерв’ю з випускницею курсу Data Science

У сучасному світі Data Science стає все більш затребуваною галуззю, відкриваючи нові можливості для професійного розвитку. Курси від Sigma Software University допомагають студентам отримати необхідні знання та навички для успішної кар’єри в цій сфері. Сьогодні ми пропонуємо вам інтерв’ю з Тетяною Сончак, випускницею курсу Data Science, яка не лише отримала глибокі знання, але й успішно працевлаштувалася завдяки рекомендації від університету. Тетяна поділиться своїм досвідом навчання, розповість про процес працевлаштування та надасть корисні поради для тих, хто тільки починає свій шлях у Data Science.

Розкажи, будь ласка, більше про себе, як ти прийшла у сферу Data Science?

Мене звати Тетяна. До Data Science у мене був довгий шлях. 

Я закінчила Львівський національний університет імені Франка, механіко-математичний факультет. І після закінчення універу я мала дуже різний досвід роботи, тому що я працювала в B2B торгівлі, потім фінансовим аналітиком, крім того, була також діяльність з payroll-ами. Але в житті також не було нічого дотичного.

Загалом, вся моя робота завжди була так чи інакше пов’язана з даними, цифрами та аналітикою, а зараз я працюю ML-інженером в українському стартапі.

Чи чула ти раніше про Sigma Software University? Чому обрала саме нас?

Про сам університет не чула. Більше чула про компанію Sigma Software, бо маю знайомих, які там працюють і добре відгукуються про неї. Курси насправді я шукала доволі довго. До цього я ще самостійно вчила Python, тому що були проблеми з курсами за цією темою. Мені важливо, щоб був досвідчений лектор, який має саме практичний досвід. І я змінила, напевно, три або чотири курси. Починала, але не закінчувала. 

Реєструйтеся на наш курс Python.

А коли знайшла курс Data Science, мені сподобалось, що він тривалий, що він охоплює дуже багато матеріалу. Класно, що програму одразу можна було подивитися на сайті, а також, звичайно, викладачі — люди з багатьма роками неймовірного досвіду, зокрема Андрій Салата, сторінку якого я знайшла на LinkedIn та прочитала чим він займається, подивилась його роботи. Тому так, про університет не знала, але побачила рекламу курсу, і по ній вже знайшла всю детальнішу інформацію.

Розкажи більш детально про навчання? Як воно проходило?

Навчання тривало 2 місяці. В той час я звільнилася з попередньої роботи, не працювала і, відповідно, могла доволі багато часу приділити навчанню, що було великим плюсом. Навчання проходило двічі на тиждень, і було багато самостійної роботи та домашніх завдань. 

Мені дуже сподобалась структура курсу. Усі матеріали були зібрані в одному місці, де ми могли ознайомитися з додатковими ресурсами. Було дуже багато посилань на корисну літературу, а в самих матеріалах та презентаціях до лекцій було чимало матеріалу з посиланнями, прикладами та зразками коду, який ми повинні були відпрацьовувати вдома. Програма була надзвичайно насиченою, інколи навіть здавалося, що матеріалу більше, ніж достатньо.

Навіть якщо використовувати всі доступні матеріали, завжди було ще щось додаткове, що можна було вивчити, щоб поглибити свої знання.

Крім лекцій, де розбирали нові теми та практику. У нас було пʼять воркшопів, де ми відточували вивчене на практиці із Андрієм Салатою. Такі інтенсиви з практики згодом дуже допомогли в роботі, бо я вже розуміла, як все відбувається насправді, на реальних прикладах, а не тільки в теорії чи презентаціях. 

Що тобі сподобалось і запам’яталось найбільше на курсі?

Найбільше запам’яталася практика. Коли в мене з’явилися робочі завдання, я часто згадувала саме те, що ми відпрацьовували на практичних заняттях. Особливо корисною була робота з помилками та вміння оцінити, наскільки добре працює написаний код. Це було надзвичайно корисно, особливо для мене, як для людини, яка не мала попереднього досвіду в розробці. Практичні завдання дали мені змогу зрозуміти, як теорія застосовується на практиці. Тож, практичні завдання були справді корисні. 

І самі лекції, презентації були надзвичайно наповнені. Деякі студенти навіть зазначали, що матеріал був дуже академічний, що, на мою думку, тільки підкреслює багаторічний досвід пана Олексія Писарчука у викладанні. Зазначу, що матеріали завжди були доповнені візуалізацією – відеоприкладами та схемами, що дуже спрощувало сприйняття. Мені подобалося, що матеріалу було багато, можливо, тому що я тоді мала достатньо часу на навчання.

Які навички та знання ти отримала під час курсу, які стали для тебе найбільш корисними?

Серед навичок, особливо корисними стали вміння будувати нейронні мережі та працювати з обробкою зображень. Знання з Computer Vision, основних бібліотек для аналізу даних, Python, також стали дуже важливими. Візуалізація даних була не менш цінною, оскільки в моїй роботі я часто представляю результати колегам, створюю діаграми та пояснюю їх людям, які не завжди знайомі з технічними деталями. 

Особливо запам’яталася робота з бібліотекою Seaborn, яку нам показували на курсі. Вона сучасна й дуже крута, і я часто використовую її у своїй роботі. Загалом, курс охоплював багато різних напрямків, але я особливо щаслива, що у ньому трапився Computer Vision, адже це саме та галузь, у якій я зараз працюю.

Розкажи про свої враження від роботи з тренерами курсу.

Враження тільки позитивні. Одне з ключових – це те, що обидва тренери завжди були доступні в нашому чаті. Я пам’ятаю, що там відбувалися доволі жваві обговорення, і з цим ніколи не було проблем. Це було дуже круто, тому що на інших курсах таке трапляється не завжди. І рівень їхнього досвіду теж був дуже вражаючим. 

Я досі підписана на Андрія Салату в LinkedIn, і якби пан Олексій там був, я б підписалася й на нього. Я дуже задоволена, що мала можливість зустрітися з цими людьми та вчитися у них. Це особливо цінно для мене, тому що в моєму житті були курси, де я залишала негативний фідбек через складнощі у взаємодії з тренерами. Але цього разу все було чудово.

Яку книгу подкаст або ресурс з Data Science ти могла б порекомендувати іншим?

Одним з ресурсів, який я активно використовую, є подкаст AI House. Це українське ком’юніті, яке зараз активно розвивається. Вони організовують мітапи та курси, один з яких я зараз відвідую. Рекомендую слухати їхні подкасти, адже вони запрошують класних і досвідчених людей з різних сфер – як академічних, так і практичних. В середньому кожен випуск триває близько години, і там можна почути багато корисної інформації. 

Крім того, я дуже раджу LinkedIn. Там можна просто вбити в пошуку Machine Learning або Data Science, залежно від того, що вам більше потрібно. І там групи-мільйонники, де учасники діляться своїми нотатками. Особливо це корисно, коли є, наприклад, якась важка тема, але її візуалізують за допомогою класних діаграм та все стає зрозуміліше. Там насправді багато корисних ресурсів. LinkedIn часто сприймається як платформа для пошуку роботи, але там також є багато корисних навчальних матеріалів.

Як ти дізналась про можливість працевлаштування в наш стартап?

Мені порадила компанію менеджер курсу Sigma Software University. Це було дуже неочікувано і дуже приємно, тому що загалом курс не передбачає працевлаштування, але в університету є велика мережа партнерів, які часто у пошуках спеціалістів для своїх проєктів. Ось і мені пощастило, що мене порекомендували одному із таких партнерів.

Розкажи детальніше про процес співбесіди та твої враження від неї.

Можу поділитися інсайтом: після курсу я розуміла, що Data Science – це велика і цікава галузь, але сама себе я бачила на початкових етапах. Тоді я вже мала готове резюме і шукала позиції, такі як Data Scientist Trainee, інтерн або дата аналітик. Коли представники Sigma Software University порекомендували мене на позицію, я спочатку не знала, на яку саме роль подаюсь, просто знала, що це з тієї ж сфери.

Пізніше, коли я дізналася, що шукають ML-інженера, я зрозуміла, що це трохи інша роль, хоча і близька до Data Science. Так вийшло, що у мене було всього два дні на підготовку, тому я використала їх на активне опрацювання матеріалів ML.

Співбесіда включала тестове завдання, яке зайняло мені близько 18-20 годин роботи. Я витратила один або два дні на його виконання, можливо, через те, що хотіла максимально якісно підготуватися, зануритися в деталі, тому копала доволі глибоко. Навіть деколи, можливо, занадто. Це був досить інтенсивний процес, але дуже корисний. Сама співбесіда була дуже позитивною. Мої інтервʼювери були чудові – без зайвого бюрократизму і надмірної формальності. Було багато технічних питань і тем, що було дуже цікаво. Загалом, це був крутий і приємний досвід.

Як ти почувалася в перші дні роботи в стартапі? Які були твої перші завдання?

Почувалася щасливою, але напруженою. Як я вже казала, у мене не було досвіду розробки, і через це я переживала найбільше. Намагалась створювати хороший, якісний код і одразу видавати якийсь результат. Але насправді мені пощастило, тому що я приєдналася до стартапу в моменті, коли мій відділ тільки починав розвиватися. Тобто структура ще не була чітко визначена, і це надавало більше гнучкості. Тому в цьому плані це було трохи легше. Плюс це продуктова компанія, де немає зовнішнього клієнта, є тільки внутрішні команди. Тому моїми задачами були стандартні задачі з Computer Vision – обробка зображень, їх аналіз, написання коду для розв’язання якоїсь певної проблеми, але для мене це був хороший старт на новій ролі.

Які навички отримані під час курсу ти найчастіше використовуєш у роботі?

Найбільше я використовую навички з Computer Vision і візуалізації даних. Візуалізація особливо важлива – майже щодня, готуючись до наступного дзвінка або дейлі, я намагаюся представити свої результати в наочному вигляді. Це значно полегшує пояснення того, над чим я працювала, адже в такій сфері, як Computer Vision, словами важко передати всі деталі роботи. 

Крім того, робота з середовищем Jupyter Notebook також виявилася дуже корисною. Поки не було стабільного середовища, ми часто працювали з Notebook, і це стало невід’ємною частиною моєї щоденної роботи. На курсах ми також багато працювали з написанням коду в цьому середовищі, що допомогло мені краще підготуватися до реальних задач. Отже, основні навички, які я використовую, це Computer Vision і робота з Jupyter Notebook.

Що тебе найбільше мотивує в роботі в стартапі?

Я – “людина стартапів”. Мені значно легше працювати в маленьких командах, ніж у великих компаніях. Мені подобається більш горизонтальна структура, де є доступ до талановитих людей, до яких можна звернутися за порадою або за допомогою, особливо коли стикаєшся з чимось новим і незрозумілим. 

І, звичайно, величезну роль відіграє сфера моєї діяльності. Я працюю в DefenseTech, і це дає мені відчуття, що я роблю щось справді важливе. Основна мотивація – це можливість принести користь нашим захисникам та захисницям на полі бою.

Розкажи про свої плани на майбутнє, як плануєш розвиватись далі?

Зараз мій фокус спрямований на дослідження та розвиток у сфері MLOps. Це дуже цікава і перспективна сфера, яка включає налаштування середовища для деплою моделей, відстежування версій, автоматизацію роботи з даними та багато іншого. Для мене це новий виклик, оскільки в цій сфері в мене поки що мало досвіду, але я готова вивчати її з нуля. 

Особливо складно це може бути, коли працюєш з продуктами, як от Microsoft, які часто ускладнюють пояснення своїх рішень. Проте, я бачу це як можливість значно розширити свої компетенції.

Паралельно, я планую постійно продовжувати вдосконалювати свої навички в Computer Vision та нейронних мережах.

Що б ти порадила тим, хто тільки починає свій шлях у Data Science?

Перше, що я б порадила —  це не боятися. Це сфера дуже крута і цікава, але я знаю точно, що багато людей бояться до неї заходити, навіть ті, хто має ґрунтовну математичну, фізичну чи технічну освіту. Особисто я мала брак досвіду в розробці, що часто мене зупиняло, тому що я думала, що мені буде важко. Але насправді, сучасні інструменти, такі як ChatGPT, Claude і подібні, можуть значно полегшити процес навчання. 

Ще одна моя порада — звернути увагу на курси. На курсах набагато легше навчатися. Звичайно, люди різні: деякі швидко вчаться самостійно і можуть знайти необхідні матеріали. Але мій досвід каже про те, що вчитися у людей зі сфери набагато швидше, якісніше та ефективніше. Крім того, це дає можливість завести знайомства та контакти, що дуже корисно для набуття досвіду та подальшого професійного розвитку. 

Отже, мої дві основні поради — не боятися і вчитися у людей, які вже працюють у цій сфері. Це може бути не обов’язково через курси, а й через менторство або інші подібні програми.

Чи рекомендувала б ти курс Data Science від Sigma Software University іншим?

Так, я вже рекомендую його на кожному кроці. У мене є така можливість, тому що цей курс дійсно надав дуже круту базу знань. Я поверталася до матеріалів не менше ніж 10 разів, і це не перебільшення. Іноді навіть до слайдів і посилань, хоча здається, що тема вже всім відома. Але саме тому ще важче знайти щось змістовне в тому ж Google, бо вартісні матеріали часто знаходяться в нішових спільнотах. Те, що в курсі були надані класні посилання на якісні ресурси, і те, що матеріал залишався доступним доволі довгий час після лекцій, дуже мені допомогло. Тому я щиро рекомендую цей курс Data Science, підтримую вас і сподіваюся, що у Sigma Software University все буде чудово.

Якщо ти хочеш дізнатися більше про те, що таке data science, реєструйся на курс від Sigma Software University. Не втрачай можливість отримати якісну освіту та зробити перший крок до своєї мрії!