Отзывы
Отзывы выпускников образовательной программы «Прикладной анализ данных»:
Боярских Екатерина Павловна, выпуск 2022г.
Эксперт, ПАО Сбербанк.
Магистерскую программу "Прикладной анализ данных" я закончила в 2022, до этого училась на химика-технолога в бакалавриате
Для меня основным плюсом данной программы служит концепция обучения, преподают преподаватели-практики, которые ведут те дисциплины, в которых работают (к примеру, Python, преподаёт Python-разработчик, DevOPS преподаёт DevOPS-инженер), благодаря этому информация актуальная+разбираются рабочие кейсы, где объясняют как применить пройденные темы
Ещё одним плюсом является доступность преподавателей и руководства (с ними можно быстро связаться в случае каких-то вопросов). Также в общем чате периодически появляется информация о стажировках и вакансиях, можно напрямую написать тимлиду, который ищет себе сотрудника и всё узнать (это очень помогло мне в трудоустройстве)
Из минусов могу выделить только сложность некоторых дисциплин (но это скорее зависит от учебного/карьерного бэкграунда конкретного человека). Также нет одного уровня преподавания дисциплин, кто-то из преподавателей хорошо объясняет материал, кто-то не очень
Анализируя пройденные два года обучения и своё текущее трудоустройство, я понимаю, что сделала правильный выбор, о котором ни разу не пожалела.
Авдонина Ирина Станиславовна, выпуск 2022г.
Data Scientist , ООО "Бэнкс софт системс"
Магистерская программа "Прикладной анализ данных" позволила попробовать свои силы в самых разных областях, начиная от разработки, машинного обучения и заканчивая управлением проектами. Данная программа рассматривает анализ данных с разных сторон, позволяя создать целостную картину и в дальнейшем развиваться уже по понравившемуся направлению. Я очень рада, что закончила обучение по данной программе магистратуры и познакомилась с классными людьми.
Тюгаев Игорь Андреевич, выпуск 2022г.
Ведущий инженер по разработке, ПАО Сбербанк.
Я просмотрел множество учебных программ, прежде чем случайно наткнулся на запись вебинара, где Василий Тюменцев рассказывал о преимуществах магистратуры от Сбера. Тогда для меня ключевыми стали следующие пункты: в учебном плане рассматривался современный стек технологий, обучение от практикующих экспертов, ну и проектный формат обучения. В целом обучением в магистратуре для меня оказалось скорее выгодной инвестицией. Круто, что удалось поработать в сильных технических командах и прокачаться в понимании бизнес-процессов. Нас научили ориентироваться на клиента, а не делать «продукт ради продукта». Я посмотрел на процесс разработки со стороны, научился упаковывать продукт, «продавать» его пользователю. Если честно, мне легко удавалось совмещать работу и учебу. Хотя программа заявлена как очная, но по факту большую часть времени обучение приходило онлайн, что удобно. При необходимости, можно было посмотреть записи и самостоятельно изучить материалы. А на работе был гибкий график.
Колташов Никита Олегович, выпуск 2022г.
Главный инженер по разработке, ПАО Сбербанк.
Проектные практикумы - крутая вещь! Ты делаешь продукт не только с технической точки зрения, но и смотришь на него со стороны бизнеса + пробуешь новые технологии. Во время учебы не было ощущения, что проект «идет в стол». Преподаватели мотивировали и подгоняли, что хорошо. Удавалось поработать с нестандартными задачами, например, обычно я пишу сайты, а на практиках нужно было написать ещё мобильное приложение. Совмещать работу с обучением было нелегко: когда было «затишье» на работе, успевал закрывать задачи по учебе.
Работайте и учитесь параллельно, потому что навыки, которые получите в магистратуре, сможете реализовать в работе.
Голубенко Евгения Сергеевна, выпуск 2021г.
ML engineer, GoldApple.
С современными трендами, когда от специалистов требуют все больше знаний в смежных областях, программа магистратуры оказалась невероятно полезной, поскольку позволила получить более полное представление о том, как создать продукт - от идеи до клиента, вне зависимости от того, какой вектор профессионального развития является приоритетным.
Я работаю в продуктовой команде, занимающейся разработкой поиска и рекомендаций в ecommerce. Опыт, который я получила в магистратуре, работая над проектами в команде каждый семестр - оказался очень ценным на моем текущем месте. Прежде чем решить какую-либо задачу с помощью ML, необходимо обработать большое количество данных и понять: каких данных не хватает, какую определить целевую, какой подход для моделирования следует выбирать (бывает конечно и так, что после этого шага становится ясно, что ML и вовсе не нужен), как оценить эффективность. Так же вам, как разработчику, нужно озадачиться вопросами организации своевременной поставки данных и проверки их на целостность. Может быть и так, что описать решение в jupyter будет недостаточным. Тогда необходимо организовать свою работу в микросервис, со всеми вытекающими: рефакторинг, логирование, тесты и пр. В своей работе я сталкиваюсь с каждым из вышеописанных тезисов.
