Я тут такееее вам знайшла 👀Свіже дослідження від Carnegie Mellon University про AI-помічників у розробці. І дуже показовий висновок: AI дійсно прискорює роботу команд, але лише спочатку 🙈Дослідники проаналізували сотні GitHub-проєктів і побачили закономірність: після впровадження Cursor та інших AI-асистентів швидкість розробки статистично значуще зростала.Але разом із тим:⚪️збільшувалась складність коду⚪️росла кількість warning’ів від статичних аналізаторів⚪️накопичувався технічний боргІ через кілька місяців команди починали працювати повільніше, ніж ДО AI.Бо AI добре пише швидкий код, але не завжди якісний. А потім кожна нова фіча коштує дорожче, бо треба розгрібати нашарування цього коду 🥲В аналітиці даних зараз відбувається те саме. Наші улюблені Claude / ChatGPT можуть за хвилину написати SQL, побудувати гарненький графік і згенерити висновки.Але AI не перевірить за вас:😊чи правильно агреговані дані😊чи валідна метрика😊чи є статистична значущістьі чи взагалі висновок має сенс для бізнесу!І ось У ЦЬОМУ цінність саме спеціаліста-людини 🤌Посилання на ресурс: arxiv.org/abs/2511.04427(стаття за листопад 25 року, оновлена в січні 26)#кориснепроІТ
Для тих, хто питав: мій профіль все ще в блоці 🥲А поки ми намагаємося це вирішити, хочу підняти важливу для багатьох з вас тему: вхід в ІТ після 30. І що робити, якщо вам здається, що ваш попередній досвід ну зовсім нерелевантний.Чому хочу поговорити про це знову? Бо бачу, що вас стабільно турбує це питання по повідомленнях типу: «Мені 32/35/40 — чи не пізно вже?», «У мене досвід зовсім не айтішний, чи візьмуть?», «Скільки знаю людей в ІТ — всі молоді».Давайте дивитися на моє улюблене: цифри 😎Згідно DOU, медіанний вік айтівця в Україні у 2025-му — 31 рік. Не 22. Не 25. ТРИДЦЯТЬ ОДИН.І ця цифра щороку росте.Ще цікава цифра: 28% людей в українському ІТ мають освіту в гуманітарних, економічних або суспільних науках.Тобто майже кожен третій айтівець — це не випускник КПІ. Це людина, яка прийшла з іншої сфери 🤌А тепер про власне аналіз даних і чому це одна з найкращих точок входу в ІТ в 30+:⚪️не треба роками вчити програмування до рівня розробника ⚪️ ваш попередній досвід тут класна плюшка, і точно не баластДо мене приходили люди з геть різних сфер, і в кожному випадку їх бекграунд ставав козирем 😎Наприклад, якось розповідала вам про кейс Галини. Вона прийшла на курс у 40. А вже зараз працює не просто аналітиком, а росте в бік дата-інжеренії. Тобто заходить у ще більш технічну і високооплачувану нішу. В 40 років. З оптових закупівель. За ~ 1 рік сумарно 🤌І в мене десятки таких історій: бухгалтери, HR-и, маркетологи, юристи, лікарі, навіть стоматолог. Люди з беграундом 5-20 років в зовсім іншій сфері, які знайшли себе в роботі з даними після 30, 35, 40+ Тож, друзі, якщо вас спиняє вік — сміливо відкидайте ці думки і наважуйтеся на навчання. Програма тут, стартуємо 1 червня.
Друзі, я тут зібрала найпопулярніші питання від тих, хто розглядає аналітику для входу в ІТ 🫶❔ Як обрати напрям? А де більше попиту?Почніть з питання: вам ближче люди, процеси чи цифри? ⚪️Якщо подобається розбиратись у бізнес-логіці та спілкуватись із командами — дивіться на Business Analyst⚪️ Якщо цікавить, що всередині даних і як із них витягти сенс — це скоріше Data Analyst⚪️ Хочете будувати системи та пайплайни — розглядайте Data EngineerПо попиту зараз стабільно тримаються BA та DA. Вони потрібні в продуктових компаніях, фінтеху, е-ком та аутсорсі. Data Engineer у тренді, але вхід складніший технічно⚪️тому раджу почати все ж з Data Analytics⚪️❔Чи не замінить ШІ роботу аналітика в наступні 5-10 років?Відповідалабагато разів, але наголошу ще раз: ШІ добре закриває рутину (написати SQL-запит, побудувати базовий дашборд, описати метрику)Але він погано справляється з тим, що вимагає контексту. Бо аналітик: 🤍формулює задачу (а не просто відповідає на неї) 🤍перетворює «хотілку» бізнесу в конкретне дослідження 🤍захищає висновки перед стейкхолдерами 🤍розуміє, чому дані неправильні і як це виправитиТобто аналітик як мислитель і комунікатор нікуди не зникне, no worries 😎І це та навчичка, з якою ми працюємо на програмі Аналітик даних + AI— усі практичні задачі направлені на те, аби ви вчилися задавати питання та знаходити рішення. А не просто використовувати інструменти за шаблоном.❔ На яку зарплату орієнтуватись, якщо оберу аналітику даних?Орієнтир по українському ринку: Junior — $500-900 Middle — $1200-2200, Senior — $2500-4000+На старті в аутсорсі можна очікувати нижній діапазон. У продукті та фінтеху вище. Якщо з англійською добре і ви готові до міжнародного ринку, то цифри суттєво ростуть.❔ А що робити, якщо немає технічного бекграунду взагалі? Я можу йти навчатися на аналітика?Це нормально. І по секрету як від власниці академії: більшість людей заходить в аналітику саме так. Відсутність технічного бекграунду навіть буває плюсом: людина з досвідом у маркетингу, фінансах чи логістиці розуміє бізнес-контекст краще, ніж свіжий випускник IT-спеціальності.❔ Скільки реально займе перехід з нуля до першої роботи?Якщо вчитися на курсах із чіткою структурою та підтримкою досвідченого ментора (наприклад, мене 😎) — від 8 місяців до 1,5 року. Звісно, можна швидше, коли є технічна база або суміжний досвід. Якщо ж ви плануєте пройти цей шлях самостійно, це може бути х2 по часу. З досвіду студентів, які починали самі, але потім приходили до нас в академію — самому важко виділити головне та навчатися системно. Особливо, якщо ви зовсім новачок у сфері. 🤓 P.S Курси, які обіцяють роботу за 3 місяці — це скамери. Пишіть свої питання у коментарях, відповім або розберу окремим постом (чи навіть подкастом) 😊
Перед стартом нового потоку з аналітики ділюся ще однією історією студентки — Юлії у форматі інтерв’ю 🎙️Це один приклад того, як люди без досвіду в програмуванні заходять в аналітику даних та успішно отримують першу роботу 🫶❔ — Розкажіть, з якими знаннями ви заходили на курс?До курсу я взагалі не користувалась BI-системами та не мала досвіду роботи з SQL. Також раніше не програмувала.На той момент працювала бухгалтером із зарплатою близько 25 000 грн.❔ — На яку позицію хотіли перейти після навчання?Хотіла розвиватися в напрямку дата-аналітики. Також була ціль вийти на дохід 1000-2000$ протягом наступних 6-12 місяців.❔ — Як змінилось ваше ставлення до програмування протягом курсу?До курсу я взагалі не програмувала. А зараз уже можу застосовувати програмування для роботи з даними та бачу реальний результат. Зʼявилася впевненість і бажання розвиватися далі в цьому напрямку.❔ — Чого ви навчились за курс?Я навчилася працювати з базами даних на практиці, писати SQL-запити, аналізувати дані за допомогою Python та будувати базові інтерактивні дашборди.❔ — Що найбільше сподобалось у форматі навчання?Сподобалася структура навчання, зрозуміла послідовність тем та логічні кроки. Також були корисними домашні завдання, оскільки дозволяли одразу закріплювати матеріал на практиці.❔ — І чи вдалося знайти роботу?Так, вже 5 місяців як працюю в новій компанії, але пошук роботи був ще той квест. Десь 2,5 місяці я була в режимі «відмова-ігнор», і руки реально опускалися.Якби не наставництво, я б, мабуть, здалася ще десь на середині шляху. Там була просто колосальна підтримка, яка не дала «злитися», коли ставало максимально важко ігнорувати відмови.Ну і знання з курсу: практика з Python i SQL та розуміння логіки аналітики дуже допомогли зробити тестове, завдяки якому мене взяли на посаду мідла.Так що головне — не зупинятися і мати поруч тих, хто підштовхне у потрібний момент! Тому тут величезна вам вдячність 🫶🤍🤍🤍🤍🤍🤍🤍🤍🤍Нагадую, детальніше про програму «Аналітик даних + АІ» ТУТ 😊Старт потоку: 1 червня.
Друзі, за 2 дні буде крутий івент про ІТ-ринок в 2026 від Data Science UA. Хочу вас туди запоосити)21 травня Data Science UA покаже POV тих, хто щодня працює з кандидатами, вакансіями та реальними вимогами бізнесу.На вебінарі Career Reality Check зберуть усе, що зараз відбувається на ІТ-ринку, і розкладуть по поличках.Експертка – Марія Королюк, Recruitment Lead з 6+ роками досвіду в рекрутингу та HR.Про що будемо говорити:- Куди прямує ринок IT у 2026: вакансії, зарплати, попит- Чи потрібні джуни в еру АІ?- Як увійти в найперспективніший напрямок ІТ – і чи варто?- Чи працює LinkedIn, і на що звертають увагу роботодавці в 2026На тебе чекають інсайти та статистика з реального рекрутингу, а не з дописів у Threads. І найважливіше: Q&A-сесія. Без загальних порад і "води".Захід буде корисним ІТ-фахівцям у пошуку роботи, спеціалістам, які цікавляться станом ринку, і тим, хто тільки входить в ІТ.Приєднуйся до Career Reality Check 21 травня о 19:00 за Києвом, аби зрозуміти, як працює найм у 2026.✅Формат: онлайн-конференція Zoom.✅Квиток: твій донат від 200 грн.✅Реєстрація за посиланням: https://forms.gle/o9pRFL1FhGN8gdXWA
Для тих, хто пропустив у лінкедині — ділюся емоціями з DOU дей і тут 😎Шалено задоволена, що відвідала цей івент. Високий рівень організації по таймінгах, цікаві лектори та теми, креативні стенди від компаній. Я коли уявляю, скільки зусиль вартує розробити ті всі концепції, аби і цікаво, і незвично, і виділитись — просто знімаю шляпу перед кожною компанією. І цукрову вату роздавали, і огірки в авосці, і фотозони були. Щодо мого виступу, тут не без факапів.Виступ присвячений семантичному аналізу відео і побудові для цього n8n-воркфлоу. Демо запланувала робити на власних відео. І саме на етапі демо я виявляю, що мій інстаграм профіль на 44K фоловерів заблокований 🫠Тому ми аналізували контент Хейлі Бібер і Влада Галицького. Але! Попри блок і деякі технічні складнощі на початку, я встигла показати все, що планувала. І людей було значно більше, ніж запланових 70 — а значить інтерес до теми є 🥹Ну і найбільше кайфонула від спілкування. Зустріла всіх: і однокласників, і людей з університету, і з попередніх робіт, студентів, випускників, підписників, блогерів, за якими слідкую. Рада, що маю можливість поспілкуватися ось так, вживу. Тож якщо ви теж були, діліться враженнями у коментах 🫶
35 років для IT — вже пізно?Я в айтішці більше 10 років, і постійно стикаюся з людьми із різних сфер⚪️фінансисти, логісти тощо⚪️, які хочуть, але бояться змінювати свій фах. Із досвіду студентів моєї академії скажу: найсильніші світчі в ІТ — це не 20-річні. Це люди 30+, 40+, іноді навіть 50+. Чому? Бо коли ви змінюєте фах у зрілому віці, ви приходите не з нулем знань, як може здаватися. Ви приходите з досвідом, який молодші просто фізично не могли отримати.У світчера 35+ є реальні переваги:⚪️ви вже розумієте, як працює «доросла» робота і що відбувається в компаніях⚪️у вас можуть бути сильніші софт-скіли (комунікація, відповідальність, витримка)⚪️ви швидше доходите до результату, бо маєте менше ілюзій⚪️ви чіткіше знаєте, навіщо вам ці карʼєрні зміни Так, треба вчитися, і так, це час. Але у 20 років теж треба вчитися. І якщо ви обираєте структуровану програму, яка дає реальні практичні навички — немає різниці, 22 вам чи 48.1 червня стартує новий потік курсу «Аналітик даних в ІТ» — це навчання дійсно розраховано на новачків. Ви отримаєте всі необхідні технічні знання, підтримку від мене й кураторів, а також повне розуміння, як рухатися в карʼєрі далі.Детальну програму курсу дивіться НА САЙТІ.
«Без вищої освіти в ІТ нема чого робити» — один з найживучіших міфів про сферу 😅Як людина з 2-ма профільними вищими освітами я впевнено кажу, що на співбесідах у 80% випадків вас наймають не за диплом. А виключно за те, чи вмієте ви вирішувати задачі бізнесу за допомогою інструментів.Бо ринок зараз дуже практичний. Якщо це аналітика, то роботодавцю насамперед треба, щоб ви вміли:🤍працювати з даними;🤍знаходити закономірності;🤍будувати логіку;🤍презентувати висновки;🤍приносити користь і гроші компанії.Якраз цьому я вчу на курсі «Аналітик даних в ІТ»: за 3-4 місяці ви отримуєте дійсно практичні знання, з якими легко отримати офер.🤓 Набір відкритий, анкета передзапису ТУТ.Повертаючись до питання: це не означає, що вища освіта не важлива. Вона може дати хорошу базу, системність мислення та ширше розуміння сфери. Але сам по собі диплом давно не гарантує нічого. Я бачила людей з червоними дипломами, які не могли пройти технічну співбесіду. І людей без профільної освіти, які ставали сильними аналітиками за рік-півтора.Як вважаєте, наскільки вища освіта грає роль для айтішки? Поділіться думками 👇
1,5 місяці я дуже хотіла розказати вам дещо, і тепер нарешті можу 🤌Я довго думала, який офлайн-івент зробити цієї весни від мене та Data Loves. Яка тема зараз справді важлива? Який формат? І здається цього разу все склалось ідеально. 30 травня запрошую вас на DATA ANALYTICS SATURDAY, який ми проведемо разом зі Skelar у Києві 🔥Skelar — це один із найсильніших українських компаній, яка будує міжнародні tech-продукти та стартапи. Тому сильноо тішусь, що ми робимо цей івент разом 🙌Тема дня: AI, Automation & Product. Будемо говорити про те, що зараз відбувається з аналітикою:⚪️що AI уже забирає на себе⚪️де роль аналітика тільки посилюється⚪️які навички реально стають важливими у 2026⚪️як не випасти з ринку, а навпаки вирости в ньомуЯ виступатиму з темою про побудову продукту на аналізі неструктурованих даних і покажу. Розповім, як ми в Data Loves поєднуємо аналітику, ML та продуктове мислення для створення сильного клієнтського досвіду 💪А ще модеруватиму велику панельну дискусію про роль аналітика в еру AI — разом із топовими спеціалістами з Djinni, TENTENS Tech та Storyby. І це ще не все. Будуть також:🤍кейси автоматизацій від Howly та MacPaw🤍нетворкінг зі спеціалістами та командами🤍відкриті вакансіїТому якщо ви давно хотіли потрапити в сильне комʼюніті людей з data/AI/product — це той самий івент.❔Коли30 травня | 11:00-17:00❔Деофіс Skelar, Поділ, Київ Участь БЕЗКОШТОВНА, але реєстрація обов’язкова.ЗАРЕЄСТРУВАТИСЯ❕Для моїх студентів та випускників ми зарезервували окремі місця, тому перед реєстрацією напишіть мені в інсту. Чекатиму 🫶
Друзі, «Machine Learning для людей» вже активно несеться, і я вирішила поділитися ще однією історією студента-випускника у форматі невеликого інтерв'ю 🎙️❔ — Розкажіть, з якими знаннями ви заходили на курс?До початку курсу мій досвід у машинному навчанні був досить фрагментарним. Я знав основи Python — цикли, функції, роботу з бібліотеками, мав досвід з Pandas, Matplotlib, Seaborn, але це все не складалось у цілісну картину.Було загальне розуміння ML-термінів, але не вистачало системності та практичного бачення повного циклу роботи з моделями. Я працював не за спеціальністю і паралельно багато часу інвестував у навчання, щоб змінити сферу.❔ — Чому вирішили йти саме в Machine Learning?Я ще раніше проходив курс по Python, але розумів, що просто писати код — не те, чим хочу займатись. Хотілось працювати там, де є дані, аналітика, графіки, якась «двіжуха»І коли натрапив на ваше пояснення ML простою мовою — стало зрозуміло, що це саме той напрямок, в якому я хочу розвиватись. До цього, чесно кажучи, не було чіткого розуміння, куди рухатись далі.❔ — Який результат ви хотіли отримати від курсу?Моя ціль була розібратись з базовими поняттями, отримати системне розуміння машинного навчання і навчитись працювати з цим на практиці.Також було важливо зрозуміти, як проходити співбесіди і в ідеалі влаштуватись на позицію Machine Learning Engineer після навчання.❔ — Як змінилося ваше бачення ML після навчання? Що стало зрозуміліше?Після курсу зʼявилось цілісне розуміння процесу машинного навчання: від формулювання задачі та підготовки даних до побудови, оцінки та покращення моделей.Стало значно зрозуміліше, яку модель обирати під конкретну задачу і чому, як працює feature engineering, як інтерпретувати метрики якості і як уникати типових помилок, таких як overfitting чи data leakage.❔ — А що з практичними навичками?Я навчився працювати з реальними датасетами: проводити EDA, будувати та порівнювати різні ML-моделі, оформлювати результати у вигляді зрозумілих ноутбуків і проєктів.Окремо цінним стало розуміння логіки мислення ML-інженера: як підходити до експериментів і покращення моделей.❔ — Чи можете зараз самостійно побудувати модель?Так, можу самостійно пройти весь процес: від формулювання задачі і підготовки даних до навчання моделі, валідації, підбору гіперпараметрів та оцінки якості.Також розумію типові ризики і знаю, як їх мінімізувати.❔ — Чи виправдав курс ваші очікування?Так, повністю. Моєю основною ціллю було отримати системне розуміння і навчитись працювати з практичними задачами, і це вдалося.❔ — А що найбільше сподобалось у форматі навчання?Сподобався структурований і практичний підхід. Матеріал подавався послідовно, від бази до складніших тем, з хорошим балансом теорії і практики.❔ — І найцікавіше, чи вдалося отримати офер? Так, я влаштувався на позицію Machine Learning Engineer приблизно півтора місяці тому.Стартова зарплата — $2000 (при початковій вилці в вакансії 1000-2400).І якщо чесно — єдине, про що шкодую, що не пішов на курс раніше і міг зробити цей перехід швидше.🤍🤍🤍🤍🤍🤍🤍🤍🤍🤍Потрапити на 5-й потік ML вже не можна, проте ми поступово починаємо набір на курс з аналітики, який стартує в червні 🔥Все деталі НА САЙТІ.
TGLIST.COM.UA
