HANNA PYLIEVA ПРО ІТ 🚀

Не люблю подібне визнавати, але я втомилась. У такі моменти я скорочую робочі й побутові задачі до мінімума й намагаюся відновити енергію. Бо знаю, що це тимчасовий період, і далі буде легше.А найбільше виводить з цього стану бачення великої цілі, куди я йду. І, як вже колись казала, моє оточнення — сімʼя та команда — їх підтримка дозволяє мені вийти з цього стану іноді за півгодини 🥹Сам з цим розумінням — що вигорання трапляється, це невідʼємна частина роботи й життя — у моїх навчаннях я теж враховую, що в якийсь момент студенти обов'язково втомляться.І для таких випадків у нас в академії є:⚪️постановка цілей на початку, аби памʼятати для чого ми тут⚪️окрема гілочка в месенджері, куди можна написати, і вас підтримають⚪️можливіть зідзвонитися і обговорити не тільки технічні питання, а й просто отримати «психологічну сесію» ⚪️ і навіть окремий тренінг про вигорання та відновлення енергії Коли ти оточений одногрупниками, кураторами й викладачем⚪️нехай і онлайн⚪️— шансів успішно дійти до кінця в рази більше, ніж коли ти йдеш цей шлях самостійно.Ми дійсно дуже дбаємо про стан учнів, бо це важливо для кінцевої мети, яку я як авторка курсів та власниця академії ставлю перед собою — ваші офери.До речі, після завершення вас 6 місяців супроводжує карʼєрний центр у пошуці роботи⚪️це вже включено у вартість⚪️А також у нас є комʼюніті випускників і партнерства з компаніями, які наймають наших учнів.Саме це відрізняє Data Loves від інших шкіл та академій — ми даємо і сильні технічні знання, і впевненість, і психологічний коучинг. Аби учні виходили сильними, свідомими фахівцями.Якщо хочете освоїти машинне навчання якісно і з супроводом — повну програму можете знайти на САЙТІ.Заповнюйте анкету передзапису. Найнижча ціна діятиме ще декілька днів 🤓

У 20 років я боялася 30-ти, бо думала, що це вже «старість». Зараз мені 32, і я почуваюся більш щасливою, ніж будь-коли: маю улюблену роботу з високим доходом, коханого чоловіка, подорожі, машину, власну квартиру в Варшаві.В інтернетах це називають успішним успіхом, але насправді це return of investments — колись я зробила вдалий вибір напрямку роботи і пішла в Data Science 😎Це був 2017 рік і найбільша інвестиція в моєму житті: я наважилася піти на магістратуру на Data Science в Український Католицький Університет⚪️навчання коштувало $6300 👀⚪️Спочатку я працювала аналітиком на фултаймі за $1200. Було дуже важко, бо вчилася по 40 годин на тиждень і поєднувала це з повноцінною роботою.Але вже під час магіструри я знайшла іншу роботу — позицію Middle Data Scientist із ЗП $3000. Тож для мене return of investment стався за 2 місяці роботи👌Після цього я працювала в багатьох проєктах, з таблицями, зображеннями, відео, текстом. А завдяки Machine Learning за 2 роки моя ЗП зросла до $4500, ще за два — до $6500. Тепер я маю $7-10k на місяць.Тож, повертаючись до навчання. Зараз вам не треба платити майже більше $6000 і витрачати роки на магістратуру, як це робила я.Можна опанувати цей напрям за 9 місяців на моєму курсі «Machine Learning для людей». Інколи в директі я бачу «це не те саме, що диплом магістра». Так, я не даю диплом університетського зразка. Але ви отримуєте гарантовано актуальну програма, яка містить більше 27 практичних DS задач і дає всі необхідні для роботи навички. Наприклад, у новому 5-му потоці ми додаємо окремий модуль по computer vision та рекомендаційних системах. Тому що я регулярно аналізую ринок і бачу, що роботодавці почали про це частіше запитувати. А ще ми додали +1 практичний проєкт, щоб студенти краще відпрацювали навички. Тож наприкінці у вас буде 3 готових проєкти в портфоліо. Тобто мій курс — це реальні знання та навички для майбутньої роботи. І якщо вам цікаво навчитись використовувати Machine Learning у своїх поточних задачах, аби збільшити дохід — заповнюйте анкету передзапису, і мій менеджер відповість на всі ваші питання про навчання 🙌ХОЧУ НАВЧАТИСЯ

Я в айтішці більше 10 років, маю команду з 15 людей, і прямо зараз в моїй ІТ-академії проходять курси 170 студентів — і я все ще регулярно навчаюся.Наприклад, учора слухала лекцію про побудову стартапа⚪️в офісі Meta в Варшаві⚪️😎Якщо пропустили, нагадаю: я потрапила в 30-тку з 300 людей, хто пройшов відбір на навчання Genesis.Це офлайн лекції 2-3 рази на тиждень, які проводять С-level співробітники екосистеми Genesis.Чому вирішила піти?Я маю великий досвід в ІТ, але ніколи не запускала ніколи ІТ-компанії. Зрозуміла, що хочу навчитися. Тому пішла до тих, хто вміє — це логіка, якою я користуюсь по життю.Але є важливий нюанс: я йду навчатися або за гроші, або туди, де є чіткий відбір / дедлайн / структура. Бо інакше це просто не матиме сенсу.Для прикладу. У LinkedIn мені порадили безкоштовний курс — YCombinator Statup School. Я знаю про нього вже 3 роки. І досі не пройшла, бо там немає системи.За статистикою⚪️а я регулярно цікавлюся патернами поведінки щодо навчання та читаю дослідження на цю тему⚪️— лише 2-10% людей завершуть курси а-ля Coursera. Щось безкоштовне на Youtube — ще менше.А от cohort-based курси⚪️навчання у групі⚪️як мій — від 75% 🤓Чому? Бо є:⚪️група — як соціальний фактор та відчуття приналежності до чогось більшого ⚪️дедлайни і розуміння, чому треба зробити саме зараз ⚪️домашки, які стимулюють одразу практикувати, а не просто послухати ⚪️особлива підтримуюча форма фідбеку і ще багато методологічних деталей, яких немає в тій же Курсері.Тому коли я чую, що «все є у вільному доступі в мережі» — погоджуюся, проте знаю, що якби так працювало у навчанні, ми б вже вивчили весь інтернет 😊Словом, якщо ви справді хочете отримати результат і освоїти машинне навчання —запрошую на новий потік «Machine Learning для людей» 💗АНКЕТА ПЕРЕДЗАПИСУ

Друзіі, нарешті 🥹Я відкриваю анкету передзапису на «Machine Learning для людей». Вже 5-й потік, сама не вірю.У цьому дописі ще раз коротко розповім:⚪️кому підходить курс⚪️чи не буде заскладно⚪️що в програмі⚪️які результати отримаєте від навчання➕ даю посилання, де записатися з найбільшою знижкою.Перше, що вам треба розуміти: «Machine learning для людей» — це глибокий курс-професія. Це означає, що за 9 місяців з повного нуля ви дійдете до впевненого рівня і зможете використовувати ML в проєктах. Моя мета — дати вам сильний практичний ML-фундамент і нові можливості в кар’єрі.❔Кому підійде курсВін для вас, якщо ви: ⚪️давно цікавитесь ML і не знали, з чого почати⚪️хочете використовувати ML в поточній роботі⚪️розробка, аналітика, DevOps, PM, чи QA⚪️⚪️хочете глибоко розбиратись в ML методах, як базових, так і сучасних (нейромережі, LLMs)❔Що ви будете знати і вміти після курсуЯ даю всю необхідну для старту роботи базу. Ви будете:🤍самостійно тренувати ML-моделі і оцінювати їх якість🤍обирати правильну модель під конкретні дані🤍чистити й аналізувати дані🤍повноцінно деплоїти моделі 🤍розуміти, як усе працює зсередини🤍використовувати сучасні LLMs у бізнес-завданнях❔Як побудована програмаЙдемо від основ програмування до деплойменту ML-моделей. Так, аби зрозуміли навіть новачки — від простого до складного [ не хвилюйтеся, математичні теми теж покриваємо в ході навчання ]Статистичний факт: всього за курс ви розвʼяжете понад 27 повноцінних ML-задачі❔Чи не буде заскладноОскільки моя основна ціль — довести вас до оферу, у нас вибудована ціла система навчання:⚪️Пояснення візуальні, на прикладах, і простою мовою⚪️Короткі уроки 15-30 хв⚪️Всі знання закріплюємо на практиці⚪️Чат, де щодня можна задавати питання⚪️Регулярні Q&А-зідзвони, аби додатково розібрати ваші питанняЯ постійно оновлюю наповнення і методологію, аби подача була ще легшою і цікавішою. ❔ Скільки часу потрібно на навчання10-12 год на тиждень на перегляд лекцій і ДЗ.❔Як записатися Найважливіше: на курс можна потрапити лише за передзаписом. АНКЕТА ТУТ⭐️Вона потрібна, аби менеджер опрацював ваші питання та зміг якомога більше розповісти про курс до того, як ви оплатите. До речі, найближчі декілька днів діє найнижча ціна 😊P.S Оплата частинами теж доступна, запитуйте про умови в менеджера.

Вчора слухала лекцію від Олександра Личака, СРО ІТ-компанії Obrio про продуктову аналітику. І, як виявилося, класичні data-science задачі ніхто не відміняв: бізнесам все ще потрібні прогнозування LTV, виявлення фроду, сегментація клієнтів 😎А ще — рекомендаційні системи, комп'ютерний зір, NLP, аналіз часових рядів і багато інших цікавих штук. Тобто задач для ML-спеціалістів зараз прям багато⚪️як і вакансій на DOU⚪️І це круто, адже з мого досвіду — у ML приходять люди з абсолютно різним минулим: аналітика, маркетинг, розробка. І всі знаходять нішу до душі, бо в кожному напрямі ML цінується свій досвід.Тобто, щоб перейти в ML, вам не треба забувати весь свої попредені навчички й починати з нуля. Навпаки — саме поєднання ML з вашою експертизою робить вас унікальним спеціалістом на ринку.Показую наглядно на картинці 👆Свого часу я вже пройшла схожий шлях від аналітика-джуна до Senior ML Engineer за 4 роки. Як раз тому що постійно використовувала свої сильні сторони для нової ролі + паралельно формувала сильну технічну базу.Мій курс «Machine learning для людей» побудований так, аби дати вам:⚪️ комплексне уявлення про ML⚪️готові проєкти для портфоліо ➕ розуміння, як найкраще продати свій досвід.І я бачу, як цей підхід працює на практиці. Після навчання офери отримують студенти з дійсно різним бекграундом: від будівельника до лінгвіста. Завтра відкриваємо анкету передзапису на Machine Learning для людей 5.0 💗Вам першим розкажу про круті оновлення, програму, і бонуси для «ранніх пташок» 🙌

У суботу випускали 9-й потік курсу з аналітики. Кожного разу це хвилююче по-новому, адже від мого навчання буквально залежить успіх студентів у подальшій карʼєрі 🥹Небагато хто зміг доєднатись онлайн, натомість була дуже лампова атмосфера, де не страшно бути собою і ділитися враженнями чесно. Цього разу дівчата багато говорили, що найбільш цінною їм була підтримка від мене та кураторів. І так, я дуже це розумію! Бо освоєння професії — це непросто. І не через складні інструменти, а через страхи й думки, що не вийде. Тому я завжди наголошую, що вхід у професію — це в першу чергу мислення, а потім вже технічні навички. І обидвом цим речам важливо правильно навчати 🤓Я обожнюю досліджувати, як навчаються люди і як навчаюсь сама, бачити в цьому патерни і впроваджувати у мої продукти. Тому що дати разову лекцію — це одне. А провести людей шляхом у 8 місяців до нової професії, навчити думати по-новому — кардинально інше, і це, власне, і є моя фінальна мета.Я так кайфую від того, що створюю справді унікальний продукт, який дає не тільки сильні технічні навички⚪️це база⚪️, а і повний необхідний супровід в професію. І найприємніше — бачити, як такий підхід працює. Учні знаходять роботу і стають реально цінними спеціалістами на ринку. Навіть, якщо до навчання не мали досвіду в аналітиці та ML вза-га-лі.Я регулярно публікую кейси студентів у каналі. Наприклад, Оксана, з якою ми «перепакували» її досвід у фінансах і прийшли до оферу в аналітиці з перспективою переходу в ML⚪️після декрету⚪️Або Галина, яка перейшла в ML після роботи викладачем іноземних мов. Ці історії випускників — і є те, для чого я створюю та вдосконалюю продукт з кожним новим потоком. І наступний потік «ML для людей» — не виключення 😊Вже скоро відкриваємо анкету передзапису. Чекаєте?

З боку часто здається, що ІТ, як і більшість диджитал-професій⚪️а тим паче віддалених⚪️— це легко: сидиш за компом, нічого такого не робиш. А насправді ти платиш тим, що мусиш постійно думати, мозок не вимикається буквально ніколи. Тут майже нема рутинних дій, де можна відключитися і просто робити. А натомість є постійна невизначенність і зміни, під які треба підлаштовуватися. І саме за пошук шляхів і рішень нам і платять. Але важливо розуміти, заради чого ти платиш цю ціну. Наприклад, у машинному навчанні цей «інтелектуальний внесок» добре оплачується. Data Science за свіжим аналізом DOU — найбільш оплачуваний напрям 🤌Коли ти розбираєшся з кодом, моделями й агентами — ти стаєш людиною, яка буквально «рулить» сучасними системами. І яка потрібна всім, бо всім треба АІ і ті хто знають, як ним користуватися.Трохи цифр: з року в рік цей попит зростає на 198% 😱А крім цього ML — це ще і прогнозування для бізнесу: рекомендації, клієнтська аналітика, fraud detection. Для ШІ ці задачі складні, а от професійний ML-фахівець вміє таке розвʼязати, а значить дає суттєву цінність продукту. І за це отримує класні гроші. Звісно, є своє але. Для такої ролі треба нормальний такий набір навичок: програмування, математична база, ML та DL алгоритми — за тиждень освоїти не вийде.Але за 8 місяців із повного нуля — ізі 😎Скоро стартує набір на 5-й потік «Machine Learning для людей» — мого флагманського курсу-професії, де за чіткою структурою та з купою практики ви освоюєте ML і одразу зможете працювати.Днями відкриваємо анкету передзапису, і там, як завжди, будуть найкращі умови. Слідкуйте за каналом, щоб не пропустити анонс 🤫

🤍🤍🤍🤍 🤍🤍🤍🤍🤍🤍🤍🤍 Ділюся історією ще одного випускника — Іван Закорчевний, 35 років, студент курсу «Аналітик даних в ІТ»:Точка 🤍До аналітики Іван працював у диджитал-маркетингу і вже базово був знайомий із даними:⚪️знав, як писати прості запити в SQL ⚪️колись будував пару графіків у Tableau / BI ⚪️проходив курси з Python, але впевненості у знаннях не було, тому не використовувавЗапит був такий: змінити напрямок, освоїти нову професію та вийти на Middle Data Analyst із доходом не нижче поточного.Точка 🤍Під час курсу Іван реально вже почав застосовувати знання в роботі:⚪️поглибив SQL і почав використовувати його впевнено⚪️освоїв Python до рівня виконання реальних бізнес-задач⚪️почав будувати ETL-пайплайни⚪️використовує Python для прогнозування на клієнтських проєктахІ найважливіше — змінив ставлення до програмування:«Раніше було упередження, що це не моє. Зараз розумію: головне — логіка і розуміння, як працює код». Результат 😊може самостійно аналізувати датасети в Python😊пише скрипти під бізнес-задачі 😊використовує аналітику в реальних проєктахНавчився більш поглиблено працювати з SQL, вивчив Python та в цілому стало більш зрозуміло, як працює аналітика та як брати максимум з кожного датасету. Враження від курсу«Курс навіть трохи перевершив очікування. Дуже сподобалась структура, логіка і постійний фідбек від кураторів».

Q&A: правда про вхід в ITДрузі, сьогодні у форматі швидкого питання-відповідь розповім все, що так вас цікавить про початок роботи в ІТ.❔Чи варто звільнятися зі стабільної роботи, щоб спробувати ІТТочно не одразу. Часто ми бачимо перед собою дві крайнощі: терпіти роботу, яка не влаштовує або різко стрибнути в невідомість та спалити всі мости.Але тут є третій, найлогічніший варіант — напрацьовувати ІТ-навички паралельно з роботою. Для цього знадобиться 10-15 год на тиждень. З таким темпом за 6-8 місяців можна починати шукати роботу.У такий спосіб у вас буде менше внутрішнього тиску⚪️бо ви продовжуєте працювати і отримувати ЗП⚪️Просто одночасно освоюєте нові навички та рухаєтесь до своєї цілі. 😊Звільнятися раджу коли ви або вже отримали офер в ІТ, або маєте базовий набір навичок для пошуку роботи і фінансову подушку принаймні на 2-3 місяці.❔ Чи реально в ІТ заробляти 2-3 тисячі доларів?Якщо вам обіцяють $2500 в ІТ одразу після навчання — біжіть з тої контри, бо вас розводять. $2-3к зазвичай отримують ті, хто вже працював на схожій ролі, але не в IT. Наприклад: бізнес-аналітик, фінансист, операційний менеджер — у людини вже є всі навички, необхідні для роботи, і вона просто переходить у айтішну компанію. Фактично, рід діяльності не змінюється, лише сфера. Якщо ж ви заходите в професію з нуля, реалістична зарплата на старті в Україні — $600-1200. Далі — якщо ви працюєте в нормальній компанії, де є регулярні перегляди зарплати, щороку вона може рости приблизно на $300. Якщо ж міняти компанію ~раз на рік — зростання може бути швидшим. Іноді навіть х2 за рік. Я робила так сама, тому точно знаю, про що кажу. ❕Але тут варто бути обережними, активна зміна компаній часом може зашкодити резюме, тому не зловживайте. ❔ Чому не беруть на роботу після курсівЯк думає більшість: «пройду перший ліпший курс, вивчу базові інструменти й одразу знайду роботу». Але коли ви починаєте шукати роботу і ходити на співбесіди, виявляється, що рекрутери звертають увагу на інше — чи вмієте ви пояснити та презентувати свої висновки, донести цінність тощо. І просто мати базові технічні навички вже недостатньо. Тому в Data Loves ми приділємо багато уваги й даємо купу практики, аби студени навчились думати як технічні спеціалісти. ❔А як дізнатися, що напрям мені підійдеНасправді, тільки спробувати. Хоча б у тестовому форматі ⚪️наприклад я обов'язково проводжу мінімарафони перед стартом своїх великих програм⚪️Проблема у тому, що багато новачків зарано роблять висновок, що напрям не їх. Ще до того, якзрозуміли, як виглядає робота зсередини.І тут дійсно легко переплутати складність на старті з неправильним вибором напрямку.Тому протестувати професію — чудове рішення.⭐️Звісно, зважайте на свої вподобання та сильні сторони. Наприклад, аналітика добре підходить тим, кому цікаво розбиратися, чому щось працює, що стоїть за цифрами і як дані впливають на рішення. Якщо ж вам важлива активна комунікація, а працювати з таблицями не подобається — це, швидше за все, не ваш варіант.🤍🤍🤍🤍🤍🤍🤍🤍🤍Робимо другу частину? Залишайте питання, які цікавлять, в коментарях 👇

Чому студенти обирають Data Loves Academy?Навіть попри те, що на ринку зараз дуже багато навчань, з кожним потоком курсу з аналітики студентів у нас стає все більше.Я і моя команда регулярно збираємо зворотний зв’язок, і ось що студенти згадують найчастіше 👇⚪️Структурованість та відсутність хаосуФразу «ви все розклали мені по поличках» я чую майже від кожного студента. І дуже цим пишаюся, адже структурована програма — це те, над чим я справді багато працюю.⚪️Проста мова подачіМоя головна фішка 😎Щиро впевнена, що від викладача і того, наскільки зрозуміло він може пояснити складні речі, залежить 50% успіху студента. А можливо, і більше.У КПІ нас вчиликласично-пострадянськи: «Ось тобі незрозуміла абстрактна фігня, і якщо ти не зрозумів — значить ти дебіл».Своїм студентам я пояснюю технічні теми буквально на пальцях⚪️і пайтон теж⚪️⚪️Індивідуальний підхід і розгорнутий фідбекНа курсі є QA-сесії зі мною, щоб задати всі питання, а також детальні розбори кожної домашки. Тож ви гарантовано не будете відчувати себе самотніми на цьому шляху 🤌⚪️Практика (її багато)Програма побудована так, щоб нові знання одразу закріплювалися на прикладах. І не штучних⚪️знаєте ці діалоги з підручників англійської, які ніколи б не відбулися в реальному житті?⚪️Тільки брудні дані, бо наша мета — підготувати до роботи і реальних задач.⚪️Надихаюча атмосфера та енергіяЯ справді горю тим, що викладаю, і це відчувається навіть через екран. Тому мотивувати студентів і закохувати їх у дані — теж мій суперскіл.Якщо тут є випускники або студенти, і вам є чим доповнити список, велкам у коментарі 💗