🤍🤍🤍🤍 🤍🤍🤍🤍🤍🤍🤍🤍Ділюся ще одним кейсом моєї студентки — Анастасії Равської, яка у 21 рік пройшла курс «Аналітик даних в ІТ» і, спойлер, вже працює аналітиком.Точка 🤍До аналітики Настя працювала офіціанткою і мала мінімальний досвід з даними з універі. А ще страх, що програмування може не датися. Але був план почати щось змінювати та нарешті отримати роботу в ІТ:«Я вже навіть пробувала подаватись на вакансії Data Analyst. Але знань і впевненості не вистачало» За час навчання Анастасія:⚪️отримала розуміння, що таке реальні задачі Data Analyst і як з ними працюють в ІТ⚪️поглибила знання Python та SQL, побачила логіку й системність навчилась читати дані, робити висновки та створювати якісні візуалізації⚪️структурувала знання та почала впевнено оперувати професійними термінами⚪️подолала страх програмування «Стало не так страшно до нього підступатись, зʼявився азарт у роботі». Точка 🤍Паралельно з навчанням Анастасія почала писати тестові завдання, застосовувати знання на практиці — в результаті отримала офер і наразі вже працює аналітиком 🥳Враження від курсу«Доступна, зрозуміла подача з різних сторін. Постійна підтримка, перевірка домашніх і дуже якісний фідбек.Отримала все, чого очікувала — і навіть більше. Почуваюся впевненіше й краще розумію, що роблю».
🤍🤍🤍🤍🤍🤍🤍🤍🤍🤍Якщо вам цікавий курс з аналітики чи ML — ставте + у коментарях, ми підкажемо найближчі дати ✍🏻
З чого почати зміну професії? 🤓Розпишу по пунктах, як би робила особисто я.🤍Починала б із базового питання: чого ви хочете досягнути і що вам реально цікаво.Точно не «де більше платять», а де вам відгукується і в чому ви готові розбиратися глибше. Тільки такий підхід спрацює на перспективу.🤍 Далі я би подивилась на свій попередній досвід за кілька років і проаналізувала: які задачі вам було найбільш кайфово виконувати.Комусь заходить робота з даними, комусь автоматизація процесів, комусь комунікація з людьми, а комусь подобається наводити лад там, де цього ладу не було. Це все дуже важливі підказки.🤍 Після цього я би всі ці інсайти вербалізувала. Наприклад, пішла би спілкуватися з ChatGPT: що він може запропонувати, які напрями можуть підійти, який формат роботи. Обовʼязково уточнювала би, де ви плануєте шукати роботу — в Україні чи на іншому ринку, бо вимоги можуть відрізнятися.🤍 Далі просто: відкрити сайти з вакансіями і подивитися, що конкретно вимагається від людей у вибраному напрямі: які навички, які інструменти, який рівень. 🤍 І тільки після цього я би шукала курс. Так, саме курс, бо структуроване навчання майже завжди значно краще, ніж навчатися самостійно. Нам тільки здається, що ми можемо все вивчити самі — але на практиці це дуже часто розтягується на місяці або навіть роки. Заплатити за те, що хтось зібрав для вас інформацію, вибудував логіку навчання, придумав домашні завдання і супроводив вас з точки А, де «я нічого не знаю і не вмію»до точки Б, в якій ви вже маєте навички і розумієте, як шукати роботу — на мою думку, точно того варте.😊І ще дуже важливий нюанс.На етапі вибору напряму важливо максимально вимикати страх невдачі. Спробуйте задати собі питання: «Якщо є тисячі людей, які освоїли цей напрям, і вам він дійсно відгукується, то чому у вас має не вийти?»Для відносно складних професій, наприклад аналізу даних, потрібно кілька місяців, щоб освоїти базові навички. І якщо вам справді подобається напрям, є структурований підхід і внутрішнє «хочу», то у вас точно все вийде 💗
Як зрозуміти, що аналітика — це ваше, або що таке «майндсет дослідника»З мого досвіду, в аналітику приходять з різних причин: комусь цікава робота з цифрами, комусь грошові перспективи, а хтось боїться втратити роботу через 10 років через зростання попиту на ШІ. Але лишаються й стають сильними аналітиками ті, у кого є одна ключова риса. Я називаю її майндсет дослідника.❔Що це такеКоли в роботі чи в житті ви стикаєтесь із будь-якою інформацією, і вам автоматично хочеться розібратися. Не просто прийняти факт, а зрозуміти:🤍чому саме так сталося🤍що могло вплинути🤍які тут приховані зв’язки🤍чи є інше пояснення,Тобто ваш мозок любить будувати причинно-наслідкові ланцюжки та шукати відповіді. Це і є майндсет дослідника.❔Як це проявляється в роботі⚪️Вас не лякає відсутність очевидної відповіді і хаос у даних.Вам хочеться все розкласти по поличках та знайти структуру. ⚪️Ви отримуєте задоволення від процесу «збирання пазлу». Не лише від моменту, де рішення знаходиться, а й від самого шляху: коли перевіряєте гіпотези, виключаєте зайве, стикаєтеся з помилками і поступово складаєте цілісну картину.⚪️Ви ставите питання, які рухають думку далі. Не тільки «що сталося?», а «чому саме це?», «що могло вплинути?», «як це змінює поведінку користувачів?», «чи не приховано тут щось важливіше?». Бо саме ці питання часто приводять до інсайтів, які справді мають значення.❕Але дослідницький майндсет не означає, що в аналітиці немає структури. Вона є — в даті багато процесів, методологій, статистичних підходів тощо.Суть у тому, що вам має подобатись поєднання структурного мислення + дослідницької цікавості. І якщо це ви — велкам у Data Science 🤓
Планували почати вчитись «на новому тижні»? 🤓Тоді ловіть коротку понеділкову добірку відео про Data Science та ML з мого YouTube, які варто подивитись:🤍СКІЛЬКИ РОКІВ РЕАЛЬНО ВЧАТЬСЯ АЙТІШНИКИ— відео про те, як насправді відбувається навчання в IT, чому воно не нескінченне і не таке страшне, як здається.У відео дізнаєтесь:⚪️Скільки часу потрібно на становлення в професії⚪️Чому перші роки — найлегші⚪️Що змінюється після рівня сеньйор⚪️Як ChatGPT вплинув на навчання⚪️Чому фраза «все змінюється щодня» — міф💻 ПЕРЙТИ НА YOUTUBE🤍ЯК ПЕРЕЙТИ В ІТ, НЕ ВТРАЧАЮЧИ ДОХІД — покрокова стратегія для тих, хто хоче увійти в IT без фінансових ризиків.У відео дізнаєтесь:⚪️Як вибрати напрям під свої навички⚪️Самонавчання чи курси: що обрати⚪️Як скласти портфоліо, що працює⚪️Як знайти першу роботу⚪️Лайфхаки, щоб не просісти по доходу⚪️Як використати свій попередній досвід для входу в нову сферу💻 ДО ПЕРЕГЛЯДУ🤍ЯК РОЗВИНУТИ АНАЛІТИЧНЕ МИСЛЕННЯ— пояснення, що таке аналітика в реальному житті й які практики дійсно працюють.У відео дізнаєтесь:⚪️Що таке аналітичне мислення⚪️Чому ігри на логіку на телефоні не працюють⚪️Метод декомпозиції⚪️Техніка «5 Whys»⚪️Як аналізувати побутові дані⚪️3 щоденні вправи для розвитку аналітичних скілів💻 ДИВИТИСЯ ТУТ
Після етеру про ML я вирішила відповісти на декілька популярних питань текстово тут.Поїхали 👇❔Чи можна не вчити Python і просто делегувати весь код ChatGPT?Можна спробувати, але це не працює для складних речей.Якщо ви будуєте серйозний продукт, мовна модель рано чи пізно зламається на якомусь етапі, і без базових навичок програмування ви просто не зможете довести проєкт до кінця.Так, є інструменти, де можна зібрати базові моделі без коду — навіть у тому ж Excel. І якщо ви product / project-менеджер, який хоче швидко перевірити гіпотезу, то ChatGPT / Claude повністю вистачить.Але якщо ваша ціль — це бути професіональним ML-інженером або дата-саєнтистом, без коду ніяк. P.S. На інтерв’ю все одно буде етап, де треба писати код самостійно 🤓 ❔ Які типові помилки допускають новачки під час навчання ML⚪️Занадто довго «мучать» Python або математикуМісяцями сидять на теорії і бояться перейти до задач. А краще одразу брати дані⚪️хоч той самий Titanic для тренування⚪️і робити задачі. Ви швидше зрозумієте, навіщо взагалі потрібен кожен алгоритм.⚪️ Навчання без плануБез структури дуже легко злитися посередині. ML — об’ємна сфера: таблиці, тексти, time series, зображення. Потрібна послідовність.😊 Добре працює: навчатися в групі, мати ментора, мати чіткий roadmap з проєктами.У моєму курсі «ML для людей» ми за 8 місяців робимо більше 23 практичних задач, готуємо портфоліо й резюме — і саме це дозволяє дійти до кінця, а не потонути в теорії.❔ Чому важлива практика, а не просто знання про алгоритмиТому що ML — це про вміння розв’язати задачу від А до Я:підготувати дані, закодувати категорії, опрацювати дисбаланс класів, правильно розбити вибірку, обрати метрики.Це неможливо освоїти, просто читаючи про алгоритми — тільки практика дає відчуття контролю.❔ Наскільки перспективний ML як напрямДуже. Сьогодні вакансії з ML — це не тільки Data Scientist чи ML Engineer. Це й AI Engineer, і project-менеджери, які працюють у AI-проєктах.ML-компетенція відкриває доступ до високих зарплат.Найвищі офери, які я бачила по Україні — $12 000-15 000. Найбільше заробляють Computer Vision Engineers, які відносяться до Data Science 😎Якщо відчуваєте, що готові — залишаю посилання на сайт з програмою курсу по ML. Ще є шанс долучитися до цього потоку, тож не зволікайте 💗
TGLIST.COM.UA
