1

Этап 1

Изучение Python

Дата начала: 12 марта

2

Этап 2

Повторение Теории вероятности и статистики

Дата начала: 20 июля

3

Этап 3

Короткие курсы на Kaggle

4

Этап 4

Поучавствовать в соревнования на kaggle?

5

Этап 5

Резюме и поиск работы

6

Этап 6

другие этапы (составить план)

1

Этап 1

Изучение Python

Дата начала: 12 марта

2

Этап 2

Повторение Теории вероятности и статистики

Дата начала: 20 июля

3

Этап 3

Короткие курсы на Kaggle

4

Этап 4

Поучавствовать в соревнования на kaggle?

5

Этап 5

Резюме и поиск работы

6

Этап 6

другие этапы (составить план)

29 июня 2020 01 декабря 2020
Цель просрочена на 1486 дней

Цель заброшена

Автор не отписывался в цели 4 года 1 месяц 20 дней

Карьера и работа

Переход в ML (Machine Learning)

Еще в универские времена увлекался машинным обучением и всем вот этим. Но тогда это было больше дурачество, чем серьезные попытки что-то освоить. Хотя я даже диплом на эту тему в итоге писал.

Потом начал искать работу, и там было уже не до переборов: когда у тебя нет "опыта работы", то найти ее почти невозможно. Потому я выбрал наиболее простой для себя вариант: web dev на .net стеке. Время шло, а я все больше разочаровывался в своей профессии: задачи были скучными и рутинными. Совсем не так я себе это представлял.

И вот у меня уже 3 года опыта, я получаю хорошую зарплату. Казалось бы: живи и радуйся. Но когда я на секунду думаю, что мне придется заниматься таким следующие 10, 15, 25 лет - мне становиться не по себе.

А что если я потрачу кучу времени на переобучение, а новая профессия окажеться такой же скучной и рутинной?
Я не знаю ответа на этот вопрос, и не смогу узнать пока не попробую. Но я считаю что лучше жалеть о том, что сделал, чем о том, что не сделал.

 Критерий завершения

Я нашел работу по специальности ML

  1. Короткие курсы на Kaggle

    Не все их этих курсов мне нужны, но какие именно нужны будем разбираться по ходу изучения. Начать планирую с Python, Pandas & Intro to ML. Дальше будет понятно, куда двигаться.

    1. Python

    2. Pandas

    3. Intro to ML

    4. Intermediate ML

    5. Data Visualization

    6. Intro to Deep Learning

    7. Intro to SQL

    8. Advanced SQL

    9. Data Cleaning

    10. Geospatial Analysis

    11. ML Explainability

    12. Microchallenges

    13. Feature Engineering

    14. Computer Vision

  2. Поучавствовать в соревнования на kaggle?

    Большинство работодателей пишет "желательны примеры работы". А соревнования и коры на кагле будут прекрасным "примером работы" и могут помочь в будующем.

  3. Резюме и поиск работы

    1. Оформить резюме отдельным файлом

    2. Поменять описание и навыки в LinkedIn, чтоб они соответствовали новой специальности

    3. Заригестрироваться в djinni и подобных сервисах

    4. ????

    5. Profit!

  4. другие этапы (составить план)

  • 1541
  • 29 июня 2020, 10:37

Цель состоит в группе

Карьера

  • 3506

    участников
  • 4545

    целей

Дневник цели

127день
ForceEngien2 нояб. 2020, 14:51

Сегодня закончилась

19 неделя

Из целей, что я поставил на прошлую неделю я закончил курс на Pandas и начал (но не закончил) курс Intro to ML. Самое главное - сделать резюме и изменить данные в профиле LinkedIn - я даже не взялся. Что-ж, это будет первый из пунктов на эту неделю.

Планы на текующую неделю:

  • Создать резюме по новому профилю
  • Обновить профиль в Linked In по новому профилю
  • закончить курс Intro to ML на kaggle
  • начать и закончить курс Data Cleaning на kaggle
  • начать и закончить курс Data Visualization на kaggle
  • начать курс Intermediate ML на kaggle
122день
ForceEngien28 окт. 2020, 14:47

В этот понедельник закончилась

18 неделя

  • За это время я успел выучить Python (что было относительно просто, он похож на мой предыдущий ЯП)
  • Повторить (а местами выучит заново) теорию вероятности
  • Шапочно познакомиться с специализированными библиотеками для работы и визуализации ML в Python-e (но нужно освоить на хорошем уровне, это впереди

План на эту неделю:

  • Создать резюме по новому профилю
  • Обновить профиль в Linked In по новому профилю
  • Зкончить разбираться с библиотекой Pandas по курсу на kaggle
  • Начать и закончить короткий курс Intro to Machine Learning на kaggle
74день
ForceEngien10 сент. 2020, 07:36

Нда, ну вот и просрочилась эта цель. Прошло уже 3 месяца, а результат пока не особо осязаемый. Продлю цель еще на месяц, хотя трудно сказать что за месяц я смогу ее достичь полностью.

Но через месяц будет виднее

Загрузить 2 комментария
ForceEngien13.09.2020

Проблема в том, что тут сложно составить четкий план. Я лишь примерно понимаю, что мне понадобиться в дальшейшем. Плюс, желательно выбрать некую спецализацию в ML, и от этого будет зависеть план.

Вообще, меня очень сильно демотивировал объем математики, которую я когда-то знал, но теперь приходится заново учить почти с ноля. Как представлю, сколько времени можно было бы сэкономить, если бы я просто не забрасывал эти навыки или продолжил заниматься всем это еще в универе...

73день
ForceEngien9 сент. 2020, 08:24

На прошлой неделе в курсе на coursera внезапно открылась возможность проходить тесты между видео. Раньше я мог решить тест, но не мог отослать его на проверку.

Я начал отсылать на проверку все те решения, что насобирал за это время. Чтож, оказалось, что по большей части я ошибался, и пришлось возврващаться и все перепроходить. Это сильно замедлило мой прогрессс, но в любом случае повторение - это не что-то плохое.

73день
ForceEngien9 сент. 2020, 08:20

Одинадцатая неделя прошла


Я приближаюсь к своему первоначальному дедлайну в 3 месяца. Однако, мой прогресс сильно отстает от намеченного в самом начале. Он не стоит на месте, но продвигается и близко не так быстро, как хотелось бы.

59день
ForceEngien26 авг. 2020, 12:34

Девятая неделя прошла.

Блин, третий месяц начался. Но последние 2 недели (то есть пол месяца) я почти ничего не делал. Не заостряя внимания на причинах - это плохо. Но надеюсь, что с этой недели я вернусь в колею и продолжу в ускоренном темпе. Потому как я планировал, что процесс займет ~3 месяца, но половину этих двух месяцев я не занимался делом. А так процесс может неприлично растянуться. Но запас денег ограниченный, так что нужно действовать

37день
ForceEngien4 авг. 2020, 11:22

Шестая неделя прошла.

На прошлой неделе забыл отписаться, но прогресс уже куда приличней. Каждый будний день (за парой исключений) эти две недели я был доволен собой, и продвигаюсь неплохо.

Нашел еще один (более подробный и интересный) курс по мат. статистике для ML, и прохожу пока его. Первый же курс пока приостановил, вернусь к нему когда разберусь с этим, и закончу его для закрепления материала.

По Python я нашел адаптивный цикл задач на Stepic и решаю по несколько задач в день для поддержания уровня. Ключевой момент - смотреть чужие решения и пытаться подсмотреть разные интересные реализации. Уже узнал про некоторые удобные штуки, про которые не было в курсе Python.

В целом темп хороший, главное его не сбавлять. Ну и не перестать "за деревьями видеть лес". Очень легко сосредоточиться на математике, забыв зачем она мне изначально была нужна

Комментарии

Сергей04.08.2020

Поделюсь своим опытом. В 2016-ом году я решил вернуться в IT после долгого перерыва (несколько лет). До этого был опыт в web. После разговора с другом, решил, что буду изучать ML тематику. Я прошел курс от Яндекса на курсере и курс Andrew Ng "Machine Learning". После этого поучаствовал в паре сореванований на Kaggle и пошел искать работы. После 20 собеседований, нашел работу в Москве. Весь процесс от начала обучения до нахождения работы занял примерно 6 месяцев. Было очень тяжело, но все получилось, потому что очень хотел и заканчивались деньги :)

Подводные камни с ML, которые я вижу с сегодняшней позиции:

1. Нужно четко понимать, что есть куча разных специализаций -- Data Scientist, Research Engineer, ML Engineer, и т.п. Если нет глубокого фундамента в математикe, то лучше целить в ML Engineer. По сути, это инженер разработчик, который понимает ML и умеет довести идею до продакшн уровня. Для сравнения, data scientist все-таки больше занимается анализом данных, экспериментами, взаимодействием в бизнес-командой, а не реальным кодингом.

2. ML сфера очень сильно изменилась за последние годы. По крайней мере, я так вижу из США, где я сейчас живу и работаю. Тренд идет на то, что вещи, которые еще недавно были очень сложными, становятся доступными и простыми. Достаточно посмотреть на Google Cloud и Amazon Web Services, чтобы увидеть какое количество крутых ML сервисов стало доступно простой публике. И это то, что реально можно использовать в продакшн системах, а не просто локально на своем ноутбуке. Мораль в том, что лучше уметь круто кодить и хорошо понимать основные ML принципы, чем лезть глубоко в математику или теорию вероятностей. Шансы на успех будут выше. Это мое скромное мнение.

3. Нужно заранее готовиться к поиску работы. Самый простой вариант -- внутренний переход на новую должность в своей компании. Если такого варианта нет, то я бы рекомендовал пройти какой-нибудь курс по ML и сразу идти собеседоваться куда-нибудь, чтобы понять, к каким вопросам готовиться и чего вообще хотят работодатели.

Желаю удачи! Пусть все получится.

ForceEngien04.08.2020

Сергей, спасибо большое за информацию! Я как раз пытался найти среди знакомых людей, что уже работают в индустрии.

Про различия в специализациях знаю, и собираюсь метить именно в ML Engineer. Хотяб для того, чтоб мой предыдущий опыт программирования мне больше помогал. Потом видно будет.

Самую большую проблему вижу в том, что у меня в Украине продкутовых компаний очень мало, а ML на аутсорс врядли часто отдают. Так что вакансий не то чтоб много, по сравнению с той же Москвой/заграницей. Но без опыта в ML меня врядли сразу возьмут на удаленную работу заграницу. Так что самым сложным (как всегда) будет начать хоть где-то

Тоже изучаю ML только курс прохожу на на курсере от Кембриджа, он на англ, но очень классный. ML - это всего лишь 10% программирования остальное это чистая математика, ты думал почему питон такой простой и именно его везде форсят в больших данных? Потому что он сделан для математиков, которые хотят быстро выразить свою математическую модель и использовать вычислительную компьютерную мощь, быстро и не вникая в подробности работы компьютера. Советую тебе друг, посмотреть на себя со стороны жёсткого критика, и ответить себе на вопрос нравится ли тебе математика или нет?...

ForceEngien20.07.2020

Лол, я думал жесткие математики вообще придумывают себе отдельные языки для специализированных задач вроде R или того же Mathematica.

Да, знаю что ML это не столько про программирование, сколько про математику. Я занимался этим немного в универе, но потом как-то не до того стало. Сейчас вот кряхчу, стараюсь воскресить свои знания по математическим дисциплинам.

В любом случае спасибо за поддержку

Eugene20.07.2020

Цель просто класс, сам в подобной ситуации нахожусь прямо сейчас, очень хочется перейти из бэкэнда поближе к данным)

ForceEngien20.07.2020

Хах, классика. Фронтендеры мечтают перейти в бекенд, бекенд мечтает перейти в ML. Как говорит один мой знакомый - осталось узнать, куда хотят перейти ML-щики.

Вы тоже можете
опубликовать свою
цель здесь

Мы поможем вам ее достичь!

309 000

единомышленников

инструменты

для увлекательного достижения

Присоединиться
Регистрация

Регистрация

Уже зарегистрированы?
Быстрая регистрация через соцсети
Вход на сайт

Входите.
Открыто.

Еще не зарегистрированы?
 
Войти через соцсети
Забыли пароль?
Maksim Malikov
fl4k
Grand
resignedangel
shonty
Кэрол
Айдар
Andreйка
Tirru
Vi Sparks
Farfique
Smart5172
Кэрол
Айдар
Io77
Andreйка
Smart5172
Кэрол
Io77
Andreйка
Qwerty
Vi Sparks
Кэрол
Айдар
Lidiia Glu
Io77
Andreйка
Кэрол
Айдар
Io77
Andreйка
Leda Gerda
shonty
Кэрол
Andreйка
Tirru
Qwerty
resignedangel
Кэрол
Айдар
Tirru
Алена
ForceEngien
Tatiana
ForceEngien
ForceEngien