Привет! Меня зовут Алия Бисенгалиева. После университета я работала аналитиком в пенсионном фонде, но в один момент решила всё изменить — прошла курсы «Python-разработчик плюс» и «Специалист по Data Science» в Практикуме, поработала в исследовательской компании Mediascope, а теперь занимаюсь данными в авиации на позиции мидл-дата-сайентиста. Я расскажу, как нашла первую работу и как помогаю новичкам, которые решили пройти по тому же пути, что и я.

Работа в госфонде: аналитика, но совсем не IT

Я окончила экономический факультет в Оренбурге, училась на отделении финансов и кредитов. Хорошо знала банковское дело, бухгалтерский учёт. После университета вышла на должность аналитика в государственном пенсионном фонде.

С IT соприкосновений было мало — разве что работала с SQL, «тянула» информацию из витрин юридических и физических лиц из хранилища данных. С отделом разработчиков мы почти не пересекались.

После переезда в Москву я устроилась в частный пенсионный фонд и там впервые плотно столкнулась с разработчиками. Нам нужно было реализовать функцию корректировки страховых данных, которая уже была доступна в госфонде, — и я помогла внедрить её в наше ПО. Я общалась с программистами, видела, как они строят план работы, как взаимодействуют друг с другом. Подумала, что это здорово! Это был первый звоночек.

Почему Python — и почему Data Science

Во время ковида мы ушли на удалёнку. Когда пандемия закончилась, нас попросили выйти в офис. Мне это не подходило из-за семейных обстоятельств, и я написала заявление на увольнение. Тогда же ко мне пришло осознание, что пора как минимум повышать квалификацию, а лучше — повернуть жизнь вспять и всё кардинально изменить.

Сначала я искала подходящий курс по проджект-менеджменту. Пока выбирала, стала замечать всё чаще мелькающую рекламу IT-курсов и решила переключиться на них. Например, посмотрела программы по аналитике данных. Быстро поняла, что в принципе всё уже знаю. Не интересно.

В один момент мой взгляд пал на Data Science. Стандартный стек дата-сайентиста показался тяжёлым. В частности меня пугал Python. После ресёрча поняла, что этот язык вообще много где требуется — поэтому решила сконцентрироваться на нём и поступила на курс по Python.

Спустя пять месяцев подумала, что мой багаж знаний по SQL и аналитике должен сыграть мне на руку — и всё-таки пошла на «Специалист по Data Science». Мне понравилось, что там тоже SQL, тоже данные, но ещё есть и машинное обучение. Тем более в Python я уже ориентировалась.

Перед глазами вставала завораживающая картинка, что машинное обучение будет развиваться, а я буду в авангарде этого направления

Так я стала параллельно учиться на двух курсах.

Как учиться, если ты мама, и зачем видеться с одногруппниками вживую

Время было тяжёлое, очень. Когда приступила к первому курсу, мне кажется, даже муж в меня не верил. Python был для меня чем-то совершенно новым, я часто думала, может отступить, и не идти дальше? Такое бывает у многих студентов. Я заметила, что кто-то сдавался и уходил после второго или третьего спринта — так называются блоки обучения длиной две–четыре недели, посвящённые какой-то теме.

Во многом для таких студентов я создала телеграм-канал Pythonsha. Вести блог мне посоветовал муж — сказал, что я, как и многие, оказалась на перепутье в возрасте за 30. А когда люди решаются уйти с привычной работы в новую сферу, им поможет информация от того, кто уже идёт по этому пути. Поэтому я описывала всё максимально подробно: спринты, темы, задания. Потом стала немного лениться, но продолжаю рассказывать о важных новостях.

Когда у меня начался курс по Data Science, стало ещё тяжелее. Утром я отводила сына в школу и садилась заниматься примерно с девяти утра. В пять часов вечера уходила за дочкой в садик — сын уже приходил из школы, муж с работы. Я быстро всех кормила, укладывала — и снова за учёбу. Когда были сложные темы, например, по алгоритмам, могла сидеть до часу–двух ночи.

Работы у меня в этот момент не было, но зато училась я даже на выходных. Прямо как настоящие разработчики, которые вечно что-то кодят. К счастью, я по натуре усидчива и упорна, и это, конечно, мне очень помогло.

Помогала и атмосфера в группе. Мы были тесно связаны, всегда общались, помогали друг другу с заданиями. На курсе по Python я была старостой — это человек в группе, который выполняет роль представителя студентов перед преподавателями и кураторами. Я помогала решать организационные моменты, консультировала одногруппников по заданиям, если сама знала, как их решить. Также я начала устраивать офлайн-встречи. Просто спросила, кто в Москве, и предложила встретиться, попить кофе и обсудить проекты. На первой встрече было шесть человек.

Потом я провернула то же самое на курсе по Data Science — там отдача была даже активнее. Мы встречаемся до сих пор. Забегу вперёд: сейчас я оканчиваю курс по инженерии данных в МГТУ им. Баумана — и мы видимся все вместе: дата-инженеры из Бауманки и дата-сайентисты из Практикума.

Это общение в среде единомышленников — здорово встретиться, обсудить работу или учебу и посмеяться на темы, которые не понимают люди вне профессии. А ещё мы помогаем друг другу. Кто уже устроился, рассказывают о тестовых и собеседованиях отстающим, дают советы. Например, я порекомендовала всем пройти акселерацию — необязательный этап обучения, на котором студенты ищут работу вместе со специалистами Практикума. Не помню, какие сейчас у кого результаты, но мне помогла именно акселерация, и я решила поделиться.

Поиск работы: 700 откликов за месяц и первый оффер

На акселерации нам нужно было отправлять от 10 откликов на вакансии в неделю. Я отправляла столько же в день. Долгое время ответов не было. Потом я изменила резюме и подход к первому контакту с HR-менеджерами в целом. Например, начала писать сопроводительные письма под каждую вакансию, исходя из требований и задач, которые должен решать кандидат. 

После изменений моё резюме стали смотреть, а HR-менеджеры начали звонить. В первое время я терялась. Малейшая заминка — и вот, рекрутер делает вывод, что ты чего-то не знаешь, и не перезванивает. Всего я отправила около 700 откликов, получила 24 приглашения на собеседования и 161 отказ. Остальное — игнор.

Отклики я отправляла сразу по двум направлениям: и по Python-разработке, и по Data Science. Отдачи было больше по второму. С начала поиска до первого оффера прошел месяц, и это совпало с окончанием обучения. 20 июля я получила второй диплом, а 21 — оффер.

Как я устроилась в Mediascope — и почему ушла после испытательного срока

Я вышла на трёхмесячный испытательный срок в Mediascope — компанию, которая проводит исследования в медиаиндустрии. Вакансия была партнёрская и была доступна всем выпускникам Практикума, которые проходили курсы, связанные с аналитикой. Поэтому конкуренция была высокая, нужно было хорошо выполнить тестовое.

Мне прислали несколько Excel-таблиц. Я проанализировала охват контента по демографическим категориям и рекламным площадкам, провела геоаналитику. Спустя два дня меня пригласили на встречу с руководителем и командой. Собеседовать меня в «Зуме» пришли шесть человек — со мной такое было впервые!

Задавали вопросы по проектам на GitHub, в частности по компьютерному зрению — сервису для распознавания возраста по фото. Рассказывала, как работала, какие метрики использовала и какие инструменты применяла. На собеседовании мне ничего не сказали, а через неделю перезвонили и предложили выйти на работу.

Спустя два месяца испытательного срока я подумала, что, кажется, это не совсем то, что мне нужно. Я не применяла знания по машинному обучению, не использовала алгоритмы. А я очень хотела развивать именно эти навыки, не растерять полученные знания. Поэтому я продолжила поиск. Проходила собеседования в «Альфа-Банке» и «Билайне». А потом откликнулась в компанию, связанную с авиацией, причём на должность мидл-дата-сайентиста. Сделала тестовое, в котором нужно было провести анализ временных рядов с минимумом данных. Через неделю получила оффер и ушла из Mediascope в последний день испытательного срока.

Зачем я продолжаю учиться после Практикума

Я работаю на новом месте меньше месяца. Начинаю вливаться в новый коллектив, знакомлюсь с базой данных, ПО, внутренней кухней. Попутно оканчиваю курс по инженерии данных в Бауманке. Решила, что мне это нужно, потому что дата-сайентисты работают с готовыми данными, «вытягивая» их, например, с помощью SQL — а я хотела знать, как эти данные появляются, формируются, как создаются хранилища. С этим работают дата-инженеры.

Также прохожу курс «Руководитель отделения искусственного интеллекта» в «МЭО Академии». Хочу выйти на позицию лида, участвовать в планировании проектов и влиять на бизнес-процессы.

Я нашла то, что искала, и буду продолжать развиваться. В будущем думаю сосредоточиться на ещё более тщательном изучении Python, чтобы заниматься глубоким машинным обучением, работать с серверами. Например, освоить асинхронное программирование — мы его затрагивали, но глубоко не погружались.