Говорят, что работа в банке скучна, а стажировка однообразна — сидишь и перебираешь бумажки. Мы с этим не согласны. И, надеемся, с этим не согласны участники SberSeasons — оплачиваемой стажировки для будущих выпускников по техническим и математическим специальностям. Давайте проверим это и немного отвлечем от работы четырех стажеров из разных отделов — серверного программиста, разработчицу моделей рисков, дата-сайентиста и аналитического эксперта.

Никита Батрухин — Java-программирование

— Я мечтал работать серверным программистом класса с седьмого. И не разочаровался. Работа увлекла, и я даже выходные проводил в офисе. Посещал все дополнительные занятия, которые у нас проходили дважды в месяц, — по другим направлениям и темам, например, по Docker.
На стажировку я приехал из Кирова. Сейчас заканчиваю четвертый курс Кировского государственного университета, факультет информатики и вычислительной техники. C трансфером и проживанием мне помог SberSeasons.

После защиты диплома меня ждет моя команда в Сбербанке. Всего нас шестеро, и все друг другу помогают. Если есть желание, можно даже за пару месяцев неплохо прокачать скиллы и открыть много нового. Например, однажды я столкнулся с задачами, для решения которых требовались возможности искусственного интеллекта. В итоге начал изучать машинное обучение, сейчас продолжаю самостоятельно. Приходилось заниматься бигдатой, распределенными вычислениями, освоил Ktop. Но фокус остался на Java-программировании, как я и хотел. Многие критикуют этот язык, но мне он очень близок. Разве не круто контролировать и управлять контентом разработчика с помощью алгоритмов и массы вычресурсов? Еще мне нравится, что в Java не обойтись без общего понимания структур данных. А я эту тему обожаю.

Практика показала, что банковскому Java-программисту нужно хорошо ориентироваться в алгоритмах, базах данных и распределенных вычислениях, понимать системы контроля версий и разбираться в промышленном устройстве репозиториев. Многое я уже знал, но, к примеру, Big Data пришлось осваивать непосредственно на практике. Все это требует постоянного обучения.

Кстати, по этой теме рекомендую книгу Томаса Кормена «Алгоритмы: построение и анализ». Там он очень толково объясняет, как работает хэш, поиск по деревьям и пр. Вообще главное — не зацикливаться на одном информационном ресурсе. Берите разные источники — и все у вас получится.

Наталья Массарская — моделирование рисков

— Я закончила физтех, сейчас изучаю экономику в РЭШ. До этого уже успела пройти месячную практику в другом банке. Такой бэкграунд отлично потянул на стажировку в отделе рисков в бэк-офисе. На SberSeasons я два месяца занималась обработкой данных, создавала модель срочного изъятия депозитов юридических лиц.

Подобными моделями поведения клиентов с точки зрения глобального влияния на бизнес и риски банка занимается весь наш отдел: оцениваем процентные, валютные, риски ликвидности и так далее. Над своим проектом я работала, в основном, в паре с руководителем, но иногда подключались и другие члены команды. Если нет ограничений доступа к коммерческой тайне, стажеры могут работать в проектах наравне с остальными.

В отделе мне понравилось, я хотела бы здесь работать после магистратуры. Пока вернулась к учебе, не хватает времени. Но мне уже пообещали подобрать удобный график part-time, тогда я снова смогу вернуться в команду.

Вообще Сбербанк оказался на удивление гибкой организация. Никакого поминутного контроля со стороны руководства, можно без проблем отпроситься или прийти попозже. Есть, конечно, отличия от небольших компаний, свои сложности, но в целом все порадовало.

Мой наставник считает, что для работы в «Рисках» нужно логическое мышление, знание теории вероятности, статистики, умение строить математические модели и программировать. Лично мне помог стандартный набор hard skills: Excel, Word, знание эконометрики. За два месяца в отделе я освоила много нового – например, научилась составлять запросы в SQL и выгружать данные. Но в «Рисках» важна не только «техническая» часть – математическое образование, знание теории вероятности, статистики, обработка данных. Здесь требуется общее понимание экономики и банковского бизнеса в целом. Нужно пополнять теоретическую базу, больше читать. Конкретно по рискам я бы посоветовала для начала «Опционы, фьючерсы и другие производные финансовые инструменты» Джона К. Халла.

Дмитрий Руденко — анализ данных

— Я сейчас на четвертом курсе ВМК МГУ, учусь на дополнительной программе по анализу данных. О SberSeasons услышал на лекции, решил попробовать себя в этой сфере. Заполнил анкету, прошел тесты. Последнее собеседование было с моим руководителем. Он ввел меня в курс, рассказал, чем предстоит заниматься в отделе прикладных данных.

График в отделе гибкий, в коллективе атмосфера без лишних формальностей. Нашей основной задачей была идентификация клиентов по транзакциям. Над этим проектом трудились еще три стажера. Мы вместе пытались выявить признаки, на основе которых искусственный интеллект мог бы выдавать наиболее качественные данные. Параллельно осваивали новые методы и инструменты, которыми пользуются профессионалы. В основном, работали самостоятельно: сами намечали себе цели, ставили задачи. Кураторы отвечали на вопросы, помогали советами.
Аналитика данных несколько отличается от других сфер IT. Моя специальность не столько программирование, сколько аналитика: гораздо больше времени уходит на размышления, чем на написание кода. Если вы настроены на работу в центре прикладных данных, вам придется заниматься конструированием признаков, подготовкой агрегирования данных, оценкой качества моделей и программированием. Обязательно нужно уметь писать скрипты, которые обрабатывают данные. Из софт-скиллов — упорство, терпение, немного остроумия, а также умение видеть то, что действительно есть. А не то, что хочется увидеть.

За два месяца стажировки я хорошо освоил SQL-подобные базы данных – закрепил теоретические знания на практике. Еще получил неплохие житейские знания: убедился, что все нужно тщательно проверять и нельзя верить первому впечатлению. Сейчас я работаю в том же отделе part-time, совмещаю с учебой. Но уже занимаюсь другими задачами.

Валерий Сопин — аналитика

— SberSeasons — это уже моя вторая стажировка. Сейчас интересуюсь аналитикой, захотел попрактиковаться в машинном обучении в сфере финансов. Сбербанк привлек большими объемами информации, средств и ресурсов, а также тем, что в банке еще не слишком развито машинное обучение и есть над чем поработать.

Так я оказался в отделе аналитической экспертизы. Нас было 8 человек, все работали над использованием машинного обучения для определения мошеннических транзакций. Выносили на обсуждение какую-то проблему, вместе придумывали решение, проверяли, работали над внедрением. У меня было два руководителя, очень толковые специалисты. При постановке задач всегда учитывали мой математический бэкграунд.

Помимо математического образования для работы в этой сфере нужна минимальная алгоритмическая подготовка: алгоритмы на графах, обычные алгоритмы, параллельное программирование, статистика и теория вероятности; знание Python, Scale, Hadoop. У меня был опыт работы с машинным обучением — небольшой, но этого оказалось достаточно.

Когда я стажировался в другой компании, то пытался понять, подходит ли мне программирование или нет. Оказалось, что нет – программирование скорее техническая вещь, а не творческая или исследовательская. А работа аналитика — придумать, решить, что и как можно сделать. Нужно изучать опыт коллег, комбинировать разные подходы, создавать что-то свое. Это мне подходит больше.

На SberSeasons я узнал не только об особенностях работы отдела аналитической экспертизы. Нам подробно рассказывали о работе других подразделений, о структуре компании. У нас был доступ к виртуальной библиотеке, на лекциях и тренингах нас пытались заинтересовать руководители других отделов. И это правильно: нужно немного разбираться во всем, чтобы выбрать самое подходящее.

Больше о стажировке можно узнать здесь