Школа анализа данных выпускники

Обновлено: 04.07.2024

Вячеслав Алипов . Выпускник 2014 года магистратуры Базовой кафедры Яндекса отделения прикладной математики и информатики, работает в Яндексе на позиции старшего исследователя-разработчика в направлении рекламных технологий.

В 2014 году команда НИУ ВШЭ в составе студентов магистратуры Вячеслава Алипова, Михаила Колупаева и Александра Куприна завоевала бронзовые медали командного чемпионата мира по программированию ACM ICPC 2014.

Вячеслав рассказывает о том, зачем заниматься олимпиадным программированием, как попасть в финал ACM ICPC и какие возможности это открывает в будущем, а также об учебе в магистратуре Вышки и ШАД.

- Ты закончил бакалавриат по прикладной математике и информатике в Томском политехническом университете. Как пришло решение поступать в совместную магистратуру Вышки с ШАД?

- Я понимал, что хочу заниматься чем-то связанным с информационными технологиями, искусственным интеллектом. Когда я выбирал магистерскую программу, то узнал про совместную программу Вышки с Яндексом, это звучало многообещающе. Список курсов и преподавательский состав в ШАД меня сразу подкупили. Я написал олимпиаду для выпускников вузов, выиграл ее и так поступил.

- Оправдались твои ожидания от магистерской программы?

- Да, полностью. Я был жаден до знаний, поэтому сразу записался на много дополнительных курсов, которые предлагались в Вышке. Например, я посещал курс В.А. Гордина по дополнительным главам дифференциальных уравнений. На этот курс ходили только я и мой коллега по команде Миша Колупаев. По словам Гордина, мы были очень хорошей аудиторией – все слушали и во всем разбирались, поэтому он успел дать нам очень много материала. Еще запомнился факультатив по математической статистике И.И Цитовича. Мне импонировал его подход: формализовать понятия из обыденной жизни с помощью мат. статистики, попытаться понять, что происходит в экономике или политике, проводя аналогии с многомерными пространствами и многомерными распределениями. Но основные мои воспоминания о магистратуре, конечно же, связаны с ШАД. По-моему, самые полезные знания я получил именно там.

- Чем тебе запомнилась Школа анализа данных?

- Начну с того, что в ШАД мы с коллегой по команде Мишей Колупаевым сдали рекордное число курсов: я сдал 19, а Миша 20. До этого прошлый рекорд был 18. Видя расписание на очередной семестр в ШАД, я чувствовал себя, как ребенок в кондитерской: я не знал, какие предметы выбрать, и было очень жалко, что некоторые из них шли параллельно.

Отличительная особенность курсов ШАД заключается в том, что какими бы теоретическими они ни казались в начале, ты быстро начинаешь понимать, как эту, даже самую глубокую, теорию применить на практике. Такой подход очень контрастирует с университетским образованием. В ШАД у тебя часто есть ответ на вопросы почему и зачем, и, соответственно, появляется мотивация на самостоятельное углубленное изучение. При этом преподаватели предоставляют необходимую эрудицию и грамотность в изучаемой области, которой хватает, чтобы дальше спокойно и уверенно разобраться в дополнительном материале самому.

Вообще, эта вера преподавателей в силы шадовцев так подкупает, что ты стараешься оправдать это доверие и решить даже самые сложные задачи. Несомненно, выпускники ШАД очень многое делают своими руками такого, что действительно работает и может пригодиться в профессиональной деятельности. Но главное, они получают знание о том, что способны на большее, чем им может казаться после выпуска из вуза, когда все, что они имеют, – это гора неструктурированных знаний, и связь с практикой почти не прослеживается. Эту связь сложно нащупать без мудрого руководства, которое ШАД и дает своим студентам.

- Когда ты начал заниматься олимпиадным программированием?

- По общепринятым меркам я начал заниматься очень поздно – на первом курсе бакалавриата. И начал я с сокрушительных поражений. Но мне сразу понравилось то, что от успешного олимпиадного программиста требуются разносторонние знания. Нужно знать алгоритмы, теорию сложности, разбираться в устройстве компьютера. Требуются знания в разных областях математики: геометрии, дискретной математике, теории графов, комбинаторике, теории вероятности. В олимпиадном программировании можно находить свои слабые места, работать над ними, развиваться и явно видеть результат. Наверное, именно за это люди ценят любой спорт, в том числе, и олимпиады. На втором курсе я уже был в первой команде вуза по программированию. Тогда же я начал вести для студентов своего вуза кружок по подготовке к олимпиадам по программированию. Оказалось, одна из самых сложных задач подготовки олимпиадника – найти правильные слова для мотивации, объяснить, зачем человеку тратить значительную часть своей жизни и свободного времени на решение каких-то задач, заучивание алгоритмов и теорем. Однозначного подхода тут нет. Кого-то мотивирует соревновательный дух, и сильный соперник подстегивает больше тренироваться. А бывают умные, способные люди, которых угнетает, если все время есть кто-то впереди. Одного студента полезно сразу напугать сложными задачами и большим объемом работы, а другому лучше дозированно давать нагрузку, потому что он может испугаться и убежать или залениться.

- Что мотивировало тебя на тренировки?

- Вначале меня мотивировали сильные соперники, хотелось скорее выйти на уровень, когда получается хоть что-то, потом все лучше и лучше. Но олимпиадное программирование – это довольно низкодисперсионный вид спорта, то есть обогнать фаворитов очень сложно, результаты выступлений обычно стабильны. У нашей команды были достижения. Мы стабильно брали дипломы на полуфинале. На одной из Открытых Всесибирских олимпиад по программированию им. И.В. Потосина мы стали чемпионами Сибири, впервые для команд не из НГУ. Но медали чемпионата мира по программированию ACM ICPC по-прежнему казались далеко. К концу бакалавриата на меня стало давить то, что времени на тренировки я тратил очень много, но ничего значительного достичь не получалось. И все тяжелее было заставлять себя вкладывать свое время в деятельность, которая не приносила желаемого результата.

- Как в итоге получилось, что ты попал в команду, с которой получил медали на финале чемпионата мира?

- С Мишей Колупаевым, мы уже были знакомы: он учился в Томском государственном университете, и в бакалавриате команды наших вузов были соперниками. Саша Куприн заканчивал специалитет в Орле. Уже поступая в Вышку, Миша и Саша рассчитывали на выход команды в финал от нашего университета. Увидев меня в числе поступивших, они позвали меня в команду. Я не мог упустить еще один шанс побороться за финал. Наша команда тренировалась самостоятельно, без тренера. Миша был нашим капитаном, и во многом достижения нашей команды – это результат именно его усилий и нечеловеческой самоотдачи. Так много, как Миша, не тренировался никто.

Перед полуфиналом и потом перед финалом мы брали отпуск за свой счет на две недели и каждый день решали задачи. Мы работали на результат. Вели лог, где записывали, кто во сколько сел за компьютер и что начал писать. Потом анализировали, сколько времени на что потратили. Кроме того, мы писали контесты-индикаторы, пробуя предсказать наши шансы пройти на финал.

У Миши и Саши оставалось по одной попытке выйти на финал, а учиться в магистратуре нам предстояло два года. Поэтому мы решили ехать только на второй год, а первый год посвятить тренировкам. На все вопросы мы отшучивались, что в первый год на финал не поедем, потому что он будет проходить в Санкт-Петербурге. Обычно финал ACM ICPC проходит за границей, и для студентов это всегда хорошая возможность съездить посмотреть какую-то страну. Так вот финал следующего года должен был проходить на Гавайях. Позже правда выяснилось, что тот финал, в котором мы будем участвовать, пройдет в Екатеринбурге, и все наши шутки нам припомнили.

- Как вы вышли в финал?

- Мы почти выиграли полуфинал: 7 команд решили одинаковое количество задач, и любая команда, которая сдала бы еще одну задачу, становилась победителем и чемпионом России (полуфинал был совмещен с чемпионатом). Но мы не поверили в решение еще одной задачи, решив, что оно не может быть таким простым. А на разборе оказалось, что именно таким и было правильное решение. Итак, мы получили диплом первой степени полуфинала чемпионата мира по программированию, заняв 7-ое место по всему Северо-Восточному региону. Это указывало на то, что на финале у нас хорошие шансы на медали.

Однако, неудовлетворенность результатом все-таки ощущалась. Я думаю, это чувство неудовлетворенности собой на протяжении олимпиадной карьеры преследует многих олимпиадников. Без этого чувства замедляется саморазвитие, потому что если тебе достаточно незначительных результатов, то нет мотивации добиваться большего.

- Чем запомнился финал?

В итоге, на финале ACM ICPC 2014 мы заняли 10 место, получив бронзовые медали.

- Чем твои коллеги по команде занимаются сейчас?

- Миша Колупаев работает в лондонском офисе Facebook. Саша Куприн работает во Вконтакте в Санкт-Петербурге.

- Как началась твоя карьера?

- Трудно было совмещать работу с учебой в магистратуре?

- Какими задачами ты занимался в Яндексе?

Через год работы я сменил отдел. На тот момент я уже был погружен в академическую среду, и мне хотелось больше наукоемких исследовательских задач. Я перешел в исследовательскую службу рекламы, где стал заниматься предсказанием кликов на поиске с помощью аппарата графических моделей. Но эта деятельность оказалась дальше от практики, чем мне хотелось. Поэтому со временем я перешел в группу создателя Матрикснета, где сейчас и работаю.

- С чем связаны задачи этой группы?

- В моей текущей деятельности я стал гораздо ближе к тому балансу между написанием C++ кода и машинным обучением, которого мне недоставало. Особенность моей группы заключается в том, что выдвигаемые гипотезы и перспективные модели необходимо проверять на больших данных или в режиме онлайн на поступающих запросах с поиска.

Поэтому, с одной стороны, сразу требуется писать технически сложный код, думать об эффективной организации вычислений, многопоточности и распределенности. С другой стороны, реализовывать возникающие идеи нужно очень быстро, потому что через месяц твое исследование может оказаться уже никому не нужным. Приходится соблюдать баланс между скоростью реализации и продуманностью архитектуры, ведь если идея окажется удачной, то будет очень кстати, если примерно в этом же виде ее можно будет и внедрить.

Сейчас мои задачи связаны с запуском нового аукциона VCG в Яндекс.Директе, релиз которого состоялся в конце августа. Это очень ответственная задача, поскольку внедрение нового аукциона влечет за собой одни из самых больших изменений за всю историю Яндекс.Директа.

- Тебе интересно работать в этом проекте?

Очень часто в промышленной разработке многие задачи связаны с поддержкой существующей инфраструктуры. Нельзя просто так отказаться от каких-то архитектурных решений, какими бы неудачными они ни были, потому что такие изменения сопряжены с человеко-годами разработки, и не факт, что они быстро окупятся. Поэтому разработчик вынужден действовать в рамках существующей инфраструктуры, legacy-кода. Но когда ты участвуешь в создании чего-то нового, это тот редкий момент, когда можно заложить много удачных, на твой взгляд, решений, находясь у основания. Здесь есть большой простор для творчества.

С другой стороны, когда ты только врываешься в какую-то область, в ней есть очень много низко висящих фруктов. Много несложных, но важных задач, которые просто нужно сделать хорошо. Но потом снова начнется борьба за доли процентов и четвертые знаки после запятой.

- Что можешь сказать об атмосфере в Яндексе?

- Мне очень нравится команда, в которой я оказался. На мой взгляд, я работаю с одними из самых высококвалифицированных специалистов в индустрии. Другую команду с подобным уровнем экспертизы в машинном обучении и Computer Science найти было бы сложно.

Самое лучшее в Яндексе – это как раз люди и атмосфера. Со мной работает много молодых, увлеченных людей, которые способны видеть картину целиком, находить свою нишу в большом проекте, ставить себе цели и работать на результат. В Яндексе ты хорошо чувствуешь свой вклад в общее дело, часто оказываешься на передовой. Кроме того, здесь поощряется личная инициатива и желание попробовать оригинальные подходы к решению своих задач. В Яндексе всегда можно найти поддержку и единомышленников, какую бы безумную, на первый взгляд, идею ты ни хотел проверить.

- Как выбрать свой путь после окончания вуза?

- Когда мы закончили вуз, перед нами было открыто довольно много дорог. Я до сих пор не знаю правильного ответа на вопрос, чем надо руководствоваться, чтобы сделать правильный выбор. Видимо, нужно много чего пробовать и, пока молод, рисковать.

Но во всем океане возможностей ШАД – это абсолютно точно правильный выбор, и то решение, о котором не пожалеешь.

- Почему стоит заниматься олимпиадным программированием?

- Есть мнение, что единственный плюс олимпиадного программирования – это медаль чемпионата мира по программированию. Если она у тебя есть, то в крупных IT-компаниях твое резюме рассматривают с гораздо большей вероятностью.

Я с этим не совсем согласен, и считаю, что олимпиадами стоит заниматься, даже если в конечном итоге медаль ты не получишь.

Во-первых, никакая другая деятельность, кроме олимпиадной, не мотивирует тебя так сильно повышать свою эрудицию в Computer Science. Чтобы быть хоть сколько-нибудь успешным, нужно познакомится с очень широким спектром идей и подходов, изучить как можно больше продвинутых вещей из самых разных областей математики. С хорошей эрудицией, приступая к новой задаче, у тебя сразу будет хотя бы общее представление о том, что к этой задаче применимо, а что даже не стоит пробовать.

Во-вторых, олимпиадная деятельность - это отличный способ получить не только широкие, но и глубокие знания в Computer Science. Ты не просто запоминаешь алгоритмы, чтобы сдать экзамен, объяснив преподавателю на игрушечном примере, как он работает. Но ты досконально разбираешься с каждым алгоритмом: как можно было бы его вывести и доказать корректность, как его модифицировать, как заставить работать лучше на разных входных данных.

На олимпиадах теперь редко требуется реализовать “сырой” алгоритм. Часто требуется вдохновиться идеей алгоритма или нескольких, какими-то подходами или приемами и написать свое собственное решение.

Так же и в профессиональной деятельности: там, где нужно было реализовать классические алгоритмы и структуры данных в первозданном виде, их уже давно реализовали до тебя. Потребность есть именно в оригинальных алгоритмах и структурах данных для решения неординарных задач на реальных данных, которые имеют множество особенностей. И для создания таких оригинальных алгоритмов как раз требуется глубокое понимание как что работает.

Кроме того, занимаясь олимпиадами по программированию, ты напишешь достаточно кода, чтобы хорошо укрепиться в мысли, что, как говорит Миша Левин: “Программы в основном не работают”. То есть что программы почти никогда не работают с первого раза правильно. Поэтому нужно учиться думать заранее о крайних случаях, об особенностях выходных данных и о том, что всякую программу необходимо будет тестировать. Благодаря таким практическим знаниям, олимпиадники проще вливаются в промышленную разработку, в этом их преимущество. Несмотря на то, что в олимпиадном и промышленном коде абсолютно разные стандарты, объемы кода и требования к архитектуре, везде сохраняется главный принцип: правильное решение, скорее всего, должно выглядеть красиво, в нем должно быть как можно меньше частных случаев, и его должно быть легко тестировать.

Я считаю, что этот опыт, который дают олимпиады, бесконечно ценен, и это именно то, ради чего олимпиадным программированием стоит заниматься независимо от того, будет ли эта деятельность супер успешной.

Яндекс готовит специалистов в области data science с 2007 года. Студенты ценят Школу анализа данных за актуальность учебных программ и курсов, но они не всегда понимают, что их ждет по ее окончании. Работа с данными в Яндексе или в другой крупной компании? Но какая?

Изначально в Школе было два отделения: компьютерные науки и анализ данных. В 2014 году, когда в моду вошли big data, появилась третья специализация — большие данные. В этом году для того, чтобы студентам сразу стали понятнее их перспективы, мы провели реформу отделений: теперь обучение будет проходить в рамках четырёх профессиональных треков. Наша первоочередная задача — рассказать студенту о возможных путях развития и помочь понять, какие курсы помогут в достижении цели.

Профессиональные треки выделены не случайно — это четыре пути, на которые чаще всего вступают выпускники после окончания ШАДа (а некоторые уже во время учёбы). Для каждого из этих четырех путей мы нашли по одному выпускнику, который его выбрал, и поговорили с ними, чтобы понять, какие курсы оказались самыми полезными для будущей работы и как они выбрали своё профессиональное призвание.

Data scientist (Никита Попов, выпускник 2016 года):

«Data scientist — так сейчас называют аналитиков всех мастей. Мы в Яндексе привыкли считать, что data scientist — это человек, который отлично владеет машинным обучением и статистикой и, главное, на практике может извлечь полезную информацию из огромного объема данных.

Сейчас я работаю в команде метрик Поиска. Мы работаем над тем, чтобы оценивать качество нашего поиска, выбирать, в какую сторону двигаться и какой из множества проводимых экспериментов действительно увеличит “счастье пользователя”. В команду я попал через стажировку сразу после окончания ШАДа. Школа анализа данных дала мне отличную базу: курсы по машинному обучению и вероятностным моделям — это как раз то, что я использую каждый рабочий день.

Разработчик машинного обучения (Женя Захаров, выпускник 2018 года):

Программирования у меня было достаточно много в университете, но ШАДовские курсы отличаются алгоритмически более сложными задачами, большим акцентом на производительность и чистоту кода.

Специалист по инфраструктуре больших данных (Влад Бидзиля, выпускник 2017 года):

«Со старших классов мне хотелось профессионально заниматься программированием. В ШАД я поступил, когда был на третьем курсе университета. Он открыл передо мной дивный новый мир машинного обучения и интеллектуального анализа данных, высокоэффективных систем с кучей алгоритмов на стыке прикладной математики и программирования.

В течение нескольких лет я работал в Яндексе в команде качества ранжирования видеопоиска. Курсы ШАДа по продвинутому С++ и Python помогли мне в короткие сроки втянуться в рабочий процесс — перейти от написания академических программ в университете до серьезного продакшн-кода в компании.

Специалист по анализу данных в прикладных науках (Никита Казеев, выпускник 2015 года):

«Я работаю над применением методов машинного обучения для задач фундаментальной физики в ЦЕРНе в статусе аспиранта ФКН ВШЭ и Sapienza University of Rome.

Физикой увлекался со школы, был призёром Всероссийской олимпиады, пошел на ФОПФ МФТИ. Во многом из-за идеалистических соображений — если заниматься не наукой, то чем? Но к компьютерам тянуло всегда. Бакалаврская работа была посвящена компьютерному моделированию неидеальной плазмы, и в ней было много алгоритмов и C++.

На четвертом курсе я поступил в ШАД, через год меня пригласили в формирующуюся группу международных учебно-научных проектов в Яндексе. Сейчас она трансформировалась в совместную лабораторию Яндекса и ВШЭ — LAMBDA. Мы не только делаем что-то руками, но и учим физиков машинному обучению, так что я в некотором роде преподавал в Оксфорде. На нашей летней школе, но всё же ;)

15 июня в московском офисе Яндекса отмечали выпускной Школы анализа данных. Дипломы ШАД в этом году получили 102 человека. Большинство — студенты, аспиранты и недавние выпускники ведущих технических вузов.

Нынешний выпуск — десятый по счёту. Школа анализа данных открылась в 2007 году. Тогда на первый курс набрали 80 человек, а до выпускного дошли лишь 36 — в ШАД всегда строго следили за успеваемостью и отчисляли тех, кто не справляется.

Сейчас в Школе работают три отделения — анализа данных, больших данных и компьютерных наук. Филиалы ШАД действуют в Екатеринбурге, Нижнем Новгороде и Минске, а в Новосибирске и Санкт-Петербурге программу можно освоить на базе Computer Science Center. Также в ШАД можно учиться заочно.

По традиции, на выпускной в Москву приглашаются все слушатели Школы: не только москвичи, но и те, кто учился в филиалах или заочно.

Слушатели ШАД обычно совмещают обучение с работой или занятиями в вузе: лекции и семинары проходят по вечерам. В Школе изучают дисциплины, которые обычно не входят в вузовскую программу, но при этом пользуются спросом в IT-сфере, науке и других отраслях. Преподаватели Школы — сотрудники Яндекса и учёные из ведущих отечественных и зарубежных научных центров.

Десять лет Школы анализа данных

Особенность ШАД — гибкий учебный план. В дополнение к основным дисциплинам Школа предлагает множество спецкурсов — из них можно выбрать самые интересные. Программу регулярно обновляют: убирают устаревшие курсы и добавляют новые. Например, в этом году в Школе начали читать курс, посвящённый беспилотным автомобилям. Одно из занятий проходит на полигоне, где ребята наблюдают за испытаниями беспилотника Яндекса.

Выпускники ШАД становятся разработчиками, аналитиками, исследователями. Их можно встретить в российских и зарубежных IT-компаниях и в научной среде. Они не теряют связь со Школой: кто-то приходит послушать курсы, которых раньше не было в программе, а кто-то возвращается в ШАД в роли преподавателя.

Обучение в Школе бесплатное. Набор проходит каждую весну: в этом году заявки подали почти четыре тысячи человек. Некоторые дисциплины из программы ШАД доступны в виде онлайн-курсов — освоить их могут все желающие.

это не только учеба по 30 часов в неделю, бесконечные дедлайны и домашние задания, это еще и сообщество единомышленников, которое мы изо всех сил стараемся поддерживать

В ШАДе хорошо. Тут преподают лучшие специалисты в области CS в Москве, которые к тому же любят свои предметы. И это передается, конечно. Хочется ботать, задачки решать. Я думаю, сильные преподаватели приходят сюда из-за того, что студенты хорошие, а студенты из-за того, что преподаватели сильные.

В общем, очень удачно круг замкнулся. Если хочется заняться наукой, в ШАДе можно найти научного руководителя. Специально для таких случаев, здесь с недавних пор проводят спецсеминары на разные темы. После учебы в ШАДе можно легко найти интересную работу. Во-первых, ты уже примерно понимаешь, чем тебе интересно заниматься, во-вторых, тебя скорее всего в десять мест позовут и везде захотят взять.

Я могу точно сказать, что поступление в ШАД — это одно из главных событий в моей жизни.

Школу можно охарактеризовать одним словом: феномен. Можно одним предложением: продвинутые курсы, организованные ведущей отечественной IT-компанией для увлеченной талантливой молодежи, любящей математику и программирование. А лучше просто сразу добавить себе в календарь напоминание о ближайшем наборе в ШАД.

Учась в обычном вузе, рано или поздно все задумываются — а зачем мне всё это надо? В какой жизни пригодится матан, алгебра? И доучиваешься потому, что вроде как неприлично быть без диплома.

ШАД способен превратить такое образование в нечто полезное, что можно применять в жизни прямо с первой же лекции. Эта надстройка над знаниями сразу повысит вашу ценность в профессии, выбранной пять или шесть лет назад.

История ШАДа

У студентов появилась возможность проходить практику в Яндексе.

За три года количество курсов выросло с 13 до 29.

Филиал ШАДа открылся в Минске, при поддержке Школы заработал Computer Science центр в Санкт-Петербурге.

У ШАДа появился ещё один филиал — в Екатеринбурге.

Открылся филиал в Новосибирске, впоследствии он стал частью CS-центра. В Москве прошла первая международная конференция, организованная ШАДом.

Прошла еще одна международная конференция по машинному обучению, на этот раз в Берлине.

Школа организовала первый онлайн-курс по машинному обучению.

Открылся нижегородский филиал ШАДа.

Открылся новый ШАД в Израиле — Y-DATA. В Школе прошла реформа отделений. Теперь обучение проходит по четырем профессиональным направлениям: data science, разработка машинного обучения, инфраструктура больших данных и анализ данных в прикладных науках.

Запустилась совместная программа ШАД и РЭШ "Экономика и анализ данных", цель которой — готовить людей, которые будут одновременно обладать навыками экономического моделирования и анализа данных

Открылся новый трек поступления, предназначенный для тех, у кого уже есть опыт промышленной разработки или научных исследований в области Data Science

За 14 лет ШАД выпустил 1113 человек. Выпускники ШАДа работают в крупнейших мировых IT-компаниях, а также становятся учёными в ведущих университетах России и за рубежом.

Школа анализа данных – двухгодичная программа обучения от Яндекса. Основной упор в ней делается на данные и методы работы с ними. В небольшом обзоре мы разберём плюсы и минусы учёбы в ШАД.

Как поступить?

Итак, ШАД – полноценное обучение на протяжении двух лет, с нагрузкой по 30 часов в неделю. Обучение бесплатное, но сначала требуется пройти онлайн-тестирование, затем экзамен и собеседование в филиалах ШАД.

Как и в университете, здесь есть возможность платного поступления, но для этого нужно хорошо показать себя на собеседовании. Стоит учёба 150 000 рублей в семестр. Если закончить семестр на хорошо и отлично, цена уменьшится наполовину. А если два раза подряд закончить хорошистом или отличником, обучение станет бесплатным.

Онлайн-тестирование – обычное заполнение анкеты с тестовыми вариантами задач. После него есть два варианта: для москвичей следует прибыть в отделение ШАД и сдать экзамен по математике, алгоритмам, а затем по программированию и основам анализа данных. Заочники или учащиеся в региональных отделениях сдают онлайн-экзамен.

В конце пройдёт собеседование – очный экзамен по тому же программированию, математике и алгоритмам.

Все задачи выбираются в рамках общей программы (в документе даже указаны все необходимые книги для подготовки). Кстати, у нас есть статья, полностью посвящённая подготовке к поступлению в ШАД.

В 2020 году появился вариант поступления для тех, кто уже давно в программировании. В этом случае потребуется вместо математики продемонстрировать умение программировать, а также участие в проектах, различных статьях и прочем.

Кому это нужно?

Во-первых, выпускники получают диплом о профессиональной переподготовке. Во-вторых, любовь к Data Science и желание глубоко-глубоко нырнуть в эту отрасль. При этом, если вас интересует чистая научная теория, то место найдётся – регулярные семинары и различные исследовательские проекты.

В целом, целевую аудиторию можно описать так: хочется попасть в сферу Data Science, сделать это максимально эффективно и интересно. К тому же, обучение проходит по вечерам.

ШАД: Плюсы обучения

ШАД: Минусы обучения

Вечерняя программа. Если ваша жизнь уже загружена, то добавлять к ней вечерние курсы – стрелять себе в ногу. При этом, обучение действительно интенсивное и требует внимательности.
Серьёзная нагрузка. Так как здесь учат анализировать, то мозги будут работать на полную катушку. А то потребуется их перегружать их. Следует заранее прокачать выносливость и… умение отдыхать.

Читайте также: