Спойлер: я не выпускник МФТИ, не олимпиадник и ненавидел программирование. У меня было 45 баллов ЕГЭ по математике, диплом инженера ПГУПС и стойкое ощущение, что в IT мне не светит ничего. Сейчас я Senior Data Scientist в крупном банке, а в 26/27 буду преподавать в ИТМО. В этой статье – как именно так получилось, и что нужно понять, чтобы не сидеть годами на одной работе за 100к, когда соседняя сфера платит втрое больше.
2014. Парень без плана
Год 2014, я сдаю ОГЭ и понятия не имею, что делать дальше. Не гений, не олимпиадник , вообще просто чел без понимания, как жить эту жизнь. А в голове только мысли: что будет после школы, а не окажусь ли я где-нибудь “не там”.
Школу я терпеть не мог. А программирование вызывало особое отвращение: давайте нарисуем черепашку на Pascal, давайте сделаем циклы. Если бы кто-то в тот момент сказал мне, что через десять лет я буду делать ML в крупном банке, я бы покрутил пальцем у виска.
После экзаменов я понял, что в 10-11 классы идти не хочу. Выбор стоял между архитектурным колледжем (любил геометрию и черчение) и МЧС, который казался чем-то тестостероново-мужским. Архитектурный отпал быстро: на фоне ребят, рисовавших как из учебника, мои работы выглядели как поделки из кружка “юный художник”. Пошел в итоге в МЧС.
Полтора года я там проучился, и до меня постепенно дошло простое: я могу делать что-то более интересное, использовать голову, а не только руки. Академия МЧС такого пути не давала. И я ушел, просто потому что почувствовал – не мое. Романтика, конечно, но в 18 лет это казалось гениальным ходом.
ЕГЭ, ПГУПС и одно важное открытие
Дальше было ЕГЭ. В сумме у меня вышло 146 баллов, причем математику, которую я реально любил и готовил, я сдал на 45. Сорок пять. Прописью – чтобы вы прочувствовали глубину падения.
Мне в лицо сказали: С такими баллами не поступают, возвращайся в колледж. На бюджет я и правда не прошел – предсказание сбылось с поразительной точностью. Но спасли родители: я поступил на платное в ПГУПС, на инженерную специальность. И вот тут случилось то, что я считаю одним из самых важных открытий в моей жизни.
Я пришел в универ и впервые в жизни оказался рядом с теми самыми “300-балльниками” и отличниками – людьми, которых я заочно считал какими-то особенными. И увидел самых обычных ребят. Студентов первого курса, которые точно так не понимали, чего хотят, и тупили на семинарах. До этого я искренне верил, что в университете учатся какие-то отдельные умные люди, а я случайно затесался.
Это звучит банально, когда читаешь. Прожить – другое дело. У меня в голове щелкнуло: если они смогли – смогу и я.
Инженер, который дошел до потолка
В универе я по-прежнему не любил программирование. Настолько, что меня из-за него чуть не отчислили, к счастью, спасли товарищи, которые помогли закрыть предмет. Этот эпизод мне до сих пор иногда снится в кошмарах.
Зато инженерный трек заходил отлично. Чертежи, расчеты, конкретные задачи с понятным результатом. Я начал делать работы для других ребят, втянулся, стал быстрее и аккуратнее многих. Так сказать первые бабки были заработаны, но не те деньги, которые я хотел.
Четвертый курс. До меня окончательно дошло: чтобы быть не просто хорошим инженером, а сильным, без программирования никуда. То самое программирование, которое я ненавидел десять лет, вдруг оказалось не врагом, а инструментом. Я начал учиться: сначала визуальные ноды, потом Python. Сутками. Через какое-то время выиграл хакатон и устроился инженером-автоматизации.
Я работал и кайфовал. Реально. Но через пару лет уткнулся в потолок: сфера развивается медленно, серьезный рост возможен только с переездом в другую страну, к чему я был не готов. В России – карьерный и финансовый предел около 300к. Это нормальные деньги, но мне хотелось больше – банально потому что хочу обеспечивать семью на другом уровне.
Книга про нейронки и год переучивания
В какой-то момент мне попалась книга Тарика Рашида “обучаем нейронку с нуля”. Базовый ввод, без жуткой математики. И меня зацепило, насколько это было интересно и насколько большие тут перспективы. Это выглядело не как бросить все и уйти в ML, а как логичное продолжение пути инженера, который автоматизирует уже не чертежи, а вообще принятие решений.
Я начал изучать ML сам. И в какой-то момент честно признался себе: иду слишком медленно. Когда-то в инженерии меня сильно ускорил наставник – без него я бы рос годами там, где с ним вырос за месяцы. Я понял, что и в ML мне нужно ровно то же самое.
Тут начался самый тяжелый период. Я уволился с работы и полгода переучивался. Полгода без зарплаты, с постоянным фоновым “а вдруг не получится, а вдруг я зря все бросил”. Я нашел ментора, и это была отдельная инвестиция, в тот момент дорогая и страшная. Но именно это и стало переломом.
В итоге я нашел работу как Data Scientist. Сейчас – Senior DS в крупном банке. Учусь до сих пор, просто меняется уровень задач.
Что я понял, оглядываясь назад
-
Профильный диплом не определяет ничего. Я инженер железнодорожного университета, и это никак не помешало стать Senior DS, как и многим моим знакомым вообще из других сфер. Иногда даже те самые айтишники с дипломом годами буксуют, потому что научились писать код, но не научились думать о задаче.
-
Образование отстает от рынка. Это не вина преподавателей, это свойство любой большой системы, так как программу утверждают на годы вперед, а инструменты в ML меняются каждые полгода. Даже если вы учитесь по профилю, вы будете отставать, потому что вы не в контексте.
-
Гений – миф. Большинство людей, которые сейчас сидят в топовых ML-командах, не гении. Они просто раньше начали и не бросили.
-
Главный риск – не “пойти не туда”, а “не пойти никуда”. Я полтора года был в МЧС не там. Потом четыре года был в инженерии на своем месте, и все равно ушел. Ни одна точка не финальная, любое решение можно переиграть. Чего нельзя – это бесконечно сидеть в нерешенности и ждать знака.
Зачем я это рассказываю
Когда я сейчас смотрю на людей, которые только начинают, я вижу себя пару лет назад. Тот же страх “я не справлюсь”, та же убежденность, что ML для гениев, та же мысль “у меня не тот диплом / не тот возраст / не тот бэкграунд”. Мои 45 баллов по матану могли стать приговором, но нет. Супер стратегии нет, единственная разница между “получилось” и “не получилось” – сколько раз вы пробовали, где вы искали информацию и сколько лет потратили на путь, как можно его сделать эффективнее сейчас.
Параллельно с работой, менторю людей, которые хотят перейти в Data Science – из любой исходной области, как когда-то перешел сам. Разбираем реальные задачи, собираем портфолио, готовимся к собеседованиям. Тот самый формат “человек с опытом из сферы сокращает путь”, без которого я бы сам шел в ML годы вместо месяцев.
Если откликается – то BIMCHINE — Твой путь к мастерству · ML & Data Science . Разборы рынка и карьеры регулярно выкладываю в телеграм-канале https://t.me/kovalchuklog
Делитесь своими историями карьеры в комментариях, всегда интересно узнать, что привело вас к сфере, в которой вы сейчас.
Автор: Bimchine
