«У меня были базовые знания в области анализа данных, но хотелось больше практики и отработки теории на реальных задачах»
«На текущей работе столкнулся с новой для себя задачей по машинному обучению — справиться с ней помогли кейсы из Симулятора Data Science»
«Задачи на работе уже не вызывали того энтузиазма, что раньше, начал замечать, что стагнирую в развитии»
«У меня не было опыта работы в IT, хотя за плечами было множество пройденных курсов»
после симулятора data science
> Использую линтеры, документирую весь код в едином стиле, аннотирую типы, тестирую код через Pytest
до симулятора
> Хаотично пишу код на Python, редко пишу документацию, тестирую код в голове и через print
> Владею SQL на базовом уровне, боюсь вложенных запросов
> Не знаю, что такое t-test и p-value
> В ML знаю только fit-predict
> Спокойно пишу большие SQL-запросы с CTE, JOIN и оконными функциями
> Понимаю статистические критерии и знаю, как связать их с моделями машинного обучения
> Умею проводить A/B-тесты
> Могу реализовать кастомные метрики и алгоритмы, построить эмбеддинги
> Могу деплоить модели и сервисы
> Получил хорошие стартовые знания по Docker, FastApi, DVC, PySpark, MLflow