😴 Экзамены и комитеты во сне

Приснился сегодня забавный сон: я снова работаю в топ-менеджменте и что-то докладываю на заседании правления. Надо кстати сказать и выступил нормально, и прошло хорошо, но проснулся все равно с облегчением. Даже задумался: странно, что такое привычное дело и столько эмоций во сне.

К чему я это: разговорился с другом, начали вспоминать, как во сне после универа то диплом защищаешь, то экзамены сдаешь. У меня тоже такое было: я после МФТИ еще несколько лет во сне пересдавал экзамен по дискретной математике, на котором так себе отвечал и нахаляву получил от экзаменатора «отл» с пожеланием идти отсыпаться (курсе на 2 или 3).

А поделитесь в комментариях, были ли у вас подобные истории?

Python как первый язык программирования в университете

Многие изучали в университете алгоритмы и ООП на C++. Плюсы «плюсов» в этом качестве конечно понятны: учишься работать на языке, который с одной стороны достаточно выразителен, а с другой стороны не всё на свете делает за тебя. Хотя не знаю, насколько так можно говорить про современные стандарты плюсов, но все-таки. Скорость плюсов хороший довод за, если мы говорим про курс алгоритмов. Ну и эстетика языка тоже важный фактор. Помимо себя знаю много людей, у которых именно с эстетической точки зрения С++ любимый язык (правда, что характерно, все они не пишут на нем на работе😂).

Но с другой стороны, а стоит ли мешать изучение алгоритмов и принципов ООП еще и с изучением плюсов? Может в 2025 году можно уже первым языком в универе давать Python? Особенно в контексте подготовки MLщиков, не всем из которых понадобится писать плюсовый код (тем, кому понадобится, давать плюсы дальше).

Призываю вас поделиться в комментах своими мыслями. А может даже кто-то знает бакалавриаты, где обучение уже построено так? Вопрос не праздный, возник при обсуждении университетских учебных программ.

Темная правда про собесы

На днях вел заключительный вебинар у первого потока Базового ML в нашей школе MLinside, и на примере одного частого вопроса на собеседованиях рассказал очень грустную вещь про собесы и вообще рабочее общение.

Если на вопрос есть нестрогий (или вообще неправильный), но популярный ответ, а вы знаете как ответить дотошно и максимально корректно, не спешите это делать на собеседовании. Есть два варианта: вам поймут, и вас не поймут. Да-да, вас собеседует тоже живой человек, который может быть умным, глупым, бодрым, уставшим, да каким угодно. Если от вас ожидают услышать ответ, что занавески синие, потому что главный герой в депрессии, а не потому что они блин синие - возможно всем будет проще, если вы скажете то, что от вас ожидается. Что вы, сочинения в школе не писали? :)

Подвох здесь есть. Если вы неверно оценили собеседника, дав более правильный ответ тому, кто его не поймет, вы еще имеете шанс объяснить свою позицию. А вот когда пошли по пути наименьшего сопротивления и выдаете за правильный ответ широко распространенную лажу, а вас собеседует знающий спец, ну что вы ему скажете? Что думали, что он тупой? Что не хотели провоцировать конфликт? Нет, этот собес уже провален.

А вам приходилось специально упрощать ответы на собеседовании, чтобы быть понятым? Это по-вашему зло или нормальное проявление уважения к собеседнику?

Как сделать всё «неправильно» и все равно стать ценным сотрудником в компании

🎯 Я уже рассказывал, как стать ценным сотрудником, опираясь на интересы руководства. Но есть и «неправильный» способ, который на самом деле очень даже хороший. А именно — вы просто делаете то, что вам больше всего нравится, откликается и во что вы вовлечены.

😟 Если то, что вы делаете с удовольствием, перестаёт нравиться вашему руководству, вы просто меняете место работы. И так до тех пор, пока не произойдёт идеальный мэтч между тем, что нравится вам, и тем, что именно в вашей работе ценят.

🗺️ Этот подход — это более широкий взгляд на ситуацию. Обычно, когда люди задают вопрос «Как стать ценным сотрудником», они имеют в виду то место, где сейчас работают. Но правда в том, что если вы хотите заниматься любимым делом, то вам нужно и место работы подобрать подходящее. 

💼 Обращать внимание на интересы руководства, конечно, тоже нужно. И неплохо идти навстречу друг другу и находить варианты, когда всем хорошо. Но выбор места определяет довольно много. Единственная ремарка: подходящих вам вакансий и компаний должно быть много. Если у вас редкая специализация, или если вы просто дошли до того уровня, где на всю страну 10 вакансий и на каждую нанимают год или больше, так легко уже не получится. Тут нужно будет решать вопрос не сменой места, а донесением руководству и коллегам, почему работать нужно именно ту работу, что нравится вам, и именно так, как это делаете вы. Это тоже возможно, но сложнее.

Вопросы на собеседованиях по ML

Вчера готовился к вебинарам про вопросы с собеседований по ML (в конце базового курсс ML у нас есть опциональный модуль с разбором вопросов в качестве повторения пройденных тем).

С учетом того, что сам лет 10 собеседовал по DS, вспомнил порядка сотни вопросов, которые задавал сам или задавали коллеги. Дальше просмотрел около 300 вопросов, которые спрашивают на собеседованиях сейчас.

Из интересных наблюдений:

🥋 вопросы Avito неплохо перекликаются с Яндексовыми по уровню понимания ML (это комплимент Avito)

🧑‍🏫 есть любители поспрашивать про математику на собеседованиях (запомнились ПСБ и Okko, возможно были и другие)

🪦 вопросы про SVM, который уже давно нигде во всей красе не используется, хоть и встречаются редко, но бывают (правда не в IT-компаниях)

👴🏻 вопросы про PCA еще пока держатся, встречаются чаще, чем SVM, иногда спрашивают даже про SVD

🔥 наиболее частые вопросы такие, какие я и предполагал: логрегрессия, линейная регрессия, регуляризация, градиентный бустинг, иногда случайный лес, метрики качества.

Некоторые вопросы перекликаются с теми, которые я давным-давно в Яндексе сам вводил в употребление и добавлял в Фемиду (внутренняя система, где хранятся вопросы и результаты собеседований), либо добавляли коллеги по мотивам моих собеседований. Например, ставший классическим вопрос про то, какие алгоритмы могут давать отрицательные прогнозы на новых данных, обучившись только на неотрицательных таргетах. Не утверждаю конечно, что совпадающие с моими вопросы позаимствовали именно у меня (знаю человека, который искренне верит, что его идею украли Apple и Amazon, смотрится крайне забавно), но тот факт, что всех собеседующих притягивает примерно к одним и тем же вопросам, по модулю небольшого количества выбросов, меня скорее радует.

Напишите в комментариях:
1) какие у вас есть наблюдения насчет собесов по ML?
2) какие вопросы на ваш взгляд задают чаще всего, и какие вопросы вам запомнились?

А если пост наберет 300 🔥огонёчков, я буду выкладывать примеры вопросов с собеседований и свои комментарии в канале (давайте выясним, интересно вам это или нет :)

Зачем вести канал в телеграме

🤔 У меня очень своеобразная причина для ведения TG канала. Начиналось все с потребности делиться какими-то вещами про работу, преподавание и ML. Потом жизнь как-то так сложилась, что потребность всецело закрывается общением с близкими, друзьями и студентами (как в универе, так и со взрослыми, у меня в школе, в Сколково и на корпоративных курсах).

🙅‍♂️ Казалось бы, время закрывать канал за ненадобностью. Но вот не совсем. Вы могли заметить, что в наше время любой фрик имеет возможность самовыразиться в интернете не только в комментах, но и как блоггер. Но откуда появляется это «любой фрик»? А дело в том, что правило «помолчи, может за умного сойдешь» работает фантастически стабильно. Стоит человеку начать делиться своими мыслями и рассуждениями, давать советы, оценивать ситуации, комментировать новости, сразу становится понятно, какой забористый кисель у него в голове вместо мозгов.

💼 Похожую ситуацию я часто видел в корпоративной карьере. Те люди, которые лучше всего разносят руководство за неоптимальное управление и наиболее пылко рассказывают, а как надо было, сами столкнувшись с вызовами управления стабильно оказываются не такими боевитыми, как на словах. Не мешки ворочать, короче. Пример с управлением это просто пример деятельности, включающей многокритериальную оптимизацию в условиях неполной информации, так-то аналогичных примеров хватает в любой профессии :)

🤦‍♂️ Но вот засада: когда стоишь в сторонке и критикуешь, легко забыть о самом главном. Сам-то такой же. Сам-то тоже как рот откроешь, так слова быстрее мыслей могут побежать, если нет тренировки. А как на публику что скажешь или напишешь, так вообще жуть: и этих обидел, и тем не мил, и те, к кому обращался, вообще не поняли, что сказать хотел.

🚀 Так вот самое классное и полезное применение TG канала для его автора это свое собственное развитие. Во-первых, тренировка по формулированию и донесению мыслей. Во-вторых, развитие навыка подбирать нужные слова с учетом всех рисков (а их, когда пишешь даже на сто человек, всегда много). Ну а в-третьих, если я через год читаю свои старые посты и думаю «Боже мой, какую же ересь я нёс!», я спокоен, ведь значит еще что-то меняется в голове.

❤️ А еще есть в-четвертых: интересно что-то вбросить и читать комменты. Правда классные вещи пишете, много новых мыслей, очень люблю своих подписчиков.

Пишите, кстати, в комментариях, что бы вы хотели чаще видеть в этом канале :)

Ну что же, 300 🔥 есть, начинаем обсуждать вопросы с собесов.

Вот два вопроса на насущную тему «а сколько данных нужно». Делимся своими мыслями, потом подведу итоги :)

1. При обучении модели качество получилось недостаточно высоким. Была выдвинута гипотеза, что проблема в недостаточном объеме обучающей выборки. Как можно проверить эту гипотезу?

2. Часто данные не размечены, и вам бизнес-заказчик задает вопрос, какой объем выборки разметить. Как до знакомства с данными ответить на этот вопрос? Какие статистики могут помочь? Какие эффекты возможны при недостатке данных?

Я принял волевое решение завязать с AI

И начать проводить тренинги личностного роста для сотрудников корпораций. Как строить карьеру, как работать с начальством, как стать руководителем и потом не распугать сотрудников, что делать, если сотрудник пытается вас «подсидеть», а коллега «слить» - вот это всё как мы любим.

Вдохновился конечно примером Блиновской, и тем что в сфере тренингов личностного роста клиент не должен быть готов к высшмату и программированию (в отличие от обучения DSов)

Еще мне сказали добавить в пост что-то про увеличение заработка, но я только начинающий личностный тренер (джун))) и пока не придумал продающих обещаний. Но точно вырастет, даю слово пацана.

Ставьте какашку, если купили бы 😁😁😁

Такие вот дела, а спрос-то есть) Может правда сделать курсы? :)

Press F 🫡

Ну что, пережили первоапрельскую шутку про тренинги личностного роста? Не останавливаемся на достигнутом

Правда и мифы про рекомендательные системы

Записал подкаст про рекомендательные системы у друзей из онлайн-кинотеатра START :) Три замечательных гостя, три разных взгляда на область, рекомендую к просмотру 👍

Дисклеймер: контент для тех, кому интересна внутрянка, красивых сказок вроде этой или байки про пиво и памперсы не рассказываем