Привет, это Андрей.
Четыре года назад я работал в Booking в команде, которая занималась платежами и финансами, и мне немного не хватало самореализации.
Во-первых, потому что платежи – это такая тема, где трудно превзойти ожидания, а вот облажаться – очень просто. Во-вторых, потому что с платежами нельзя так же безбашенно экспериментировать как с другими интерфейсами. Совершенно другой баланс наград и потенциальных потерь.
В поисках неизвестно чего я попросился в команду, которая занималась поисковым ранжированием. Это была очень редкая команда, в которой data scientist’ов было больше, чем разработчиков. При этом в остальном по организации их было по одному на несколько команд. Меня не хотели брать, потому что никакого опыта с рекомендательными системами у меня не было, но в итоге мне удалось пробиться за счет сильных hard skills в аналитике, и потому, что я последовательно демонстрировал сильный интерес к задачам, которые решала команда.
Первые несколько месяцев я лажал примерно на каждом шагу. У меня было полное ощущение, что я причиняю команде больше вреда, чем пользы. Я не понимал, суть того, что делали члены команды, известные мне методы приоритизации не работали, мы ловили ошибки на каждом деплое и каждом эксперименте.
Fast forward четыре года: я безумно счастлив в своей команде, продвинулся на следующую ступень карьеры, и ни за какие коврижки не пойду заниматься чем-то еще. Именно столько времени у меня ушло на то, чтобы осознать на практике, что работа с ML продуктами требует совершенно других подходов примерно во всем. Другая приоритизация, другие риски, другая стратегия.
Завтра стартует курс про то, как быть продактом ML команды, который мы сделали с Натальей Кузнецовой (работает в очень большой копании, которую нельзя называть). И которая была моим ментором на этом пути. Один ее совет за чашкой кофе сделал примерно 70% моего промоушена. Я жаловался на то, что главным ограничением моей команды является статистическая мощность тестов, которые мы проводим, она рассказала как обойти это ограничение для моделей ранжирования.
Этот курс будет не совсем таким, как другие курсы ProductDo, он построен в первую очередь на вебинарах, где мы с Наташей разбираем кейсы. Как обычно, на первом потоке всегда совершенно особая атмосфера – очень много прямого взаимодействия и свободного общения. Мы готовы взять еще 2-3 человека, кому такой стиль обучения больше всего подходит. Курс на аглийском, но можно будет задать вопросы по-русски, если есть потребность.
Последние места здесь. Первый вебинар уже завтра. Запрыгивай!
Четыре года назад я работал в Booking в команде, которая занималась платежами и финансами, и мне немного не хватало самореализации.
Во-первых, потому что платежи – это такая тема, где трудно превзойти ожидания, а вот облажаться – очень просто. Во-вторых, потому что с платежами нельзя так же безбашенно экспериментировать как с другими интерфейсами. Совершенно другой баланс наград и потенциальных потерь.
В поисках неизвестно чего я попросился в команду, которая занималась поисковым ранжированием. Это была очень редкая команда, в которой data scientist’ов было больше, чем разработчиков. При этом в остальном по организации их было по одному на несколько команд. Меня не хотели брать, потому что никакого опыта с рекомендательными системами у меня не было, но в итоге мне удалось пробиться за счет сильных hard skills в аналитике, и потому, что я последовательно демонстрировал сильный интерес к задачам, которые решала команда.
Первые несколько месяцев я лажал примерно на каждом шагу. У меня было полное ощущение, что я причиняю команде больше вреда, чем пользы. Я не понимал, суть того, что делали члены команды, известные мне методы приоритизации не работали, мы ловили ошибки на каждом деплое и каждом эксперименте.
Fast forward четыре года: я безумно счастлив в своей команде, продвинулся на следующую ступень карьеры, и ни за какие коврижки не пойду заниматься чем-то еще. Именно столько времени у меня ушло на то, чтобы осознать на практике, что работа с ML продуктами требует совершенно других подходов примерно во всем. Другая приоритизация, другие риски, другая стратегия.
Завтра стартует курс про то, как быть продактом ML команды, который мы сделали с Натальей Кузнецовой (работает в очень большой копании, которую нельзя называть). И которая была моим ментором на этом пути. Один ее совет за чашкой кофе сделал примерно 70% моего промоушена. Я жаловался на то, что главным ограничением моей команды является статистическая мощность тестов, которые мы проводим, она рассказала как обойти это ограничение для моделей ранжирования.
Этот курс будет не совсем таким, как другие курсы ProductDo, он построен в первую очередь на вебинарах, где мы с Наташей разбираем кейсы. Как обычно, на первом потоке всегда совершенно особая атмосфера – очень много прямого взаимодействия и свободного общения. Мы готовы взять еще 2-3 человека, кому такой стиль обучения больше всего подходит. Курс на аглийском, но можно будет задать вопросы по-русски, если есть потребность.
Последние места здесь. Первый вебинар уже завтра. Запрыгивай!