Почему нужно вписываться во все IT-инициативы?
Привет всем, в этом посте я расскажу о том, почему важно участвовать во всяких кейс-чемпионатах, хакатонах и прочей DS-движухе💼
Я поучаствовал в немалом количестве чемпионатов, где-то даже занимал призовые места, привет💙 . Треки были посвящены маркетингу, продвижению продукта. Вроде бы классно, однако, несмотря на то, что твоя идея могла решить проблему, ты все равно оставался недопонятым жюри, что печально. Есть специализированные кейс-школы, которые обучают по шаблонам как нужно решать задачи, оформлять презы, нет какой-то своей изюминки, а мыслишь ты абстрактными понятиями, которые непонятно откуда рождаются в твоей голове 🤔
Мой путь в аналитике начался с Хакатона, который длился 7 месяцев. Казалось бы, что очень много, но за это время можно было предложить столько гипотез, так покрутить данные, чтобы максимально быстро влиться в то, чем занимаются аналитики🍴
P.S: Была проблема с GPU, пришлось выкручиваться, залутал за хакатон money
Сейчас я работаю аналитиком и хочу подтянуть Machine Learning и Deep Learning для расширения кругозора и возможной переквалификации😎
Для этого я участвую в кейс-чемпионате по Data Science, задача связана с NLP, Machine Learning💃
Команда, кстати, называется «Заскуль Карпова»
Прохожу большое количество курсов, чтобы максимально быстро можно выйти на нормальный уровень в области ML, DL🍷
Это значительно бустит вас, поскольку вы работаете с реальными инструментами в области DS, а не крутите условные игрушечные данные и джойните таблички😮
Но как выжить в таком хаосе? Узнаем чуть позже😨
Накидайте реакций, а я напишу про то, как мы решаем кейс-чемпионат, к чему пришли и какие инсайты нашли в предложенных данных🤔
Привет всем, в этом посте я расскажу о том, почему важно участвовать во всяких кейс-чемпионатах, хакатонах и прочей DS-движухе
Я поучаствовал в немалом количестве чемпионатов, где-то даже занимал призовые места, привет
Мой путь в аналитике начался с Хакатона, который длился 7 месяцев. Казалось бы, что очень много, но за это время можно было предложить столько гипотез, так покрутить данные, чтобы максимально быстро влиться в то, чем занимаются аналитики
P.S: Была проблема с GPU, пришлось выкручиваться, залутал за хакатон money
Сейчас я работаю аналитиком и хочу подтянуть Machine Learning и Deep Learning для расширения кругозора и возможной переквалификации
Для этого я участвую в кейс-чемпионате по Data Science, задача связана с NLP, Machine Learning
Прохожу большое количество курсов, чтобы максимально быстро можно выйти на нормальный уровень в области ML, DL
Это значительно бустит вас, поскольку вы работаете с реальными инструментами в области DS, а не крутите условные игрушечные данные и джойните таблички
Но как выжить в таком хаосе? Узнаем чуть позже
Накидайте реакций, а я напишу про то, как мы решаем кейс-чемпионат, к чему пришли и какие инсайты нашли в предложенных данных