Я окончил непрофильный бакалавриат, строительный, и магистратуру по математическому моделированию. Тема диплома была связана с разработкой программ для математического моделирования физических процессов. Мне всегда было интересно заниматься наукой, но после магистратуры захотелось чего-то более прикладного, поэтому пошел в ИТ.

Т‑Банк — сильный HR-бренд и делает хорошие продукты, было ясно, что команда крутая. Поэтому обратил внимание на магистратуру Т‑Банк. Важным преимуществом для меня было трудоустройство, возможность применять знания на практике.

Специально к поступлению в магистратуру я не готовился. Скорее просто изучал то, что мне интересно. Думаю, если вы находитесь в этом информационном поле, то знаний достаточно. ML начал изучать полтора года назад. Мне очень помогли такие ресурсы:

1. Лекторий МФТИ
2. Лекторий ФПМИ МФТИ
3. Курсы от Deep Learning School МФТИ
4. «Глубокое обучение. Погружение в мир нейронных сетей» С. Николенко

Если не очень уверены в своих знаниях по разработке, архитектуре и ML, то в магистратуре будет несколько хороших курсов, чтобы их подтянуть. Мне очень зашел курс по алгоритмам, например.

В первом семестре я работал 32 часа в неделю, во втором перешел на фултайм. Очень рекомендую такой график: нагрузка в первом семестре довольно большая, а во втором становится посвободнее.

Не все, что я узнаю на парах, сразу пригодится в работе. Но это даже хорошо: с работы можно переключиться на другие вещи, которые дают на учебе. Я, например, работаю с текстом, но на парах дают задания на работу с изображением.

По ходу обучения у меня менялась команда. Сначала занимался чековой аналитикой и связанными с ней сервисами — это нейронные сети, которые извлекают сущности из транзакций и передают сегментированные данные аналитикам. Когда только начал работать, не очень понимал, чего хочу и что интересно. Потом увидел, что в банке много любопытных направлений. Например, пару месяцев назад перешел в чат ботов, сейчас занимаюсь автоматизацией помощи клиентам в чатах.

Хотелось бы углубиться в разработку, посмотреть, куда развивается Deep Learning, и не отставать от этого движения. Потому что новые решения появляются постоянно.

Я окончил факультет управления и прикладной математики МФТИ, бакалавриат был с уклоном в физику, но хотелось в ИТ. Когда выбирал магистратуру, рассматривал Т‑Банк и Сбер. У Т‑Банка пары по вечерам, это очень удобно для работы, поэтому выбрал магистерскую программу Т‑Банка МФТИ. С направлением магистратуры не было особых проблем: мой бакалаврский диплом был про ML, поэтому я знал, что мне это будет интересно.

Когда поступаете в магистратуру по ML, можно не знать ML глубоко, но нужно знать Python и при этом иметь хороший математический аппарат. Мне было не очень сложно переквалифицироваться из физики, что произошло еще в момент написания бакалаврского диплома.

Готовьтесь к внутренним экзаменам в МФТИ и к собеседованию, прочитайте, как проходят различные собеседования для ML на «Хабре» и подобных ресурсах.

График был довольно плотный: на первом курсе я работал четыре дня в неделю, на втором курсе пар стало поменьше, и я начал работать фултайм. Но все же мне кажется, что магистратура МФТИ и работа требуют меньше времени, чем только учеба в бакалавриате физтеха.

Я занимаюсь OCR — автоматическим распознаванием документов. Сейчас пишу диплом, и его тема на 100% мэтчится с тем, чем занимаюсь по работе.

Заметил, что за те два года, что я в компании, у меня произошел рост зоны ответственности. В какой-то момент у нас на проекте было только два разработчика: я был единственным ML-инженером, а мой коллега, тоже из магистратуры Т‑Банк, — ресерчером. Мы полгода жили в таком режиме, но потом команда начала расти, заметно расширилась, и мы оказались самыми опытными и погруженными в проект. Сейчас занимаюсь всевозможными инженерными вопросами — от исследований до продакшена.

Я оканчиваю магистратуру и планирую дальше работать и совмещать науку с промышленной разработкой. Хочется больше времени уделить исследованиям и публикациям.

Я учился в МФТИ на факультете аэрокосмических исследований. С третьего курса начал работать с ML в лаборатории на физтехе. Тогда же понял, что мне это интересно. В магистратуре решил углубляться в машинное обучение.

Рассматривал несколько вариантов магистратуры: в Яндексе, Сбере, Т‑Банк. Сходил на собеседование в Т‑Банке, там пообщался с ребятами, они меня замотивировали, и я решил, что хочу учиться на этой программе. Подал документы и прошел отбор.

У меня на потоке есть ребята, которые пришли в магистратуру с нулевым знанием ML. Они поначалу работали в Т‑Банке как аналитики и только во втором семестре перешли на проекты в ML. То есть если готовы учиться и есть хорошая математическая база, то знание ML или алгоритмов можно нагнать. На первом курсе читается хороший курс про машинное обучение, он начинается с нуля, преподаватель круто рассказывает — подробно, с математикой и всеми формулами.

На курсе по ML некоторые пары были для меня скорее повторением, но я закрыл свои пробелы. Например, пользовался инструментом, но только на курсе узнал, как он работает изнутри.

Мне понравились пары по алгоритмам, я до этого не изучал их отдельно, а тут приятный курс с нуля по базовым, но необходимым вещам. Еще понравился прикладной курс по архитектуре ПО, на нем рассказывается, как проектировать системы: принципы разработки, как тестировать и писать код. Преподаватель приводил примеры из своего опыта и давал много дополнительных материалов.

Понравились курсы от МФТИ по алгоритмам и линалу: мы реализовывали алгоритмы в линейной алгебре. Это похоже на курс по алгоритмам, но с упором на математику. Приходится писать код — это развивает. Был отличный курс по анализу изображений, вел очень заинтересованный в теме преподаватель. Мы задавали кучу вопросов, а он отвечал, на парах разгорались обсуждения.

Когда начал учиться в магистратуре, я занимался временными рядами в команде представителей. Зона ответственности была не очень большая: у меня был бизнес-аналитик, который говорил, что нужно сделать.

В какой-то момент я и еще группа ребят поняли, что временные ряды используются большим количеством команд, но в компании нет единого центра, который агрегировал бы компетенции по этому вопросу. Мы пришли к главе AI Т‑Банк и предложили сделать отдельную команду, которая занималась бы временными рядами для всей компании. Инициативу поддержали, и с лета такая команда существует, а я в ней работаю.

Мы делаем сервис, который принимает на вход данные от разных команд, а на выходе дает предсказание. Я в большей степени занимаюсь библиотекой, она используется для прогноза на платформе. Для работы мне нужно понимать, как писать код, и уметь проектировать программные продукты. Нужно понимать принципы работы Doker и Kubernetes и знать ML, чтобы понимать, что происходит, — в этом плане магистратура дала многое.

Мне нравится проект, на котором я работаю, он интересный. Хочу его продолжать и руководить разработкой. Договорились, что библиотека пойдет в опенсорс. Хотелось бы развивать свою экспертизу в разработке фреймворков.