"Как вкатиться в Data Science?" Дорожная карта IT

👋Спикер: Оксана Крымина, Data Scientist. Ведет в дискорд-сообществе DataBreakfast (ODS) встречи с чтением и разбором математических книг и статей.
Поговорим о следующих вопросах:
📝 CV.
❓Что такое Data Science в целом.
📑 Выделяются специализации внутри профессии. Круг задач и проблем по специализациям.
❗️Смежные области, из которых перейти удобнее
📚Обучение
👩🏻‍💻Первый опыт: пет-проекты, соревнования
💡Переход в профессию без смены работодателя
🔎 Роли в командах
Ссылка на чат:
t.me/+w9rpHyDsxPZiMzRi
Спасибо за просмотр!
Подписывайтесь на канал и соцсети сообществ:
Women in Tech Russia:
Вконтакте: womenintechrus
Telegram: t.me/womenintechrus
Сайт программы: www.mentoringrussia.com
Сайт WiT Russia: women-in-tech.org/ru/
Women in Big Data Russia:
Telegram: t.me/wibd_russia
Вконтакте: womeninbigdata
KZbin: / @wibd_russia
Глобальный сайт WiBD: www.womeninbigdata.org/

[@r2r33]

Вы мне здорово помогли. Спасибо

[@SaltaMed]

Очень классно все объясняет женщина! Спасибо большое!!

[@user-pg8ry1tm3t]

Классический ml, кажется, у Воронцова хорош, даже имхо лучше Кашницкого, вероятно, достаточной строгостью подхода… хотя у Кашницкого разбор подробней и живей отчасти. Dl неплох у вышки вроде как, вполне себе с вебинарами и разбором классических случаев… а вот у Карпова прям шикарные есть кейсы местами… на мой взгляд как-то так… мб ещё кто поделится козырными местами?..

[@helloole]

Добрый день! Где можно скачать презентацию из этой лекции?

[@nata_ninja]

вероятно это авторская презентация

[@user-ts8sf6yo5e]

В целом очень интересно, но после озвученной информации о полученном образовании и месте обучения, для большинства возрастных кандидатов с менее крутым базовым образованием перспективы смотрятся не очень радужными.

[@user-pg8ry1tm3t]

Вся фундаментальная наука на грани науки и искусства🥴 100500 исследований и только одно продвинет в нужном направлении