Почему компании не берут джунов в ML — и как пробиться без опыта
https://t.me/ml_inside - подписывайтесь на наш Телеграм-канал mlinside.ru - курс "База ML" mlinside.ru/business - курс "ML в бизнесе" https://stepik.org/course/218409/promo?utm_source=youtube&utm_medium=social&utm_campaign=youtube-video-29-11-24&clckid=a8c2f911 - демо-курс "База ML" Многие новички уверены, что главное — пройти курс и выучить термины. Но на деле джунов в ML и Data Science не берут вовсе не из-за этого. Александр Дубейковский — эксперт по машинному обучению в бизнесе (3 года в Яндексе), ментор студентов и школьников в IT, выпускник Школы анализа данных от Яндекса. В этом видео — разбор главных причин, почему компании не зовут на интервью, даже если у вас есть курсы, pet-проекты или базовые знания. И что действительно нужно показать, чтобы вас позвали на реальный ML-собес. Без мотивационного шума. Только то, что влияет на оффер. Вы узнаете: • Почему работодатели не берут джунов без опыта (и что на самом деле за этим стоит) • Какие признаки «неготового кандидата» видны сразу • Как подготовиться, чтобы пройти первое интервью даже без опыта • Что написать в резюме и портфолио, чтобы получить ответ • Как не застрять между курсами и первой работой Подходит тем, кто: • начинает карьеру в Data Science или ML • прошёл курсы, но не может пробиться на собес • не понимает, как перейти от обучения к реальной работе Подпишитесь, если хотите честный и системный разбор реальности в ML, без хайпа и обещаний «оффер за 2 недели». Это часть обучающей серии MLinside, где мы говорим о том, что действительно влияет на карьеру. Тайм-коды: 00:00 – Почему компании не берут джунов в ML 00:27 – История: как пройти собес без олимпиад и ШАДа 01:22 – Зачем компаниям выращивать специалистов под себя 03:55 – Что должно быть в резюме начинающего ML-инженера 04:57 – Что нужно знать, чтобы пройти собес 06:24 – Где искать вакансии, стажировки и полезные каналы 07:27 – Как использовать предыдущий опыт вне ML 08:42 – Лайфхак: как попасть на собес через рекомендации 10:26 – Что писать, чтобы вас порекомендовали 11:22 – Финал: мотивация и реальный путь в профессию
https://t.me/ml_inside - подписывайтесь на наш Телеграм-канал mlinside.ru - курс "База ML" mlinside.ru/business - курс "ML в бизнесе" https://stepik.org/course/218409/promo?utm_source=youtube&utm_medium=social&utm_campaign=youtube-video-29-11-24&clckid=a8c2f911 - демо-курс "База ML" Многие новички уверены, что главное — пройти курс и выучить термины. Но на деле джунов в ML и Data Science не берут вовсе не из-за этого. Александр Дубейковский — эксперт по машинному обучению в бизнесе (3 года в Яндексе), ментор студентов и школьников в IT, выпускник Школы анализа данных от Яндекса. В этом видео — разбор главных причин, почему компании не зовут на интервью, даже если у вас есть курсы, pet-проекты или базовые знания. И что действительно нужно показать, чтобы вас позвали на реальный ML-собес. Без мотивационного шума. Только то, что влияет на оффер. Вы узнаете: • Почему работодатели не берут джунов без опыта (и что на самом деле за этим стоит) • Какие признаки «неготового кандидата» видны сразу • Как подготовиться, чтобы пройти первое интервью даже без опыта • Что написать в резюме и портфолио, чтобы получить ответ • Как не застрять между курсами и первой работой Подходит тем, кто: • начинает карьеру в Data Science или ML • прошёл курсы, но не может пробиться на собес • не понимает, как перейти от обучения к реальной работе Подпишитесь, если хотите честный и системный разбор реальности в ML, без хайпа и обещаний «оффер за 2 недели». Это часть обучающей серии MLinside, где мы говорим о том, что действительно влияет на карьеру. Тайм-коды: 00:00 – Почему компании не берут джунов в ML 00:27 – История: как пройти собес без олимпиад и ШАДа 01:22 – Зачем компаниям выращивать специалистов под себя 03:55 – Что должно быть в резюме начинающего ML-инженера 04:57 – Что нужно знать, чтобы пройти собес 06:24 – Где искать вакансии, стажировки и полезные каналы 07:27 – Как использовать предыдущий опыт вне ML 08:42 – Лайфхак: как попасть на собес через рекомендации 10:26 – Что писать, чтобы вас порекомендовали 11:22 – Финал: мотивация и реальный путь в профессию