Наука и карьера в Data Science в Сбере: как все совмещать? | Мария Тихонова

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" Мария Тихонова — кандидат компьютерных наук, доцент ВШЭ и руководитель исследований в команде AGI NLP в Сбере. Один из ведущих специалистов в области обучения и оценки больших языковых моделей. В интервью Мария рассказывает о своем пути в Data Science — от мехмата МГУ и Школы Анализа Данных (ШАД Яндекса) до работы в крупнейшей компании страны. Обсуждаем, как проходит день дата-сайентиста в Сбере, какие навыки нужны, чтобы попасть в такую команду, и как совмещать карьеру, науку и личную жизнь. Это разговор о машинном обучении, развитии в профессии и реальных вызовах работы с передовыми технологиями. Тайм-коды: 00:00 - Введение и знакомство с гостем 01:10 - Как совмещать работу и личную жизнь? Лайфхаки от Марии 07:47 - Работа в R&D и преподавание 14:01 - Работа и карьерный рост в Сбере 16:30 - Один день data scientist-а в R&D Сбера 22:03 - Плюсы и минусы работы в R&D DS крупных компаний 23:32 - Как устроен процесс найма дата сайентистов в Сбер? 27:40 - Нужно ли техническое образование для карьеры в DS? Мехмат, топовые вузы и альтернативные пути 30:33 - Как попасть в Сбер и другие крупные компании? Советы 34:30 - Как Сбер инвестирует в AI-проекты? Количество проектов и масштабы 38:39 - Профессиональная мечта Марии: какой проект в будущем? 40:09 - Самые значимые проект в карьере Марии 41:50 - ШАД и первые шаги в машинном обучении 49:11 - Как поступить в ШАД? Кому это действительно нужно? Советы 55:11 - Нужны ли алгоритмы в реальной работе ? 59:29 - Кому стоит попробовать себя в преподавании? 1:00:29 - Как избежать профессионального выгорания? Спорт, отдых и баланс 1:07:11 - Заключение: топ-3 совета для тех, кто хочет войти в Data Science