Как стать Data Scientist: история Еркебулана Аскарбекова

В этой статье выпускник AUCA рассказал, как пошагово выстроил карьеру в Data Science, с какими трудностями сталкивался, что помогло пройти собеседования и почему честность и любознательность оказались важнее заученных определений. 

Еркебулан Аскарбеков, город — Бишкек, Data Scientist/ ML engineer, LinkedIn

О себе

Я Data Scientist с математической базой и опытом в построении аналитических систем, машинном обучении, AI и автоматизации процессов. Окончил Американский университет в Центральной Азии в Бишкеке по специальности «Прикладная математика и информатика». Поступил туда благодаря гранту программы USCAEF, который полностью покрывал стоимость обучения.

В IT я пришел через увлечение математикой и программированием еще в школе — с интересом изучал основы разработки ПО. В университете начал глубоко заниматься Python и темами анализа данных и машинного обучения. На сегодняшний день работаю Data Scientist в компании MDigital, где участвую в создании и интеграции ML/AI моделей. Параллельно преподаю курс по Data Science в университете INAI, обучая студентов основам этой сферы.

О первой работе в IT

Свою самую первую профессиональную практику я проходил в Научно-исследовательской станции РАН в Бишкеке в 2022 году, когда учился на третьем курсе университета, в возрасте 22 лет. Это была больше научная и смежная с IT позиция, связанная с Data Science и Data Engineering. Я занимался переносом научных расчетов с MATLAB — специализированного языка для технических вычислений — на Python. Кроме того, автоматизировал работу с данными и их обработку, интегрируя скрипты с лабораторным оборудованием, используемым в экспериментах. Это дало мне первый опыт работы в команде, пусть и больше исследовательской.

Уже после выпуска в 2023 году у меня появился первый именно коммерческий опыт — я устроился аналитиком данных в местную ритейл-компанию. Там участвовал в разработке и внедрении системы DWH — хранилища данных, а также BI-отчетности, которая позволяла бизнесу лучше видеть свои ключевые показатели.

Однако в том же году осенью я решил не останавливаться и получил возможность пройти стажировку для повышения квалификации в США, в Вашингтоне, округ Колумбия. Там я участвовал в проектах, связанных с анализом климатических рисков, исследовал возможности применения ML и AI, а также помогал в их интеграции в системы для аналитиков и экспертов, включая задачи, которые шли в отчеты для Всемирного банка.

Если резюмировать, мои первые шаги в профессии складывались так: от научной среды и автоматизации, через работу в ритейле и бизнес-аналитике, до участия в международных проектах по оценке рисков с использованием данных и моделей ML. Это дало мне хороший и достаточно разноплановый старт в профессии.

Учебную стажировку я получил благодаря партнерству моего университета с научной станцией, поэтому здесь особо проблем не возникло — это был естественный шаг в рамках учебы. А вот стажировку, уже направленную на повышение карьерной квалификации, я получил благодаря гранту от тех же организаций, которые когда-то дали мне возможность учиться в AUCA. Этот грант позволил пройти программу в Вашингтоне, и так я оказался в США.

Что касается моего первого коммерческого опыта, то тут все было довольно просто — я искал вакансии на позиции Entry Level, которые так или иначе были связаны с данными, чтобы после выпуска не терять время и сразу начать развиваться в профессии перед стажировкой в США — а уже потом осенью улетел на нее. В целом можно сказать, что все эти шаги были для меня логичным продолжением пути, чтобы как можно быстрее начать применять свои знания в реальной работе.

Что на международной стажировке, что в местной компании процесс собеседования всегда шел примерно одинаково и состоял из двух этапов. Первый этап — это всегда так называемые soft skills, где проверяют умение работать в команде, спрашивают про общий опыт и навыки. С такими интервью у меня никогда не было проблем, потому что я всегда говорил, как есть, и охотно рассказывал про свой опыт и точку зрения.

Второй этап — больше технический, где зачастую бывают тестовые задания — либо сразу на месте, либо могут дать какой-то срок на выполнение. К этой части, конечно, всегда нужно быть готовым как специалисту, но я считаю, что не обязательно зубрить все понятия, синтаксис и прочие мелкие детали. Лично я стараюсь запоминать именно суть и логику концепций, а не просто фактические знания, хотя, конечно, практика никогда не помешает, и я периодически стараюсь что-то повторять.

В частности, если говорить про сферу данных, то типичные вопросы почти всегда о знании Python — это уже must have язык для работы с данными на всех этапах. Также часто спрашивают базовые вещи по программированию, про базы данных и их устройство. А могут попасться и какие-то более специфические вопросы в зависимости от того, на какой проект ты собеседуешься.

Профильное образование по прикладной математике и информатике стало для меня прочной основой во всех вопросах, связанных с данными. Я бы даже сказал, что само по себе умение думать как математик и видеть логику процессов помогает изнутри понимать задачи, которые встают на работе.

Но, конечно, не стоит забывать и про личные качества, особенно в наше время, когда все динамично развивается, появляются новые технологии, новые подходы, и нужно постоянно успевать за этим. Здесь могу с уверенностью сказать, что любознательность мне сильно помогает и по сей день.

Ну и отдельно отмечу для себя честность и открытость — они всегда здорово помогали на собеседованиях и при поиске работы. Я считаю, что нет смысла тратить ни свое время, ни время работодателя, и гораздо лучше сразу честно сказать, что умеешь, что хочешь развивать, где пока мало опыта. Это, по моему мнению, только плюс и для меня, и для компании.

О трудностях

Трудности однозначно были. Даже чтобы попасть на стажировку, часто требуют знания почти всего стека технологий, особенно в наше время. У меня тоже были случаи, когда собеседования заканчивались неудачей — где-то просто-напросто не хватало знаний или опыта для конкретной позиции, а иногда могло и не повезти с самой компанией. Ведь бывает и так, что процесс найма у работодателя построен не самым лучшим или даже совсем нелогичным образом.

В целом считаю, что это вполне нормальная часть пути в IT, особенно в начале. Такие трудности помогают понять, какие навыки стоит развивать, и учат спокойнее воспринимать отказы.

Всегда, когда была возможность, старался получить хоть какую-то обратную связь, потому что для меня это важно — понять, где конкретно может быть слабое место и что можно улучшить. Если честно, никогда не пытался драматизировать или сильно переживать такие моменты. Я всегда понимал, что в наше время ситуация в IT разная и что сам процесс найма порой бывает не самый логичный и даже немного хаотичный, так что здесь многое зависит не только от тебя.

Поэтому я просто продолжал откликаться дальше — не зацикливался на одном отказе или одной компании, а параллельно занимался самообучением, чтобы каждый раз подходить чуть более подготовленным. Также я старался изучать сам рынок, смотреть, какие на данный момент требования, что спрашивают на собеседованиях, какие есть подходы, фишки, как лучше отвечать на вопросы, и потихоньку это все примерял на себя.

В итоге, считаю, это самая правильная стратегия: не опускать руки, а наоборот, использовать каждый отказ как повод еще раз пробежаться по своим знаниям и улучшить что-то у себя. Плюс со временем приходит и больше уверенности, потому что начинаешь понимать, что и сам по себе процесс устройства на работу — это тоже опыт, который в будущем сильно помогает.

На самой работе у меня были самые типичные трудности, которые бывают почти у всех — это акклиматизация. Когда приходишь в новое место, все равно поначалу непривычна атмосфера, чужие процессы, другие люди, и от этого может даже появиться какое-то неуютное ощущение. Но я считаю, что это нормально. Главное — найти общий язык с коллегами и выстроить с ними адекватные отношения. У меня в целом такие вещи довольно быстро сходили на нет буквально в первые дни или недели, как только уже втягиваешься в команду.

А если говорить про какие-то технические трудности, то тут все просто: если что-то реально упиралось в знания или опыт, я всегда спокойно просил помощи у тех коллег, у кого в этой теме больше компетенции. По моему мнению, это намного лучше, чем сидеть и часами пытаться самому что-то раскопать, когда можно спросить и разобраться быстрее, да еще и чему-то у них научиться. В общем, все, что казалось трудным в начале, со временем решалось именно за счет общения и открытости — и это, кстати, тоже один из важных выводов для меня. 

3 совета молодым специалистам, которые хотят найти работу в IT:

1. Развивайте pet-проекты и ведите их на GitHub как портфолио. Это отличное практическое подтверждение ваших навыков, и даже если нет желания или уверенности их показывать работодателям, все равно это большой плюс для вас самих. Любой опыт перед настоящей работой всегда помогает быстрее влиться в реальные задачи.
2. Работайте над проектами с другими и заводите профессиональные знакомства. Это не только про командную работу, где можно многому научиться у других, но и про нетворкинг. Зачастую именно через знакомства в среде IT и не только, особенно сегодня, когда многие сферы взаимодействуют, открываются новые возможности и интересные вакансии.
3. Не бойтесь откликаться и не бойтесь ошибок. Многие слишком долго ждут «идеального момента», чтобы начать искать работу или подаваться. А на самом деле лучше пробовать и даже где-то спотыкаться, чем сидеть и ждать. Через эти попытки и приходит опыт — и технический, и просто человеческий.