mail group официальный сайт обучение

Mail.ru Group открывает набор на бесплатные курсы по программированию и автотестированию

Мы запускаем два бесплатных онлайн-курса: по системному программированию на Perl и автоматизированному тестированию на Python. Выпускники получат сертификат и возможность попасть на оплачиваемую стажировку в Mail.ru Group.

Новые курсы — это платформа для студентов и аспирантов любых факультетов и вузов, которые хотели бы попасть в ИТ-индустрию. За один семестр можно освоить профессию на уровне младшего специалиста. Преподаватели — эксперты из Mail.ru Group. На курсе программирования вы научитесь создавать высоконагруженные приложения на Perl и работать с базами данных. А студенты курса автоматизированного тестирования на Python смогут с нуля прокачать навыки в построении процессов автоматизации и тестирования.

Программа обучения составлена так, чтобы студенты получили знания и умения, которые нужны работодателям. На курсе проходят теорию и решают задачи, с которыми сталкиваются специалисты в повседневной работе.

Лучшие выпускники смогут попасть на стажировку в Mail.ru Group. Точнее, мы называем её НЕстажировка, потому что это полноценная оплачиваемая работа в компании. Студенты смогут подать заявки на закрытые вакансии, пройти собеседование и начать строить карьеру уже во время учебы в вузе.

Обучение начнется в марте и будет проходить на онлайн-площадке Mail.ru Group. Его легко совмещать с учебой в вузе: занятия проходят по вечерам и занимают четыре часа в неделю, не считая времени на выполнение домашних заданий.

Чтобы попасть на обучение, нужно до 28 февраля подать заявку и пройти вступительные тесты. Для этого потребуется иметь общее представление об ИТ и некоторые базовые навыки. Подготовиться к тесту можно самостоятельно, материалы для этого есть на страницах курсов. На каждый курс примут до 100 студентов.

Источник

Онлайн-университет от Mail.Ru Group с гарантированным трудоустройством

Если вы ещё не слышали о нашем совместном с Mail.ru Group онлайн-университете для программистов, запишитесь на этот мастер-класс. Сейчас в GeekUniversity открыт набор на 4 факультета (Веб, iOS, Android, Java), где студенты осваивают навыки Middle-разработчика и гарантированно начнут карьеру в IT-компаниях.

В первой части мастер-класса вы узнаете:
— Какие практические навыки и теоретические знания необходимы программисту для старта карьеры?
— Какие существуют плюсы и минусы образования в ВУЗах?
— Что дают дипломы и сертификаты при трудоустройстве и можно ли обойтись без них?
— На что обращают внимание HR’ы при отборе кандидатов?

Во второй части мастер-класса вы узнаете:

Записывайтесь, все эти вопросы мы обсудим на мастер-классе!

Выпускник факультета вычислительной математики и кибернетики МГУ. За 6 лет прошел путь от младшего программиста до руководителя группы разработчиков. Разрабатывал несколько порталов для Центробанка, высоконагруженную систему.

Источник

GeekUniversity — первый в России онлайн-университет с гарантированным трудоустройством

Новость для тех, кто мечтает заниматься разработкой сайтов, веб- или мобильных приложений. Образовательный IT-портал GeekBrains и Mail.Ru Group запустили совместный проект — первый в России онлайн-университет, готовящий веб-разработчиков, Android- и iOS-программистов. Студенты GeekUniversity смогут пройти путь от новичка до middle-разработчика всего за год.

На данный момент в GeekUniversity открыт набор на два факультета — веб- и Android-разработки. В ближайшем будущем к ним добавится программирование на Java и под iOS-устройства. Обучение в университете платное; все занятия проходят онлайн. Преподавать будут IT-специалисты из ведущих российских компаний, в том числе Mail.Ru Group, Альфа-Банк, Avito и др. Выпускники GeekUniversity получат свидетельство, подтверждающее полученную квалификацию. Также их ждет гарантированное трудоустройство: HR-специалисты предложат варианты вакансий, помогут пройти собеседование и начать карьеру в одной из компаний-партнеров университета.

Поступить в онлайн-университет может любой желающий. Абитуриент должен обладать базовыми навыками программирования: для поступления нужно успешно пройти онлайн-тестирование на сайте GeekUniversity. Те, кто не справился с тестом, смогут добрать недостающие знания на подготовительных курсах университета.

Программа обучения рассчитана на 350 академических часов, интенсивность занятий — три-четыре урока в неделю. Упор делается на реальные задачи и способы их решения. Студенты получат знания и навыки, необходимые для начала карьеры, и будут применять их на практике, занимаясь разработкой собственных проектов. Кроме того, за каждым студентом закрепляется личный наставник — программист с опытом работы, который сможет оперативно ответить на возникающие вопросы.

В программе обучения также есть курсы по развитию так называемых soft skills. Например, студентов научат, как работать в команде и эффективно готовиться к собеседованию.

Источник

Материалы открытого курса OpenDataScience и Mail.Ru Group по машинному обучению и новый запуск

Недавно OpenDataScience и Mail.Ru Group провели открытый курс машинного обучения. В прошлом анонсе много сказано о курсе. В этой статье мы поделимся материалами курса, а также объявим новый запуск.

UPD: теперь курс — на английском языке под брендом mlcourse.ai со статьями на Medium, а материалами — на Kaggle (Dataset) и на GitHub.

Кому не терпится: новый запуск курса — 1 февраля, регистрация не нужна, но чтоб мы вас запомнили и отдельно пригласили, заполните форму. Курс состоит из серии статей на Хабре (Первичный анализ данных с Pandas — первая из них), дополняющих их лекций на YouTube-канале, воспроизводимых материалов (Jupyter notebooks в github-репозитории курса), домашних заданий, соревнований Kaggle Inclass, тьюториалов и индивидуальных проектов по анализу данных. Главные новости будут в группе ВКонтакте, а жизнь во время курса будет теплиться в Slack OpenDataScience (вступить) в канале #mlcourse_ai.

План статьи

Чем курс отличается от других

1. Не для новичков

Часто вам будут говорить, что от вас ничего не требуется, через пару месяцев вы станете экспертом анализа данных. Я все еще помню фразу Andrew Ng из его базового курса «Machine Learning»: «вы не обязаны знать, что такое производная, и сейчас вы разберетесь, как работают алгоритмы оптимизации в машинном обучении». Или «вы уже почти что эксперт анализа данных» и т.д. При всем безмерном уважении к профессору — это жесткий маркетинг и желтуха. Вы не разберетесь в оптимизации без знания производных, основ матана и линейной алгебры! Скорее всего вы не станете даже Middle Data Scientist, пройдя пару курсов (включая наш). Легко не будет, и больше половины из вас отвалится примерно на 3-4 неделе. Если вы wannabe, но не готовы с головой погрузиться в математику и программирование, видеть красоту машинного обучения в формулах и добиваться результатов, печатая десятки и сотни строк кода — вам не сюда. Но надеемся, вам все же сюда.

В связи с вышесказанным мы указываем порог вхождения — знание высшей математики на базовом (но не плохом) уровне и владение основами Python. Как подготовиться, если этого у вас пока нет, подробно описано в группе ВКонтакте и тут под спойлером, чуть ниже. В принципе можно пройти курс и без математики, но тогда см. следующую картинку. Конечно, насколько дата саентисту нужно знать математику — это холивар, но мы тут на стороне Андрея Карпатого, Yes you should understand backprop. Ну и вообще без математики в Data Science — это почти как сортировать пузырьком: задачу, может, и решишь, но можно лучше, быстрее и умнее. Ну и без математики, конечно, не добраться до state-of-the-art, а за ним следить очень увлекательно.

Математика

Python

2. Теория vs. Практика Теория и Практика

Курсов по машинному обучению полно, есть действительно классные (как специализация «Машинное обучение и анализ данных»), но многие сваливаются в одну из крайностей: либо слишком много теории (PhD guy), либо, наоборот, практика без понимания основ (data monkey).

Мы ищем оптимальное соотношение: у нас много теории в статьях на Хабре (показательна 4-я статья про линейные модели), мы пытаемся ее преподнести максимально понятно, на лекциях излагаем еще более популярно. Но и практики море — домашние задания, 4 соревнования Kaggle, проекты… и это еще не все.

3. Живое общение

Чего не хватает в большинстве курсов — так это живого общения. Новичкам порой нужен всего один короткий совет, чтобы сдвинуться с места и сэкономить часы, а то и десятки часов. Форумы Coursera обычно к какому-то моменту вымирают. Уникальность нашего курса — активное общение и атмосфера взаимоподдержки. В Slack OpenDataScience при прохождении курса помогут с любым вопросом, чат живет и процветает, возникает свой юмор, кто-то кого-то троллит… Ну а главное, что авторы домашних заданий и статей — там же в чате — всегда готовы помочь.

4. Kaggle в действии

Из паблика ВКонтакте «Мемы про машинное обучение для взрослых мужиков».

Соревнования Kaggle — отличный способ быстро прокачаться в практике анализ данных. Обычно в них начинают участвовать после прохождения базового курса машинного обучения (как правило, курса Andrew Ng, автор, безусловно, харизматичен и прекрасно рассказывает, но курс уже сильно устарел). У нас в течение курса будет предложено поучаствовать аж в 4 соревнованиях, 2 из них — часть домашнего задания, надо просто добиться определенного результата от модели, а 2 других — уже полноценные соревнования, где надо покреативить (придумать признаки, выбрать модели) и обогнать своих товарищей.

5. Бесплатно

Ну тоже немаловажный фактор, чего уж там. Сейчас на волне распространения машинного обучения вы встретите немало курсов, предлагающих обучить вас за весьма кругленькую компенсацию. А тут все бесплатно и, без ложной скромности, на очень достойном уровне.

Материалы курса

Здесь мы вкратце опишем 10 тем курса, чему они посвящены, почему без них не может обойтись курс базового машинного обучения, и что нового мы внесли.

Тема 1. Первичный анализ данных с Pandas. Статья на Хабре

Хочется сразу начать с машинного обучения, увидеть математику в действии. Но 70-80 % времени работы над реальным проектом — это возня с данными, и тут Pandas очень хорош, я его использую в работе практически каждый день. В статье описываются основные методы Pandas для первичного анализа данных. Затем мы анализируем набор данных по оттоку клиентов телеком-оператора и пытаемся «прогнозировать» отток без всякого обучения, просто опираясь на здравый смысл. Недооценивать такой подход ни в коем случае нельзя.

Тема 2. Визуальный анализ данных c Python. Статья на Хабре

Роль визуального анализ данных сложно переоценить — так создаются новые признаки, ищутся закономерности и инсайты в данных. К.В. Воронцов приводит пример, как именно благодаря визуализации догадались, что при бустинге классы продолжают «раздвигаться» по мере добавления деревьев, и потом уже этот факт был доказан теоретически. В лекции мы рассмотрим основные типы картинок, которые обычно строят для анализа признаков. Также обсудим то, как вообще подглядеть в многомерное пространство — c помощью алгоритма t-SNE, который порой помогает рисовать вот такие елочные игрушки.

Тема 3. Классификация, деревья решений и метод ближайших соседей.
Статья на Хабре

Тут мы начнем говорить про машинное обучение и про два простых подхода к решению задачи классификации. Опять же, в реальном проекте надо начинать с самых простых подходов, и именно деревья решений и метод ближайших соседей (а также линейные модели, следующая тема) стоит попробовать в первую очередь после эвристик. Затронем важный вопрос оценки качества моделей и кросс-валидацию. Подробно обсудим плюсы и минусы деревьев и метода ближайших соседей. Статья длинная, но в особенности деревья решений заслуживают внимания — именно на их основе выстроены случайный лес и бустинг — алгоритмы, которые вы наверное будете больше всего использовать на практике.

Тема 4. Линейные модели классификации и регрессии.
Статья на Хабре

Эта статья уже будет размером с небольшую брошюру и недаром: линейные модели — самый широко используемый на практике подход к прогнозированию. Эта статья — как наш курс в миниатюре: много теории, много практики. Мы обсудим, каковы теоретические предпосылки метода наименьших квадратов и логистической регрессии, а также в чем плюсы практического применения линейных моделей. Отметим при этом, что излишнего теоретизирования не будет, подход к линейным моделям в машинном обучении отличается от статистического и эконометрического. На практике мы применим логистическую регрессию уже ко вполне реальной задаче идентификации пользователя по последовательности посещенных сайтов. После четвертого домашнего задания отсеется много народу, но если вы его все-таки сделаете, то будете иметь уже очень неплохое представление о том, какие алгоритмы используются в production-системах.

Тема 5. Композиции: бэггинг, случайный лес. Статья на Хабре

Тут опять и теория интересная, и практика. Мы обсудим то, почему для моделей машинного обучения работает «мудрость толпы», и много моделей работают лучше, чем одна, даже лучшая. А на практике покуртим случайный лес (композицию многих деревьев решений) — то, что стоит попробовать, если вы не знаете, какой алгоритм выбрать. Подробно обсудим многочисленные плюсы случайного леса и области его применения. И, как всегда, не без недостатков: все же есть ситуации, когда линейные модели будут работать лучше и быстрее.

Тема 6. Построение и отбор признаков. Приложения в задачах обработки текста, изображений и геоданных. Статья на Хабре, лекция про регрессию и регуляризацию.

Тут план статей и лекций немного расходится (всего один раз), уж слишком велика четвертая тема линейных моделей. В статье описаны главные подходы к извлечению, преобразованию и построению признаков для моделей машинного обучения. Вообще это занятие, построение признаков, — наиболее творческая часть работы Data Scientist-а. И конечно, важно знать, как работать с различными данными (текстами, картинками, геоданными), а не просто с готовым датафреймом Pandas.

На лекции опять обсудим линейные модели, а также основную технику настройки сложности ML-моделей — регуляризацию. В книге «Deep Learning» даже ссылаются на одного известного товарища (лень лезть за пруф-линком), который утверждает, что вообще «все машинное обучение — суть регуляризация». Это, конечно, преувеличение, но на практике, чтобы модели хорошо работали, их надо настраивать, то есть именно правильно использовать регуляризацию.

Тема 7. Обучение без учителя: PCA, кластеризация. Статья на Хабре

Тут мы переходим к обширной теме обучения без учителя — это когда есть данные, а вот целевого признака, который хотелось бы прогнозировать — вот его нет. Таких неразмеченных данных пруд пруди, и надо уметь и из них извлекать пользу. Мы обсудим только 2 типа задач — кластеризацию и снижение размерности. В домашнем задании вы будете анализировать данные с акселерометров и гироскопов мобильных телефонов и пытаться по ним кластеризовать носителей телефонов, выделять типы активностей.

Тема 8. Обучение на гигабайтах c Vowpal Wabbit. Статья на Хабре

Теория тут — это разбор стохастического градиентного спуска, именно этот метод оптимизации позволил успешно обучать и нейронные сети, и линейные модели на больших обучающих выборках. Тут мы также обсудим, что делать, когда признаков становится уж слишком много (трюк с хэшированием значений признаков) и перейдем к Vowpal Wabbit — утилитке, с помощью которой можно за считанные минуты обучить модель на гигабайтах данных, да порой еще и приемлемого качества. Рассмотрим много приложений в различных задачах — классификации коротких текстов, а также категоризации вопросов на StackOverflow. Пока перевод именно этой статьи (в виде Kaggle Kernel) служит примером того, как мы будем подавать материал на английском на Medium.

Тема 9. Анализ временных рядов с помощью Python. Статья на Хабре

Тут обсудим различные методы работы с временными рядами: какие этапы подготовки данных необходимы для моделей, как получать краткосрочные и долгосрочные прогнозы. Пройдемся по различным типам моделей, начиная от простых скользящих средних и заканчивая градиентным бустингом. Также посмотрим на способы поиска аномалий во временных рядах и поговорим о достоинствах и недостатках этих способов.

Тема 10. Градиентный бустинг. Статья на Хабре

Ну и куда без градиентного бустинга… это и Матрикснет (поисковая машина Яндекса), и Catboost — новое поколение бустинга в Яндексе, и поисковик Mail.Ru. Бустинг решает все три основные задачи обучения с учителем — классификации, регрессии и ранжирования. И вообще его хочется назвать лучшим алгоритмом, и это близко к правде, но лучших алгоритмов не бывает. Но если у вас не слишком много данных (влезает в оперативную память), не слишком много признаков (до нескольких тысяч), и признаки разнородные (категориальные, количественные, бинарные, и т.д.), то, как показывает опыт соревнований Kaggle, почти наверное лучше всего в вашей задаче себя проявит градиентный бустинг. Поэтому недаром появилось столько крутых реализаций — Xgboost, LightGBM, Catboost, H2O.

Опять же, мы не ограничимся мануалом «как тюнить иксжбуст», а подробно разберемся в теории бустинга, а затем рассмотрим его на практике, в лекции дойдем и до Catboost. Тут заданием будет побить бейзлайн в соревновании — это даст неплохое представление о методах, работающих во многих практических задачах.

Подробнее о новом запуске

Курс стартует 5 февраля 2018 года. В течение курса будут:

Как подключиться к курсу?

Формальной регистрации не нужно. Просто делайте домашки, участвуйте в соревнованиях, и мы учтем вас в рейтинге. Тем не менее, заполните этот опрос, оставленный e-mail будет вашим ID во время курса, заодно напомним о старте ближе к делу.

Площадки для обсуждения

Удачи! Напоследок хочу сказать, что все получится, главное — не бросайте! Вот это «не бросайте» вы сейчас пробежали взглядом и скорее всего даже не заметили. Но задумайтесь: именно это главное.

Источник

Факультет
веб-разработки

Факультет
веб-разработки

Научим веб-разработке с нуля: вы пройдёте путь от создания макетов до оптимизации баз данных и алгоритмов. После обучения получите практический опыт и сможете развивать высоконагруженные проекты.

Кому подойдет курс

Станьте веб-разработчиком с нуля

Как вы найдете работу с помощью GeekBrains

Гарантия трудоустройства закреплена в договоре. Если после успешного обучения вы не найдёте работу, мы вернём вам деньги

Наши студенты достигают успеха

Программа обучения

Подготовительный блок

Верстка

Frontend-разработка

Backend-разработка магазина

Агрегатор данных

Soft skills

Курсы с открытой датой

Проекты студентов

В каждой четверти студенты выполняют проект самостоятельно или в команде. Посмотрите на проекты наших студентов уже после первых месяцев обучения:

TravelKeeper

Работа студентов по итогам IV четверти обучения

GbMoney

Работа студентов по итогам IV четверти обучения

CarServices

Работа студентов по итогам IV четверти обучения

Financyst

Работа студентов по итогам V четверти обучения

IT-Tandem

Работа студентов по итогам V четверти обучения

BrainTraining

Работа студентов по итогам III четверти обучения

Вас будут обучать топовые эксперты

Вместе мы позаботимся о вашем профессиональном будущем

Ваше резюме после обучения

Станьте дипломированным специалистом

Мы дарим подарки всем студентам

Факультет
веб-разработки

Научим веб-разработке с нуля: вы пройдёте путь от создания макетов до оптимизации баз данных и алгоритмов. После обучения получите практический опыт и сможете развивать высоконагруженные проекты.

Вениамин Шитиков

— Вениамин, какое у тебя было образование и где ты работал до GB? Откуда у начальника склада подготовка, чтобы выиграть бесплатное обучение IT-профессии при огромном конкурсе? 🙂

— Образование было высшее, но очень далекое от веб-разработки. В 2001 году я окончил Ташкентский университет информационных технологий по специальности «радиосвязь, радиовещание и телевидение».

Первый опыт в программировании получил самостоятельно — пробовал изучать язык Java. А позже, когда узнал о конкурсе на бесплатное обучение в GeekBrains, начал активно подтягивать знания.

— Ты родился в Узбекистане?

— Родился я в Ленинграде, но, когда мне было семь лет, мы с мамой переехали в Ташкент. Там я вырос, окончил школу и университет. В 2002 году переехал обратно в Питер к отцу. Считаю себя петербуржцем до глубины души: люблю свой город со всеми его дождями, парадными, поребриками и гречей с курами.

Тем не менее, когда мне предложили работу в GeekBrains, ни грамма не сомневался, что нужно ехать в Москву.

— Когда ты понял, что разработка — это твое?

— Стало нестерпимо на старой работе. Так получилось, что по возвращении из Ташкента мне нужно было заново получать гражданство. Куда устроиться человеку без гражданства? На склад. Так я стал кладовщиком, что на тот момент было очень неплохо.

К 2013 году я вырос в начальника большого склада. Первое время было интересно и финансово все устраивало. Но за пять лет многое изменилось. Сейчас логистика — звено, на котором все пытаются экономить. И получается, что работы на складах становится больше, а зарплата не растет. Изменилось и отношение к этой сфере. Я понял: надо что-то менять.

Проанализировал рынок вакансий и свои сильные стороны: образование и математические способности, — решил попробовать себя в программировании.

Сначала я выбрал язык Java: читал о нем, пробовал писать код и убедился, что мне это интересно. Начал искать курсы и узнал про GeekBrains. Собирался записаться на платное обучение, но увидел, что проходит замечательный конкурс. Можно было выиграть бесплатное обучение фронтенду или Ruby.

— И почему между Frontend и Ruby ты выбрал первое?

— Это произошло спонтанно: для поступления на специальность «frontend-разработка» во вступительных задачах нужно было использовать JavaScript. По сравнению с Ruby язык JS показался мне более близким к Java и потому более понятным.

Позднее, уже в процессе учебы, я пришел к выводу, что сделал правильный выбор. В JavaScript я нашел то, чего мне не хватало в Java, — прежде всего, возможность быстро видеть результат своей работы.

— Задания показались тебе простыми?

— Не простыми, но понятными. Решающую роль при отборе кандидатов играли тесты по дискретной математике. На этот этап организаторы отвели участникам три попытки. С первой попытки одолеть все задачи не получилось, зато я понял, какие темы надо подтянуть, и стал готовиться дальше. На второй раз — где-то через неделю подготовки — прошел тест без проблем.

— Какую практику ты получил за время обучения? Какой проект делал совместно с другими студентами в рамках командной разработки? Какие задачи достались конкретно тебе?

— Мы с двумя ребятами-бэкендерами сделали сервис для владельцев парковок Parking online. Это решение для автоматизации учета и управления, а также электронное рабочее место для оператора парковки.

Для меня это был первый большой проект и очень крутой опыт. Изначально мы собирались развивать сервис, но потом я понял, что на данном этапе мне интереснее именно разработка. Да и остальным тоже. К сожалению, хостинг сайта был платным и уже закончился, но на YouTube осталась презентация и серия обучающих видео по работе с сервисом.

По ходу учебы мы выполняли много мелких задач в рамках практических заданий. А еще я многое писал для себя, когда вникал в технологии. Я быстро понял, что основательно разобраться в чем-то можно, только когда набьешь руку.

Поэтому весь код, написанный за время учебы и по собственной инициативе, я выкладываю в свой репозиторий на GitHub. Считаю, это очень важно — из небольших проектов разработчик собирает себе портфолио.

— После обучения профессии ты остался в GeekBrains на стажировку. Что она собой представляла? Сколько длилась? Кто все это курировал?

— Фактически стажировка представляла собой настоящую работу — задача была максимально приближена к боевой: мы переписали на React один из разделов сайта GeekBrains. Правда, полностью сделать это не успели — через месяц меня взяли на постоянную работу и начались другие задачи.

Дело в том, что переписывание работающего кода, приведение его к более современному и чистому виду — важная, но не первостепенная задача. В живом проекте всегда есть вещи более нужные и актуальные в конкретный момент.

Курировал нас тимлид из GeekBrains. Я и сейчас в его команде. Испытательный срок уже позади. Кстати, в Mail.ru есть традиция: после успешно пройденного испытательного срока тебе дарят тапки с логотипом компании. 🙂 Чтобы ты чувствовал себя как дома.

— Чему пришлось учиться в период стажировки?

— С самого начала пришлось осваивать новые технологии: GraphQL, TypeScript, Apollo, Styled components.

— Когда ты шел на стажировку, ты уже знал, что по итогу можешь получить позицию Junior в GB?

— Да, нам сказали, что по результатам кого-то из нас могут взять на работу. Как я говорю своей дочери, взрослый мир не дает гарантий, но дает возможности.

— Какие остались впечатления от учебы?

— Очень понравилось, но было сложно. Большинство ребят у нас в группе уже имели опыт верстки и/или программирования, а мне приходилось изучать все с нуля. Иногда я сидел за компьютером всю ночь, чтобы вовремя сдать практические задания по курсу HTML.

Для меня обучение на реальных проектах — дополнительная мотивация. Здесь ты не можешь все забросить и убедить себя, что потом начнешь заново. На тебе ответственность, и ты делаешь, что можешь. К счастью, если что-то непонятно, есть возможность обратиться за помощью к руководителю и коллегам.

— Стек технологий, который ты сейчас используешь на работе, сильно изменился со времен учебы?

— Практически не изменился. Использую базовые вещи, изученные в GB: современный JS, React, HTML 5, CSS-grid, плюс технологии, освоенные на стажировке (их я назвал выше).

— В каком направлении собираешься развиваться дальше, что изучать?

— Сейчас осваиваю React Native. Буду дальше развиваться как frontend-разработчик. Мне нравится это направление — оно востребовано и, как мне кажется, на этом поприще у меня многое получается. Тем более, есть у кого учиться: мне очень повезло с тимлидом. Помимо обширных знаний он обладает отменным терпением. 🙂

Так что в заключение хочу сказать спасибо GeekBrains. На своем опыте могу утверждать: здесь обучают специалистов, которых сами готовы взять на работу.

Михаил Каюмов

— Расскажи, пожалуйста, о себе. Где ты получил высшее образование?

— Я изучал технологии машиностроения в Уральском политехническом колледже, на бюджетном отделении. Мне близки технические науки. Потом устроился оператором станков на завод. Работал успешно, и начальство предложило мне стать технологом-программистом. Конечно, я не отказался, и всему научился прямо на рабочем месте.

— Что делает технолог-программист?

— Я писал управляющий код для станков. Для этого используется специализированное программное обеспечение, которое входит в группу CAMCAD. Станки режут, точат, изготовляют детали по чертежам. Я проработал в этой сфере пять лет, поменял несколько мест.

— Почему решил сменить профессию?

— На определённом этапе в моей работе потребовались знания JavaScript и HTML. Я начал изучать веб-разработку самостоятельно и постепенно понял, что я могу сменить сферу деятельности. Такие мысли появились и из интереса к программированию, и из-за того, что на заводе платили мало. На жизнь хватало, но хотелось большего.

Я скачивал книжки, смотрел видеоуроки, много читал. HTML освоил достаточно легко, а с JavaScript всё было сложнее — это же мой первый язык программирования. Потом понял, что информации в интернете недостаточно, к тому она плохо систематизирована. Поэтому задумался о том, чтобы найти курсы, где все сложные вопросы разбирались бы шаг за шагом. Кроме того, у меня бы появилась строчка об образовании в резюме.

— Сложно было совмещать учёбу с работой?

— Было просто, пока работал на старой работе, на заводе. В 95% случаев я успевал вовремя смотреть вебинары и делать практическое задание. Но вот когда устроился программистом, стало гораздо сложнее.

— Как ты нашёл работу по своей новой специальности, PHP-разработчика?

— Я почувствовал в себе нужную уверенность где-то через полгода после начала учёбы. Разместил резюме на hh.ru. Прошёл три-четыре собеседования с тестовыми заданиями в разных местах и устроился на нынешнюю работу — в екатеринбургскую компанию «Центр развития молодёжи». Месяц испытательного срока трудился удалённо, а потом вышел на постоянную работу в офис.

И вот тогда учиться стало гораздо сложнее. Работа отнимала куда больше сил и внимания, приходилось разбираться в новых задачах, в том числе дома. Но с тех пор прошёл год, и сейчас уже чувствую себя гораздо увереннее.

— Как адаптировался на новом месте и в новой профессии?

— Адаптироваться к работе было нетрудно, мне сложнее знакомиться с коллегами. Но они оказались хорошими людьми, меня тепло приняли, и я очень быстро втянулся.

— В чём состояла первая задача, которую тебе дали?

— Это был массовый редизайн небольшой части личного кабинета учителя на одном из наших образовательных проектов. Я справился со всем сам, хотя и пришлось повозиться. Сейчас, кстати, я бы выполнил эту задачу немного по-другому.

— Ты уже закончил обучение, но наверняка продолжаешь развиваться?

— Да, постоянно учусь, ведь всё запомнить невозможно, и на работе всегда есть вопросы, связанные то с PHP, то c JavaScript, то с HTML. Приходится подсматривать в справочники.

И для себя изучаю новые технологии, фреймворки, которые пригодятся в будущем. В свободное время делаю свои маленькие проекты. Это для меня лучший отдых, потому что мне действительно интересно.

— Чем занимается компания, где ты работаешь?

— «Центр развития молодёжи», или CERM.ru, — это образовательная онлайн-платформа с конкурсами-исследованиями для школьников, веб-тренажёрами по разным предметам, учебными пособиями, семинарами и конференциями для учителей.

— В офисе нравится работать или предпочёл бы удалённо?

— Насчёт удалённой работы я пока не уверен — только если взять небольшую подработку. Полностью переходить не готов — и опыта мало, и самодисциплина, честно говоря, хромает.

— Выросли ли доходы после смены профессии?

— Да, я доволен. Получать стал примерно в полтора раза больше. И очень удобно, что офис рядом с домом. Раньше до завода приходилось добираться целый час. Работа нормированная, вечерами мы не задерживаемся. Только если что-то очень срочное, можем на пару часов дольше пробыть в офисе, но такое бывает очень редко.

— Какой стек технологий ты используешь сейчас в работе?

— Нативные языки веб-разработки, то есть JS и PHP. Используем JS ES5, PHP 7, MySQL. Плюс немного мелких библиотек для фронт- и бэк-разработки.

— Какие у тебя планы на развитие?

— Планирую изучить Vue.js и связанные с ним библиотеки. Плюс укреплять знания в вебе.

Наталья Павлова

Студентка Geekbrains — о том, как освоить новую профессию в декрете.

В детстве, как и многие девочки, я была убеждена, что я — чистый гуманитарий. Благодаря фильмам к моменту поступления в вуз я испытывала какой-то особый интерес к профессии психолога. Мне представлялось крайне занятным посвятить свою жизнь помощи людям, приходящим к тебе, чтобы излить душу. Плюс, по стечению обстоятельств, как раз в то время в тренде были два направления: экономисты и психологи. Выбор для меня был очевиден.

Я всегда серьёзно относилась к учёбе, поэтому за полгода села за подготовку, точно зная, куда и зачем хочу идти.

Так я поступила в Московский государственный психолого-педагогический университет на направление «Клиническая психология».

Там у меня началась активная студенческая жизнь, я стала играть в КВН. И, как у любого студента, это занятие отнимало большую часть времени. Учебу не забрасывала, сессию сдавала на 4-5, предметы были интересные, преподаватели хорошие, поэтому мыслей о неправильном выборе профессии во время учёбы не возникало.

Однако учеба в университете подходила к концу, и начались поиски работы — все мои представления о деятельности психологов быстро рассыпались. В частных организациях, где мне могло быть интересно, требовались люди с опытом, а в государственных учреждениях — почти никакой живой работы, сплошная документация.

Соответственно, для того, чтобы заниматься любимым делом, надо было идти учиться дальше, повышать квалификацию.

В тот момент, когда я стала об этом думать, четко поняла, что выпустилась из университета с огромной радостью и больше учиться психологии не хочу.

Но всё-таки диплом о высшем образовании есть — надо идти работать. Была идея пойти в кардинально другую область, начать все с нуля.

Например, стать администратором в кафе, менеджером. В общем, я искала любую интересную работу, предполагающую общение с людьми, возможность развиваться — в первую очередь профессионально — и не сидеть на одном месте. Но почему-то мне не везло.

Возможно, проблема была как раз в том, что я не имела четкого представления о сфере, в которой я бы хотела строить карьеру.

И тут подруга предложила пойти поработать в детский сад, где требовался психолог для нового отделения. Учитывая, что бумажной работы был минимум, а еще предлагали финансовую надбавку к зарплате за молодого специалиста, я без долгих раздумий согласилась.

В саду оказался хороший коллектив, интересная работа и в целом нормальные условия. Все закрутилось.

Я пошла на курсы повышения квалификации, обучилась методике Марии Монтессори, устроилась на подработку в частный детский центр, а потом туда же на постоянное место.

Вскоре я стала ведущим педагогом и уже больше сосредоточилась на административной работе. Конечно, в такой круговерти я и не думала кардинально менять профессию. А потом случился декрет.

Какое-то время я заботилась о ребёнке, не забивая голову мыслями о будущем. Но когда встала речь о возвращении на работу, меня как по голове ударили, одна четкая мысль: «Не хочу возвращаться на свою работу, да и на любую другую, связанную с психологией». Трудно сказать почему. Возможно, повлияло время, проведенное с ребёнком (всё-таки и от детей хочется отдыхать), возможно, как это часто бывает, отдохнула и пересмотрела отношение к профессии.

И я стала искать варианты. Поначалу для одной компании я искала фрилансеров, для другой — работала комьюнити-менеджером. Даже пробовала устроиться сценаристом для компьютерных игр. Но все было не то.

Слово «верстка» появилось в нашем разговоре с мужем случайно, кто-то из знакомых учился на онлайн-курсах.

До этого я очень смутно представляла, что это. Потому и решила узнать.

Сначала посмотрела несколько видео на YouTube, заинтересовалась. Начала пробовать сама — поняла, что нравится. В поисках учебного материала наткнулась на бесплатный вебинар «Как стать веб-разработчиком» с рекламой курсов. После этого у меня не осталось сомнений в будущем.

В тот же день позвонила и поступила на факультет веб-разработки в один онлайн-университет.

В целом, я осталась довольна. Во-первых, потому что в начале шло фронтенд-направление, а как по мне — это самое интересное, то, что я сейчас выбираю для работы.

Верстка и JavaScript заинтересовали настолько, что даже снились по ночам. Понравились и преподаватели, точнее то, сколько они выдали практических кейсов из собственного опыта. И что меня удивило еще больше — первую небольшую удаленную подработку по верстке я нашла еще на первой четверти обучения, просто показав мой учебный проект.

Но какими замечательными бы ни были онлайн-уроки, самоподготовку никто не отменял. Если до поступления на факультет я тратила пару часов в день, то теперь куда больше — 5 часов минимум. Кажется, даже больше.

Мне было не только безумно интересно, но важно сдавать на проверку достойные домашние работы. Главной задачей было лишь спланировать свой рабочий день. К счастью, дети имеют свойство спать днем и рано ложиться, поэтому расписание я делала, подстраиваясь под своего ребёнка: пара часов днем, а остальное время после 22600. Плюс иногда «фоном» пересматривала учебное видео.

Благо муж МЕНЯ в моих начинаниях поддерживал и, если это было необходимо, брал часть домашних дел на себя.

Но даже несмотря на это, сложных моментов было полно. Особенно это касалось JavaScript. Иногда я сидела до поздней ночи, чтобы справиться с заданием, во сне продолжала искать решения, с утра вставала и бежала проверять.

Были и недостатки в процессе обучения. К примеру, встретила пару преподавателей, которые мне не подошли по манере подачи материала. Но после обращения к комьюнити перезаписалась на другой курс. Также мне не нравилось большое количество обязательных, но очень общих предметов. Например, «Компьютерные сети». Хотелось бы больше JavaScript и React. В общем, современное онлайн-обучение ещё имеет пространство для улучшения.

Но вернёмся к моей истории. Первую удочку для поиска работы я закинула в декабре, ближе к концу обучения. К сожалению, вакансий было мало, а работодатели инертны. После праздников, где-то с середины января, дела на бирже стали улучшаться, я поспешила этим воспользоваться: рассылала резюме почти во все компании, где требовались начинающие веб-разработчики (со свежими объявлениями). За день выходило где-то 3 новые вакансии.

В итоге менее чем за 2 недели я собрала 6 успешных откликов!

3 компании прислали тестовые задания, ещё 2 хотели пригласить на собеседование, и ещё одна предлагала место, но не сошлись по графику.

Я выполнила все задания, получила хорошее предложение и уже через месяц после начала поисков вышла на новое место.

В новой профессии мне нравится все. Почти каждый день я сталкиваюсь с новыми интересными задачами. Совершенно нет ощущения рутины, рабочий день пролетает быстро. Я работаю среди людей, которые любят свое дело и даже в свободное время что-то придумывают, делятся интересными наработками.

И, конечно, я продолжаю учиться каждый день, в том числе и на курсах GeekBrains.

Я также читаю всевозможные статьи по HTML, CSS, JavaScript на Хабре.

Помогают и новые коллеги, которые постоянно скидывают статьи, которые пригождаются как в текущей работе, так и в будущем.

В целом, в отличие от профессии психолога, теперь у меня есть сильное желание оставаться и развиваться. Ближайшие планы — поднатореть в вёрстке и JavaScript и подключить React. Эта библиотека мне очень нравится, но пока, к сожалению, с ней не было коммерческих проектов.

Источник