#ЦМФ #Подкаст | Google | МГУ | Yandex | Kaggle | Leetcode | Python | С++ | Java | Go | Трансформеры
Подкаст ЦМФ о data science:
Илья Езепов — data scientist в Google, преподаватель (и выпускник) ЦМФ
0:10 Абсолютное первое место на межнаре по естественным наукам
1:53 Почему Факультет наук о материалах МГУ
3:06 Учёба на ФНМ
4:32 ММАЭ ЭФ МГУ
6:20 “Странные были курсы по выбору, где ты ничего не выбираешь“
7:42 Куда катится наш любимый МГУ
9:55 “Я больше фанат самообразования“
11:05 Могут ли школьники работать в data science
12:46 Московская биржа
14:21 Как пришёл к data science
15:37 “Про R есть отличная шутка: у этого языка программирования самая сильная сторона - что его придумали хардкорные математики, а самая слабая сторона - что его придумали хардкорные математики“
16:50 Как попал в Яндекс
19:13 Яндекс Крипта
20:25 От стажёра до Team lead в Яндексе
22:34 Задача в Яндексе
24:22 Зарплаты в Яндексе
26:29 Agoda - азиатский Booking
28:46 “Дневники Ильи в Тайланде“
31:54 Задачи в Agoda
35:43 Почему Google
37:44 Почему Швейцария
40:02 Как в Google и Facebook выбираются задачи
42:06 Собеседования в Big Tech (Google, Facebook, Amazon)
45:44 Как придумать твиттер (интервью по архитектуре)
49:57 Grokking the system design interview
52:50 Машинное обучение на собеседованиях
53:58 В Big Tech на одном ML уехать далеко не получится
55:14 “Leetcode: открываете и просто решаете оттуда задачи“
55:46 Почему выбрал Google, а не Facebook
56:56 “Когда собеседуетесь, собеседуйтесь во много компаний, если у Вас на руках несколько оферов - это добавляет колоссальное количество сил к переговорам“
58:02 Google Assistant на Android
58:15 “А какая будет погода на выходных?“
59:28 “Я делаю самые разные штуки: и придумываю фичи, и тюню модельки (такой классический data science) и довольно много я начал в Google заниматься мониторингами качества - разрабатывать метрики для A/B-тестов, когда кто-то сделает новую версию модели, как понять что она лучше или хуже работает“
59:50 “Всё своё, ничего опенсорсного почти что нет“
1:00:29 Python vs. Java, C , Go
1:02:00 Машинное обучение на девайсе
1:02:40 “Задачи в Google, в принципе, ты выбираешь сам, по крайней мере, если совсем, вдруг стало плохо, то можно ротироваться внутри Google между командами“
1:04:05 Менеджеры & tech lead’ы, Agile, Scrum, Спринты & стендапы
1:05:12 Performance review & повышения
1:05:58 Data science и прога в работе
1:07:20 Типичный рабочий день
1:08:35 “У меня гибкий график“
1:09:25 Насколько просто перейти в поиск или Youtube
1:10:10 Нужна ли релокация при переходе на другой проект
1:11:21 DeepMind
1:12:25 “Privacy - это огромная история“
1:13:08 Mission Control в Google
1:14:30 Google vs. Яндекс
1:15:38 “Если работать в России, я бы работал в Яндексе, я думаю“
1:15:55 Зарплаты в Big Tech
1:17:31 Zebra
1:18:53 Собственный стартап
1:19:51 Data science - спорт, наука, искусство или рутинная работа?
1:22:08 “Почти всегда время, потраченное на поиск новых данных, оно будет эффективнее, чем на придумывание новых фичей“
1:23:38 Kaggle Competitions Master
1:24:12 “Во многом благодаря Kaggle новые архитектуры быстрее намного попадают в продакшн“
1:24:50 Для кого Kaggle
1:25:58 “Мне кажется, какое-то время назад на Kaggle произошёл сдвиг и крутые data scientist’ы уступили крутым спортсменам“
1:27:05 Появление трансформеров
1:28:48 Академический data science
1:29:51 “У меня есть патент за работу в Яндексе“
1:30:38 Спортивный, академический и индустриальный data science
1:33:01 Как изменился data science (и как повлияли hard и soft)
1:36:20 Трансформеры: как работают и какие задачи решают
1:37:26 «Attention is all you need»
1:40:07 Передний край data science: трансформеры и обучение с подкреплением
1:42:25 Каким будет data science и какими будут data scientist’ы в будущем
1:43:55 В чём драйв в занятии data science
1:45:38 Долгосрочные цели
1:47:01 Почему ещё не Ironman
1:48:01 В чём смысл жизни и в чём смысл жизни data scientist’a
1:49:21 “В ЦМФ был огромный акцент на полезность знаний“
1:50:38 О своём подходе к преподаванию на ЦМФ
1:52:18 “Это было супер полезно для меня в плане структурирования знаний и какие-то связи я приобрёл ценные“
1:53:15 Советы студентам
1:56:48 “В IT минимальную роль будет играть диплом“
Лекция Ильи по Big Data:
Регистрация на программы «Количественная аналитика», «Анализ данных» и «Web3: DeFi & NFT-разработка» ЦМФ:
#Подкаст
#Google #МГУ #Yandex #Kaggle #Kaggle_Competitions_Master #Leetcode #Python #С #Java #Go #Трансформеры #Agoda #DeepMind #Agile #YouTube #помощник_Android #Android #ФНМ_МГУ #ЭФ_МГУ #Релокация #Швейцария #Англия #Тайланд #собеседования #job_market #job_market_interview
#Центр_математических_финансов #ЦМФ #Финансовая_эконометрика #Финансовая_математика #Случайные_процессы #Количественные_финансы #Количественная_аналитика #Data_Science #Анализ_данных #1_уровень #2_уровень #проекты #Риск_менеджмент #Финансовая_аналитика #Факультет_информатики #Факультет_финансов #УNVRSTY #YNVRSTY #Математика_в_экономике #Математика_в_финансах
15 views
7
3
1 year ago 01:58:21 5
#ЦМФ #Подкаст | Google | Межнар | МГУ | Yandex | Kaggle | Leetcode | Python | С++| Go | Трансформеры
2 years ago 00:04:33 35
#ЦМФ. #Алготрейдинг | Оптимизация портфеля криптовалют с использованием методов машинного обучения
2 years ago 00:09:32 11
#ЦМФ. Проект по теории вероятностей, математической статистике и случайным процессам
2 years ago 00:05:54 34
#ЦМФ. Проект по написанию прайсера деривативов (подзадачи: интерполяция и биномиальная модель)
2 years ago 00:09:23 6
#ЦМФ. Формирование инвестиционного портфеля методами машинного обучения и финансового анализа
2 years ago 00:05:21 8
#ЦМФ. Прогнозирование вероятности дефолта розничных заёмщиков методами машинного обучения