После една година полна со учење, задачи, менторирање и успешно завршени проекти, стигнавме до ново вработување на студент од Академијата за Data Science. Второ по ред во нашата партнерска компанија, i.ERP од Словачка, што работи во доменот на AI powered Business Predictions.
Ивона Ристова покажа навистина високи перформанси на Академијата и беше во групата студенти кои беа предложени за вработување до нашите партнери i.ERP. По спроведените интервјуа, Ивона и Никола беа одбрани како првите кои ќе се приклучат на нивниот тим на позиции Junior Data Scientists.
Дознај како Ивона за една година од инженер за планирање стигна до кариера во Data Science и тоа во престижна интернационална компанија.👇🏻
На Академијата за Data Science ќе се стекнеш со напредни вештини, техники и алатки кои ќе ти помогнат да стигнеш до кариера како Data Scientist. Бројот на места за следната група е ограничен, затоа побрзај и фати си го твоето на време.
Ивона, пред сѐ, честитки за одлично завршениот тимски проект и новата работна позиција во i.ERP – нашата партнерска компанија од Братислава која работи во доменот на Ai. Да почнеме од почеток, како ти се роди желбата за Data Science?
Благодарам за честитките и секако за интервјуто. Помислата за кариера во Data Science е мошне привлечна, но патувањето знае да биде тешко. Јас се сметам за личност која сака постојано да учи. По завршување на факултет почнав да работам со податоци и нивна обработка и анализа. Секако, напредокот на технологијата овозможува пософистициран начин за ваква обработка и анализа, па Data Science беше логично продолжение на приказната.
Кој беше пресуден момент да се одлучиш за промена на кариера од инженер за планирање и оптимизација, во Data Scientist?
Како што напоменав, анализата на податоци подразбира имплементација на статистички методи па Data Science беше идеално надополнување на искуството кое веќе го имав. Веќе бев заинтересирана за напредни методи за анализа на податоците и да најдам начин да им дадам дополнителна вреднос. Податоците постанаа богатство со кое располагаат сите компании, но не сите го користат. Целта е тие податоци да се искористат на правилен начин за да се добие бизнис модел кој ги опишува податоците и ни носи придобивка.
Data Science како најтешка академија во Brainster бара да го “загрееш столчето” и една година да посветиш само на учење. Колку сметаш дека посветеноста ти помогна да дојдеш до вработување на струката веднаш по завршување на Академијата?
За да може да се искачи планината потребно е да се поминат многу премини. Секако дека без мака нема наука. И покрај одреденото насочување кое го имав претходно, овие резултати не се постигнуваат без посветеност. Реално, ова е само почеток на мојата приказна, сега кога темелите се поставени. Следна фаза е да се работи на преостанатите делови. Академијата е првиот чекор со кој влегуваме во оваа наука, учиме како функционира и која е суштината. Но, пристигнувањето до целта зависи од тоа колку поединецот е спремен да се посвети и да се жртвува во процесот. Има многу што да се дискутира на оваа тема, но секако посветеноста и упорноста се исплатливи.
Работата на реален проект е фокална точка на Академијата. Со искуството од оваа практична работа, колку се чувствуваш спремна да одговориш на новите предизвици што ќе ги имаш како Data Scientist во i.ERP?
Реалниот проект е најважниот дел од програмата со кој студентите и практично влегуваат во светот на податоците. Тука се применуваат сите претходно совладани методологии и се имплементира знаењето. Овде секако доаѓа до израз и тимската соработка – поделбата на обврски за да може да се постигне целта. iERP e компанија во која со труд и упорност може да се успее и постигне резултат. Јас сум благодарна што во тимот имам од кој да учам и да го надоградувам она што го имам како основа, а тоа е најважно за напредок во областа.
Како “Инженер за планирање и оптимизација” имаш работено со VBA. Но, на Академијата се изучува доста понапреден toolkit кој е базиран на Python и ти го совлада со високи перформанси. Од тука, кои се идеални предиспозиции за да бидеш добар во програмирање или работа со податоци? Напреден Ексел?
Основата за обработка на податоци и анализа е она што сакаме да го истакнеме од податоците. Начинот на интерпретација на резултатите е различен. Со помош на Python може многу повеќе да ги истакнеме вредностите на податоците. Овде има библиотеки кои се многу напредни и со нив многу брзо се прават анализите, кои во Excel се преобемни дури и невозможни.
Ако треба да сублимирам, важно е да ја знаеме областа во која ги анализираме податоците, со тоа секако веќе имаме предност. Но, ако ја знаеме и математичката позадина тоа е еден веќе параметар со кој газиме на црвсто тло. Статистиката е таа која не води низ податоците, алатките се оние кои само ни овозможуваат сите тие анализи да ги преточиме да бидат прилагодливи за реискористување. Затоа би реккла, математика и статистика дека се најважните предиспозиции за секој што се интересира за работа со податоци.
Machine Learning. Реално, што е потребно за успешно да се совладаат предизвиците што произлегуваат од овој модул?
Многу учење, упорност и издржливост. 🙂
За крај, што би им препорачала на сите што размислуваат за почнување обука во Data Science и на нашите активни студенти кои се во различни фази од програмата?
Дајте им можност на податоците да ви раскажат приказна која вие може да ја преточите во слика… Уметноста на податоците е тежок предизвик, тоа може да го потврдам со 95% точност. 🙂
