Предисловие

Привет Хабр! Эта публикация написана джуном для джунов (но возможно и специалисты более высокого уровня что-то найдут для себя / своих падаванов).

Зачем нужны pet проекты?

Для саморазвития как разработчика и закрепления изученного материала.

Если Вы днями на пролёт "штурмуете" теорию: читаете посты, смотрите туториалы, но при этом не применяете изученное на практике, то времени на освоение выбранной Вами темы понадобится в разы больше.

Для работающего разработчика pet проект отличная возможность абстрагироваться от рабочих задач и погрузиться в интересную тему. Чаще всего на разработку домашних проектов нет много времени из-за чего код нужно писать быстро и много, а информацию искать по существу не отвлекаясь на лишнее.

Для джуна без постоянного места работы, pet проект заменяет тут самую работу (со стороны разработки). Вы ставите себе задачу/цель и делаете всё возможное что бы её выполнить. При разработке Вы ещё глубже погружаетесь в тему, а иногда находите новые объекты для изучения.

Суммируя pet проекты нам нужны для:

• изучения / закрепления нового материала;

• получения удовольствия от разработки чего-то интересного лично Вам;

• пополнения своего портфолио;

• (bonus) есть шанс что Ваш pet проект может кому-то приглянуться и тогда из этого можно получить финансовую выгоду.

Как выбрать и на что обратить внимание?

Я рассматривал этот вопрос со стороны фронтенд разработчика и возможно для других отраслей приведенные ниже тезисы будут не валидны.

Самое главное разработка должна приносить удовольствие. Технологии, дизайн или что-то ещё не должны вызывать у Вас отвращение, иначе такой pet проект может остановиться на этапе первого коммита.

Технологии

Раз Вы выбрали определенные технологии для своего домашнего проекта, то скорее всего они Вас интересуют и проблема приведенная выше Вас не касается. (Или же Вас заставляют писать на том что Вам отвратно?)

Дизайн

Тут все зависит от человека и ситуации. Есть два варианта:

1. Запариться и сделать крутейший дизайн.

   Плюсы:

   • lvl up как дизайнера;

   • обычно свой дизайн очень приятен;

   • так как это собственный макет Вы в нём хорошо ориентируетесь и ещё на этапе дизайна продумываете некоторые фичи.

   Минусы:

   • обычно на это уходит много времени и может получиться ситуация, что макет создавался дольше чем само приложение.

2. Найти готовый дизайн и работать с ним.

   Плюсы:

   • быстро (хотя поиск может затянуться, об этом ниже);

   • не нужно отвлекаться на дизайн.

   Минусы:

   • не всегда можно найти дизайн для Вашей задумки, особенно если она не типичная;

   • готовые бесплатные макеты не всегда красивые.

Идея

Если авторские идеи не Ваше то на просторах интернета существуют множество тем проектов в которых можно использовать любые нужные Вам технологии.

Вот пару вечно актуальных примеров:

• список задач;

• список задач;

• менеджер покупок;

• сайт портфолио;

• кино сайт;

• калькулятор;

• блог;

• магазин чего-либо.

Личный опыт

В этом блоке я раcскажу как придумывались / создавались мои pet проекты.

Начало (AniList)

Шёл июль 2020 года. Спустя семестр изучения JavaScript'а в колледже я решил изучить какой-то фреймворк. Выбор пал на React. Через пару дней ознакомления с фреймворком я наткнулся на серию видеороликов по разработке веб-приложения пиццерии на ютуб канале Archakov Blog. И решил сразу же применять изученное в видео на реальном проекте, но просто переписывать код из видео в IDE было не интересно. По этому я решил делать аниме список.

Выше я писал про два варианта получения дизайна для проекта. Какой же из вариантов выбрал я при создании макета? Оба. Для начала я зашёл на уже существующие сайты с такой-же тематикой потом пролистал Behance и собрал своего "франкенштейна" из собственных идей и кусков уже готовых дизайнов.

По готовому макету я понял что мне нужно будет где-то брать информацию об аниме (API, AJAX), где-то хранить её (Redux), а также как-то организовать авторизацию и хранение информации о пользователях (Firebase) + работа с версиями файлов(GIT, GitHub). В итоге мне предстояло ознакомиться как минимум с 5 новыми технологиями помимо React.

И в этом я считаю один из плюсов pet проектов. Начиная учить что-то одно, а в конце осваиваешь намного больше чем ожидал.

ToDo list

Следующим проектом должен был стать todo list. Мой одногруппник (тоже начинающий фронтендер) должен был делать frontend на Angular, а я (неожиданно) backend. Тут мне пристояло погрузиться в мир backend'а и может не изучить, но хорошо так ознакомиться с NodeJS, Express, MongoDB, mongoose, cors, dotenv, способами авторизации, деплоем на Heroku и ещё глубже понять работу API.

По итогу вышло так что и я и мой товарищ каждый для себя писали back и front end.

Остальное

Потом было ещё пару проектов. Вкратце напишу что для себя я вынес из них.

Приложение погоды:

• рисование на canvas'е;

• работа с геолокацией;

• анимация React компонентов.

Shedaily (front & back end) - приложение которое парсило расписание из сайта колледжа где я учусь и приводило его в приятный вид:

• парсинг информации из сайта;

• работа с Excel таблицами в NodeJS.

Terminal website - вдохновившись сайтом dodo.dev создал сайт с контактами:

• SCSS;

• Gulp.

Менеджер подписок:

• MobX;

• переключение темы.

Магазин аксесcуаров (backend) (в разработке):

• более глубоко познал MongoDB + mongoose;

• GraphQL.

Портфолио (на стадии дизайна):

• JAM stack;

• Gatsby;

• создание кастомного курсора.

Заключение

Недавно меня постигла идея переписать свой первый pet project (Аниме список), но теперь с новыми навыками: backend на NodeJS, Express, GraphQl вместо Firebase, и frontend React + Apollo Client, ну и дизайн по красивше сделать. Эта мысль является результатом моего прогресcа который я постиг благодаря pet проектам.

Всякое дело совершенствуется овладением техники. Всякий навык достигается упражнением. - Гиппократ

Однажды коллега попросил в чате компании порекомендовать ему курсы. Он писал, что приложения и видео на YouTube не подходят нужен контролирующий преподаватель, чтобы пинал от дедлайна к дедлайну. Со слов разработчика, именно контроль и пинки больше всего остального мотивируют его усваивать новую информацию. Рекомендаций в треде было немного. Кажется, что-то в запросе пошло не так. Давайте разберемся.

Постоянно возникают новые инструменты и фреймворки, пополняются библиотеки у коллеги из первого абзаца, как и у многих других разработчиков, появляется ощущение, что учиться нужно постоянно. А вместе с ним много вопросов. Чему именно учиться? Как не потратить время на то, что скоро станет ненужным? Как учиться так, чтобы действительно прокачать навык, а не задеть его по касательной? Как не перегореть в первую же неделю, а заниматься регулярно?

Управлять этим процессом можем только мы сами: постоянно искать новое, выбирать курсы и школы, мотивировать себя начинать и проходить их до конца никто другой не знает, что именно нам нужно. Все это очень сложно, а времени на учебу остается совсем немного из-за рабочих задач. Поэтому хочется компенсировать этот недостаток эффективностью. Вместе с разработчиками мы попытались разобраться в том, как этого достичь.

Шаг 1. Оценить себя

Для начала стоит оценить свои знания и навыки, свое положение на шкале компетенции. Иногда бывает сложно понять, хороший ты разработчик или нет, что можно улучшить и какие пробелы мешают перейти на новый уровень.

Дня некоторых ясно увидеть ситуацию это как принять холодный душ. Если реальность оказывается гораздо хуже, чем представление о себе, мотивация растет на глазах. Она гораздо сильнее внешних стимулов вроде плохой оценки или замечания от преподавателя.

Однако самостоятельно оценить себя сложно. Больше всего повезло разработчикам в компаниях, в которых есть регулярная оценка компетенций. Один или несколько раз в год можно получить объективный портрет собственных навыков.

Второй способ попросить обратную связь у старшего коллеги. Третий обновить резюме. Свой уровень можно будет прикинуть по задачам и компаниям, которые предложат рекрутеры.

Честная оценка покажет слабые и сильные стороны, а значит, и основные пункты будущей образовательной программы.

Шаг 2. Удерживать фокус

Итак, у нас есть понятные пробелы и понятный учебный план. А с ними вечная прокрастинация. Откладывание на потом это реальная проблема, которую чаще всего нельзя решить с помощью логических доводов и хаков. Все, кто пробовал работать по методу помидора, знают, как легко отвлечься даже при поставленном на пять минут таймере. Важные дела и встречи, разбросанные по всему дню, постоянные позывы переключиться все это мешает сфокусироваться и погрузиться в новую тему.

Поэтому самый главный навык для эффективной учебы (да и работы!) это, пожалуй, управление вниманием. Умение фокусироваться и глубоко погружаться в дело можно тренировать. Поначалу сконцентрироваться будет сложно: постоянно будет возникать желание проверить мессенджер, ленту с мемами, погладить кота.

Можно отслеживать эти позывы и силой возвращать внимание к делу. Для наглядности можно представить, что вы передвигаете что-то физическое и тяжелое, как камень. Первое время, пока навык фокуса не разовьется, за этим камнем придется пристально следить: вы постоянно будете обнаруживать, что он сбежал. Хорошая новость в том, что это продлится недолго фокусом можно будет управлять легко.

Шаг 3. Поддерживать интерес

К новому и сложному очень легко потерять интерес. Не существует универсальных способов гарантированно поддерживать в себе любопытство, поэтому мы спросили о самых действенных решениях у коллег:

На старте не стоит расписывать себе длинную программу обучения. Большой объем предстоящей работы может фрустрировать. Начните с чего-то одного, а когда процесс наладится, построите программу-ориентир.

Также необязательно начинать с начала: часто то, с чего принято погружаться в тему, бывает скучным или оторванным от реальности. Я начинаю сразу с интересного, постепенно возвращаюсь к пропущенным урокам.

Шаг 4.1. Учиться на работе

Один из способов учиться делать это прямо на работе. Конечно, это не значит, что можно смотреть лекции на YouTube вместо своих обязанностей. Когда разработчик попадает в стартап или развивающуюся компанию, ему приходится расти вместе с ней работа заодно становится образовательным проектом.

Например, при поиске нетривиального решения можно рассказать о нем команде, представить альтернативу и объяснить плюсы и минусы разных подходов.

Преподаватели из колледжа Берри еще 30 лет назад провели исследование, которое показало образовательную эффективность объяснения своего решения. Испытуемым предложили различные логические задачи. Одной группе нужно было комментировать решение каждой карточки, второй объяснить свои действия после завершения всего теста, а третья могла вообще ничего не рассказывать.

Результаты показали, что точность ответов на вопросы теста была выше у той группы, которая должна была объяснять свои действия во время решения задач: Почему вы выбрали этот метод?, Почему вы считаете, что здесь должно быть число 7? и так далее. Объяснение после теста тоже хорошо сказалось на итогах. Подробнее об этом можно почитать в статье.

Если компания не требует от разработчика новых решений и большую часть времени занимает работа с легаси, образование придется вынести в отдельный проект.

Шаг 4.2. Учиться вне работы. Когда?

После работы нет сил, а выходные время для семьи и друзей. Когда же учиться? К интересному выводу пришли авторы статьи в журнале Nature. Они провели масштабное исследование онлайн-курсов в области начальной психологии (именно в таком формате сейчас учится большинство людей). Оказалось, что большое влияние на результаты итоговых тестов среди прочего оказала свобода в выборе перерывов между блоками и элементами учебной программы.

Выходит, что кому-то нужно четкое расписание, а кому-то свобода возвращаться к учебнику в любую удобную минуту. Но факт остается фактом: если можно выбрать размер и частоту перерывов между занятиями, итоговые результаты оказываются лучше. Так что прямой способ повысить эффективность своего обучения заниматься в комфортном для себя режиме и делать паузы между подходами.

Расскажите, получается ли у вас постоянно учиться чему-то новому. Как вы решаете проблему прокрастинации и концентрации?

Здравствуйте, дорогой читатель! Сегодня я хочу поделиться своими мыслями и аргументами на тему личного бренда, расскажу подробнее, что это такое, и зачем оно нужно.

Итак, личный бренд это Вы. Да, да, именно Вы. Вы бренд. У Вас есть своя философия, отношение к клиентам и даже логотип! Вы лицо своего бренда, главный идейный вдохновитель, маркетолог и генеральный директор! А клиенты это все люди вокруг, с которыми Вы взаимодействуете. И, конечно, Ваши подписчики и друзья в социальных сетях.

Хм, а какой у каждого логотип-то? Ну, например, отпечаток пальца или лицо. Ваш образ, манера одеваться и даже говорить Ваш фирменный стиль.

Суть в том, что каждый человек уникален, каждый имеет опыт и экспертизу в какой-то области знаний. Как сделать из этого личный бренд?

Очень просто! Начать можно с того, чтобы начать делиться своими экспертными материалами в социальных сетях и на тематических площадках. Но не только! Ваша личная жизнь, Ваш lifestyle это все тоже часть Вашего личного бренда.

Зачем оно нужно Вам?

Личный бренд это доступ в те двери, о существовании которых Вы возможно даже не имели представление. Это новые друзья, знакомства, интересные мероприятия и самое главное деньги! Вам могут предлагать новые дополнительные проекты и заказы, Вас могут просить просто проконсультировать по теме Вашей экспертности. И да, заплатить за это деньги!

Какие бывают сложности?

У 9 из 10 людей сегодня есть определенные сложности в трансляции себя в онлайн. Сколько сторис Вы снимаете каждый день? Ваши друзья знают, как проходит Ваш день?

Многие считают, что делиться своей жизнью не нужно, потому что это никому не нужно и неинтересно. Но это неправда! Большое количество людей с удовольствием будут смотреть, как Вы кодите на работе, как Вы сходили на турник, как Вы выпили сегодня вкуснейший кофе на кокосовом молоке!

Это энергообмен. Когда определенное количество людей вовлечены в Вашу жизнь через онлайн, между вами происходит энергообмен. Ваша жизнь наполняется новыми красками, новыми людьми. Уже скоро Вы не поймете, как жили раньше, как шифровались не понятно от кого. Ок, но от кого Вы скрываетесь?

Попробуйте

Единственный способ понять, Ваше это или нет попробовать. Начните с 3х постов: расскажи о своем хобби, о работе и напишите экспертный пост, который может быть полезен Вашим коллегам (ну или работодателю, который предложит более выгодные условия)

А дальше?

Первый шаг сделан, Вы получили легкую эйфорию и, возможно, с трудом не удалили то, что только выложили. А, может быть, это даже понравилось?

Вас ждёт увлекательное путешествие по развитию личного бренда, где о Вас узнает широкий круг людей.

Интересное наблюдение, что когда Вы открываетесь таким образом миру, мир открывается Вам.

Откуда пошло понятие личного бренда?

Первым упомянул это понятие Наполеон Хилл, который 20 лет брал интервью у самых выдающихся личностей, именно тех людей, которые поставили развитие личного бренда во главу угла своей жизни.

В более современное время этого понятия ярко коснулся в 1997 году журналист Том Петерс в статье The Brand Called You:

Независимо от возраста, независимо от должности, независимо от того, в каком бизнесе мы находимся, все мы должны понимать важность брендинга. Мы являемся генеральными директорами наших собственных компаний: Me Inc. Чтобы быть в бизнесе сегодня, наша самая важная работа-быть главным маркетологом для бренда под названием You.

Это так просто и так трудно. И это неизбежно.

Зачем развивать личный бренд айтишнику?

Ок, сухо несколько фактов:

1. Вы начнете зарабатывать больше, проверено! Ваша экспертиза начнет расти, Вы начнете больше ценить себя, и люди вокруг тоже

2. Со временем Вы даже сможете уйти из найма и построить свою команду со своими правилами! Вас уже будут знать, как эксперта, к Вам будет доверие!

3. Вы сможете путешествовать, жить на море и вообще, где угодно! Если Вы еще этого не сделали, конечно

4. Social Proof. Если у Вас здесь большое сопротивление, то это Ваша самая большая точка роста! Если Вы интроверт по своей сути, то это не значит, что Вы не можете преломить и изменить ход своей истории. Даже интроверты сейчас развивают личный бренд!

5. Признание. Овации. О Вас будут говорить, Вами будут восхищаться (но и критиковать, конечно, тоже).

Если я Вас не убедил ни на 1%, то напишите мне 5 доводов, чтобы не делать этого, не развивать личный бренд, мне всегда интересно обратное мнение!

Часто бывает так, что хочется, но не можется, нет сил, времени, смелости или знаний. Тогда приходите ко мне! У меня свой проект по раскачке личного бренда. Будем работать индивидуально, я сам прошёл этот путь (сложный переход в открытость) и знаю, каково это! Присоединяйтесь!

Какие условия нужно соблюдать для развития личного бренда:

1. Честность. Если Вы встаете на путь развития себя как личного бренда, то предстоит избавиться от любого вранья, который Вы будете транслировать в онлайн.

2. Открытость. Здесь бывают сложности, потому что изначально у всех у нас нет привычки делиться своей жизнью с другими людьми. Нам просто кажется, что это не будет никому интересно. Но это не так.

3. Любовь к людям. Так как развитие личного бренда непосредственно связано со взаимодействием с людьми, этот пункт никак нельзя убрать из основных ингредиентов для успеха.

Это основа для старта и крепкого фундамента, а дальше маршрут будет у каждого свой.

Мощные инструменты для раскачки личного бренда:

1. Социальные сети. Самый простой и доступный способ создать и развить свой личный бренд. Для этого достаточно начать периодически транслировать свою жизнь, а также создавать полезный контент и делиться своей экспертностью.

2. СМИ, тематические издания. Далеко не все люди любят что-то писать, тем более большие статьи, но этот способ будем лучшим подтверждением Вашей экспертности. Дальше я расскажу, как найти площадку для публикации.

3. Вебинары, онлайн-мероприятия. Пока что ещё не так много мест, где можно провести свой вебинар на готовую аудиторию. Но если задаться этим вопросом, то можно найти площадки, где можно будет выступить онлайн. Например, социальная сеть КлабХаус, где каждый желающий может получить возможность на голосовое выступление.

4. Оффлайн мероприятия. Следующим шагом будет уже живое выступление перед аудиторией. Здесь можно получить реальную известность среди определенного сообщества. Обычно такой метод продвижения личного бренда вызывает наибольшую сложность. Но там, где большее сопротивление, также и самая большая точка роста. Каждый эксперт проходил через это.

Нам нужен план

Итак, для успешного развития себя как личного бренда необходимо прежде всего составить план, он будет включать в себя:

1. Контент-план для социальных сетей. Это необязательно скрупулезный план постов с четкими датами и временем. Однако Вам нужно выбрать хотя бы 5 рубрик, которые Вы будете освещать онлайн. Например, это могут быть Ваше хобби, личная жизнь, 2 рубрики с экспертными материалами и просто советы и инсайты.

2. План по собственному развитию. Вас следует определиться, какие навыки Вы будете развивать в себе в ближайший год. Какие курсы Вы посетите? Какие пройдете мастер-классы и тренинги? Может быть, Вы давно хотели обучиться слепой печати на клавиатуре?

3. План по публикациям. С помощью поиска в Яндекс и Гугл можно найти список онлайн-площадок, на которых можно опубликовать свой материал по определенной тематике. После того, как Вы нашли такие, то в некоторых изданиях нужно написать редактору, чтобы согласовать свой материал (его тему). Там, где этого делать не нужно, Вы можете самостоятельно определить тему статьи, которую будете размещать.

4. План-целеполагание. Чтобы наш корабль пришел в нужное место назначение, нам нужно определить конечную точку в которую мы идем. Например, набрать 100 новых подписчиков в Инстаграм, выступить на оффлайн мероприятии, написать 3 статьи и провести свой вебинар.

Какие ресурсы помогут начать публиковать себя:

1. PressFeed это замечательная площадка, где журналисты, редакторы, издатели и владельцы компаний публикуют запросы на экспертные материалы, вебинары и комментарии. Каждый день Вам на почту будет приходить список актуальных запросов

2. Хабр. Здесь Вы можете зарегистрироваться, как частный специалист и начать публиковать свои материалы. Это совсем не страшно, главное сделать первый шаг.

3. Также Вы можете озадачиться поиском других ресурсов, где можно свободно публиковаться (например, есть авторитетные онлайн-площадки Spark, Vc, Тиньков Журнал и много много других). Смотрите порталы для айтишников!

4. Вы удивитесь, но Вы даже сможете опубликоваться в Forbes, Деловом Мире или Газета.ру

Где брать фотографии?

Чтобы лента красиво смотрелась и выглядела на экспертном уровне прежде всего стоит отказаться от некачественных фото. Как это сделать? Очень простой лайфхак заведите себе одну классную привычку просить людей сфоткать Вас. Вы наверняка бываете периодически в каких-то новых интересных местах. Для старта хватит таких фото. А дальше уже можно устраивать себе фотосессии хотя бы раз в два месяца. Знаю, что для айтишника это что-то с другой планеты, но после первого раза Вы обязательно поймете ценность этого события и даже войдете во вкус.

Как писать посты?

Писательство это навык, который можно развить в себе, как и любой другой. Нужно только постоянная практика. Самое сложное это начать. Поэтому я рекомендую создать для себя атмосферу, в которой никто и ничто не будет отвлекать и написать хотя 3-4 строчки, а дальше просто отключить голову, перестать как-либо оценивать написанное и продолжать, пока хватит запала. Авиарежим на телефоне Вам в помощь.

Никто не обязывает Вас сразу выкладывать написанное. Для начала можно тренироваться в заметках или в ворде. Важен каждый подход, тут главное выработать привычку.

Никто точно не скажет Вам, какой должен быть тон общения с читателем, в каком стиле Вам общаться с человеком по ту сторону.

Но помните, что главная задача текста это донести информацию. Поэтому сконцентрируйтесь на потенциальном человеке, который будет Вас читать и пишите так, как будто Вы просто разговариваете с ним.

Как начать развивать личный бренд?

1. Зарегистрироваться под настоящим именем и написать область своей экспертности, область в которой Вы сейчас развиваетесь. Не обязательно быть супер-известным и авторитетным, чтобы просто написать область своей деятельности.

2. Составить контент-план, план по развитию и план по своим публикациям

3. Начать систематически следовать плану, выработать привычку добывать новые фото и писать новые тексты

Если Вы действительно нацелены развивать себя как эксперта, развивать свой личный бренд, я могу стать Вашим проводником, коучем и помощником на этом нелегком пути!

Какие бывают сложности

1. Нет мотивации. Определите для себя, для чего это нужно Вам? Например, Вы уперлись в потолок, но хотели бы зарабатывать больше. Или Вы хотели бы со временем уйти из работы в найме.

2. Нет времени. Для работы над личным брендом не требуется много времени. Если Вы будете выделять всего 30 минут в день на это, то через год у Вас уже будет многое выстроено и начнет работать на Вас! Вы можете всего небольшую часть времени перестать тратить на развлекательный контент и уделить время себе.

3. Нет сил. Обычно в начале дня у нас самое ресурсное состояние. Поэтому занимайтесь личным брендом именно в это время. Тогда у Вас всегда будут силы!

4. Страшно. Первые шаги делать особенно сложно, и встает множество вопросом и препятствий внутри. Постарайтесь договориться с собой и следовать плану, который я описал выше.

Что еще полезного можно почитать?

Для себя открыл одну интересную книгу, которая поможет получить полезную информацию для продвижения себя Фрипаблисити. Автор книги публиковалась в самых авторитетных изданиях и круто выстроила свой личный бренд. Однажды она просто сделала этот выбор.

Почему бы не попробовать и Вам?

Друзья, я буду очень рад вашей обратной связи, мыслям и комментариям на этот счет. Как я уже писал, я веду свой онлайн-курс, где помогаю раскачивать личный бренд людям и запускаю с ними проекты, буду рад новым людям!

В соответствии с концепцией спирального подхода к обучению, о которой писал ранее, привожу поэтапный план освоения data science. План составлен так, чтобы каждый этап делал учащегося в той или иной степени лучше подготовленным к выполнению реальных задач. Такой подход вдохновлен идеологией Agile в том смысле, что сколько бы времени вы ни уделили обучению и в какой бы момент ни остановились, у вас будет наиболее востребованный набор знаний из возможных к освоению за такое время.

Объяснить данную логику также можно от обратного: опасно сразу учить нейронные сети, т.к. не востребован человек знающих о них что-то, но не умеющий эффективно применять на практике. И, например, можно за 300 ч получить какой-то набор знаний, который не делает вас достаточно хорошим специалистом для решения каких-либо реальных задач, и не позволит найти даже начальную работу чтобы продолжить развивать эти навыки.

Если учиться по предложенному плану - на каждом этапе будет повышаться шанс найти такую работу, чтобы навыки, необходимые для дальнейшего роста, также могли бы совершенствоваться и в ходе реальной работы.

Для каждого этапа указываю ориенторовчные трудозатраты, при условии более-менее эффективного подхода и изучении только минимально необходимого объема (при неэффективном подходе - каждый пункт можно учить в десять раз дольше)

Позднее, в отдельной статье напишу хорошие курсы и книги, соответствующие каждому этапу (некоторые курсы и книги для первых этапов уже указал ранее в первой статье этой серии).

Этап 1. Базовые инструменты анализа данных: SQL, Excel

• SQL, основы (20ч). Самостоятельное знание SQL может пригодится для выполнения кучи других задачи. И оно, в любом случае, необходимо для большой (большей?) части вакансий на позицию аналитика, дата сайентиста и, тем более, machine learning engineer.

• Основы Excel (10ч): фильтры и сортировка данных, формулы, vlookup, pivot tables, базовая работа с графиками. Коллеги, партнеры или руководство будут присылать входящие данные в excel, и вам нужно будет уметь их быстро понять и изучить. Нередко и результаты анализа сделанного на Питоне удобнее подготовить и предоставить в Excel.

• Базовый английский (20-200ч, зависит от предыдущего уровня), на уровне самостоятельного чтения технической документации и спец.литературы. Например, вам совершенно необходимо уметь читать официальную документацию pandas/scikit, и также многие хорошие материалы по Python доступны только на английском.

В некоторые компании с таким набором знаний берут на позиции: аналитика/ младшего аналитика/ веб-аналитика. В Москве хорошие знания этих вещей могут, иногда, давать ЗП до 100тыс, но вероятнее ЗП порядка 50-70 тыс и начальная позиция .

Этап 2. Основы Python и Pandas

• Основы Python (80ч). Без знания Питона невозможно использовать львиную часть инструментов машинного обучения. Другие языки менее эффективны в этой сфере и непопулярны.

• pandas (20 ч) - основа основ в работе с данными в Питоне. На первых порах достаточно хотя бы самых базовых знаний: индексирование, выбор данных по условиям, группировка данных, и соединение разных датафреймов

• Также научиться основам работы с разными API и парсингом данных (requests, beatiful soup)

На этом этапе дополнительные знания Python позволяют вытаскивать данные из разных API, или путем веб-парсинга.

Возможно, на работе в позиции аналитика от вас не будуд ожидать знаний Питона. Но вы можете сами найти где его применить, автоматизировать что-либо, и получить большой плюс в глазах работодателя (помимо ценного опыта для себя). Шансы на трудоустройство на этом этапе не вырастут, но может вырасти зарплата, если эффективно это будете применять.

Этап 3. Базовые понятия и классические алгоритмы машинного обучения

(Этот этап может занять 200-400 ч в зависимости от того, насколько хорошо изначально вы владеете математикой)

Базовые понятия машинного обучения:

• Кросс-валидация

• Overfitting

• Регуляризация

• Data leakage

• Экстраполяции (понимание возможности в контексте разных алгоритмов)

Базовые алгоритмы, которые достаточно знать на уровне главных принципов:

• Прогнозирование и классификация:

  • Линейная регрессия

  • Дерево решений

  • Логистическая регрессия

  • Random forest

  • Градиентный бустинг

  • kNN

• Кластерзиация: k-means

• Работа с временными рядами: экспоненциальное сглаживание

• Понижение размерности: PCA

Базовые приёмы подготовки данных: dummy переменные, one-hot encoding, tf-idf

Математика:

• умение считать вероятности: основы комбинаторики, вероятности независимых событий и условные вероятности (формула Байеса).

• Понимать смысл фразы: "correlation does not imply causation", чтобы верно трактовать результаты моделей.

• Мат.методы, необходимые для полного понимания, как работают ключевые модели машинного обучения: Градиентный спуск. Максимальное правдоподобие (max likelihood), понимание зачем на практике используются логарифмы (log-likelihood). Понимание как строиться целевая функция логистической регрессии (зачем log в log-odds), понимание сути логистической функции (часто называемой "сигмоид"). С одной стороны, нет жесткой необходимости всё это понять на данном этапе, т.к все алгоритмы можно использовать как черные ящики, зная только основные принципы. Но понимание математики поможет глубже понять разные модели и придать уверенности в их использовании. Позднее, для уровня senior, эти знания являются уже обязательным:

Без практических навыков знания данного этапа мало повышают ваши шансы на трудоустройство. Но значительно облегчают общение с другими дата-сайентистами и открывают путь для понимания многих дальнейших источников (книг/курсов) и позволяют начать практиковаться в их использовании.

Этап 4. Набор базовых навыков решения задач

Цель данного этапа - получение навыков применения всех ранее изученных методов машинного обучения с помощью scikit-learn, pandas (numpy).

По сути, это практика по теоретическим знания предыдущего этапа. Имеет смысл отвести на это 100-300ч. И важнее уметь хотя бы как-то применять все указанные выше методы, чем дотошно разобраться в одном из них.

Тут же следует инвестировать время в изучение разных приёмов и трюков feature engineering

По завершению данного этапа есть шанс устроиться на позицию junior data scientist. ЗП будет низкая. Но главное будет продолжать учиться. До достижения уровня senior возможность учиться у коллег ценнее, чем текущая зарплата.

Знакомство с основами нейронных сетей

На данном этапе может быть полезно знание основ нейронных сетей, CNN, RNN/LSTM слоев, vector embeddings. Но не обязательно уметь тренировать их самому, на данном этапе. Пока это важно для "общего развития" и чтобы вы не хотели применять нейронные сети там, где без можно обойтись, и, наоборот, понимали где они могут быть полезны и когда имеет смысл или обращаться к коллеге уже их знающему, или браться за глубокое изучение и практику.

Также данный этап должен позволить примерно оченить сколько ресурсов от вас это потребует, если вы решите в это нырнуть.

Рекомендую ограничить это объемом в 20-40ч, необходимым только для общего понимания концепций.

Этап 5. Дополнительные технические навыки, необходимые в работе

Данные этап может занять 60-200ч, в зависимости от степени перфекционизма. Оптимальным кажется изучить всё на столько, чтобы понимать ключевые принципы и команды, но не обязательно тренироваться на большом количестве учебных примерах, т.к. если удастся устроиться на работу, то получение практики и оттачивание навыков можно делать уже в процессе работы

• Conda, понимание проблем зависимостей версий библиотек, и как conda это может решить

• основы bash

• Python standard library, если не освоили ранее (необходимый минимум itertools, collections, contextlib), умение эффективно разбивать код на функции и модули, классы; умение применять context managers.

• Основы git, также очень полезно умение работать с IDE: pycharm/vs code. Их использование облегчит работу с git, заменив графическим интерфейсом работу с командной строкой

• Библиотеки визуализации (matplotlib+seaborn, plotnine, plotly), если не освоили их раньше.

С таким багажом знаний наверняка можно найти позицию джуниор дата сайентиста (может называться по-другому, но суть та же).

В принципе, на этом уровне знаний можно работать годами, практикуясь в применении разных из уже изученных моделей, библиотек и инструментов, осваивая вспомогательные методы (feature engineering), нюансы, и способы решения похожих же задач, с помощью разных библиотек (xgboost, cat-boost). Постепенно будет уровень рост ЗП. Но это не уровень Senior специалиста.

Изучаем по необходимости, этапы 2-5

Визуализация данных

В какой-то момент времени вам потребуется уметь визуализировать данные, с которыми вы работаете. Имеет смысл активно это изучать тогда, когда вы будуте готовы сразу примененять эти знаний на практике, потому что иначе они не запоминаются. В Питоне существует несколько библиотек (привожу рекомендуемый порядок изучения):

• matplotlib на нём базируется следующие два варианта, и потенциально он может всё. Но тяжел и неэффективен для прямого использования, кроме построения уродливых графиков, для себя и коллег-технарей. Можно специально не учиться его применять, а понять только самые основы, которые будут "проступать" из-за других библиотек.

• seaborn - очень популярная библиотеа, в одну строчку решающая многие стандартные задачи. Достаточно понимать принципы и уметь находить как сделать нужные вещи с помощью документации.

• plotnine - позволяет создавать очень креативные графики. Супер-мощный инструмент, позволяющий в несколько строчек кода создать самые нетривиальные графики. В сравнении - seaborn не имеет подобной гибкости, а в matplotlib замучаешься разбираться чтобы сделать такой же график, если он не совсем примитивный. Однако, поначалу, plotnine требует определенного времени на освоение. Если бы не существовал plotly - это был бы самый мощный инструмент.

• plotly - позволяет делать все графики интерактивными. Сложен в изучении и плохо документирован. Вероятно, не имеет смысл его изучать, пока вы не поймёте точно что вам это необходимо (интерактивность).

До начала применения в реальной практике, на обучение можно себя ограничить в 10-20ч на одну библиотеку.

Если вам нет нужды сначала применять питон для подготовки данных, или вы хотите создать визуальные дэшборды которыми смогут пользоваться другие люди - посмотрите в сторону PowerBI и Tableau, это крайне мощные и популярные инструменты визуализации данных. Изучить каждый из этих инструментов на минимальном рабочем уровне можно, примерно, за 60ч. Знание связки SQL+Excel+PowerBI/Tableau откроет вам позиции аналитиков и "BI-специалистов" c окладами в Москве от 100 тыс., коммуникабельные специалисты с хорошими знаниями этих инструментов находят позиции с ЗП от 150 тыс. Подобные вакансии в основном встречаются в корпорациях и системных интеграторах.

Средства работы с данными

Можно учить на разных этапах, в зависимости от задач, с которыми столкнётесь

• Основы regular expressions, aka RegExp (10ч). Знания regexp необходимо для продвинутой фильтрации данных в разных инструментах для работы с данными.

• PySpark (40ч на изучение основ, 100-200ч на достижение хорошего рабочего навыка) . Он необходим когда у вас данных очень много, и приходиться обрабатывать их сразу на целой группе серверов (кластере). Это уже Big data. Не имеет смысл разбираться с ним заранее, т.к. знания являются не фундаментальными и легко забываются. Эффективнее осваивать когда планируете начать использовать (или перед тем как подать резюме на позицию, требующую данных знаний).

  Внутри Spark устроен сильно не так, как обычные базы данных, но с точки зрения использования он оказывается сильно похожим, т.к. поддерживает почти стандартный SQL синтаксис или, как альтернативу, API отдалённо похожий на pandas. Определенные концептуальные отличия присутствуют, но больших сложностей в освоении это не вызывает. В последнее время продвигают библиотеку Koalas, которая будет использовать команды совсем как у pandas для работы с spark-кластером, но пока не советую делать это основным подходом по работе с Spark.

• Основы html - необходимы, как минимум, для общения с коллегами и понимания их языка, если вы хоть немного сталкиваетесь с сайтами и необходимостюь их парсить или анализировать данные с них.

Этап 6

Углубление и развитие технических навыков

Если предыдущие этапы давали вам навыки, без которых работать ну вообще нельзя, то навыки этого этапа призваны повысить вашу продуктивность или повысить качество решаемых задач, повысить самостоятельность при запуске разработанных моделей машинного обучения в продакшн.

• Python на хорошем уровне: декораторы, уверенное знание классов и наследования, изучение базовых классов, dunderscore __методы__ .

• Уверенное пользование bash, понимание основ linux

• Полезно изучить основы docker

Все эти вещи можно было бы учить и раньше. Но, как правило, раньше их знать просто не нужно. Т.к. вы больше будете страдать от нехватки других навыков, приведенных в предыдущих этапах.

Другие области машинного обучения

В какой-то момент вам может потребоваться выйти из сферы подготовки прогнозных моделей или изучения и объяснения данных (кластеризация, EDA и визуализация). Это может быть связано как с вашими интересами, так и с проектами на работе. Например, это могут быть рекомендательные системы. Наверное, базовые рекомендательные алгоритмы можно изучать и одновременно с основами машинного обучения, т.к. знание одного не является обязательным для знания другого. Но логичнее переходить к ним, когда вы уже разобрались с основными алгоритмами обучения прогнозирования и кластеризации: скорее всего, этого от вас будут ожидать любые коллеги до тех пор, как вы включитесь в работу над рекомендательными системами.

Нейронные сети

Начиная с этого этапа имеет смысл изучать нейронные сети как следует с тем, чтобы применять их на пратике. Неэффективно изучать их раньше, т.к. многие задачи эффективно можно решить другими методами. И пока ваши данные и прогнозы изначально числовые, обычно "классическими" методами их решать эффективнее.

Подробнее в этапы изучениях нейронных сетей вдаваться не стану: эта тема требует отдельной статьи. И потратить на них можно от 50, чтобы решать самые простейшие задачи, до сотен часов, чтобы решать задачи связанные с обработкой неструктурированных данных или с обучением сложных моделей.

Другие статьи о самообразовании

Вводная статья о том, как понять, стоит ли вам вообще идти в data science и как сделать первые шаги

Принципы эффективного самообучения

Как минимум, планируется статья с рекомендациями книг и курсов, в соответствии с приведенными этапами

Готов стать ментором

Посчитав, что мой опыт самообучения и быстрый рост (с нуля до синьора за 2 года) доказывают эффективность отобранных подходов, книг и курсов, я стал делиться знаниями в этих статьях и заниматься менторством.

В целом, я стараюсь заменить платные программы курсов, составляя учебный план и адаптируя его под индивидуальные особенности и указывая на лучшие книги и онлайн курсы и на то, как найти их бесплатно То есть вы сможете научиться не только эффективнее, но и дешевле. Многим, наверное, хватит статей, которые будут все на Хабре. Если есть индивидуальные вопросы, пишите на почту ниже.

Надеюсь, что когда вы почувствуете значительный результат от статей или рекомендаций, вы за него заплатите, сколько сочтёте нужным.

self.development.mentor в домене gmail.com, Олег

Один из главных вопросов у людей изучающих что-либо - выбор источников информации: курсов, книг, статей. В последнее время, и особенно в изучении data science, широта выбора вводит в ступор: курсов и книг просто море, особенно если рассматривать доступные на английском языке. В данной статье дам субъективный обзор платформ он-лайн обучения, показывая те, которые дают изначально более фундаментальные знания (спойлер: coursera.org и learning.oreilly.com мои фавориты).

Введение. Мотивация к данной статье

Когда я начал изучать машинное обучение и математику, то в какой-то момент заметил как легко я понимаю те вещи, которые в институте скорее заучивал, чем понял. Это было благодаря нескольким факторам:

конечно, выше мотивация, т.к. когда вы занимаетесь самообразованием, то, обычно, имеете более четкое представление о своих желаниях и целях, чем в университете;

в каждый момент времени, когда что-то "не идёт" можно отложить текущую лекцию/книгу и освежить/изучить знания, необходимые для данной темы; а хорошие курсы и книги, зачастую, вообще начинают с основ, заботясь о том, что вы понимаете все предпосылки к каждой теме, т.е. имеете фундамент на котором могут закрепляться новые знания.

т.к. вы можете выбрать абсолютно любой курс и преподавателя - можно найти того, кто объясняет наиболее понятно;

наконец, огромные преимущества видео-лекций в том, что можно поставить изучение на паузу, если вам просто что-то не даёт учиться. И можно лектора переслушать несколько раз, в отличие от лекции в университете.

В итоге, у меня сложилось мнение, что эффективное изучение материала, в первую очередь, зависит от качества и формы его подачи, а не от талантов ученика. Поэтому, для себя я решил, что стоит тратить силы на нахождение лучших, в своём роде, книг и курсов. В итоге, пока изучал основы DS, я просматривал десятки разных источников, и заметил, что есть настоящие жемчужины, отлично объясняющие материал, и, наоборот, многие курсы и книги не дают принципиальное понимание предмета, а просто приводят отдельные примеры, призывая их повторять (набрать программный код), но не объясняя общих принципов так, чтобы вы смогли решить принципиально похожую, но отличающуюся задачу. Т.к. издание книг и курсов дело прибыльное, то курсов и книг второго типа намного больше: большая часть книг и курсов, которые я просматривал, не давали ничего полезного (запоминающегося).

Сначала я начал писать статью с рекомендациями по книгам и курсам, но т.к. новые книги и курсы выходят регулярно, то поменял что необходимо иметь представление об он-лайн платформах в целом. К тому же, обзор платформ получился длинный, и стоило его публиковать отдельно от списка конкретных курсов. Ниже привожу субъективное сравнение платформ, в основном на базе курсов, которые там были доступны в 2016-2018гг (в эти годы я просмотрел десятки вариантов).

Платформы

coursera.org

На этой платформе собраны лучшие курсы и специализации, из того что мне встречалось.

Данный портал был первопроходцем в он-лайн образовании, выводя в он-лайн разные курсы от топовых преподавателей американских университетов. Т.к. изначально это был вывод он-лайн лучших университетских курсов - они были ориентированы на преподавание базовых и фундаментных принципов. Именно это свойство качественно отличает курсы на данной платформе, от других платформ. Сейчас кроме университетских курсов там также есть курсы от ведущих организаций (Google, Яндекс, deeplearning.ai, т.п.)

Также на этой платформе есть хорошие курсы по математике ( а т.ч. специальные "математика для data science") и много других университетских курсов по самым разным областям знаний.

Следите за курсами данных организаций

Возможно, лучшие курсы по самым основам машинного обучения и дата сайенс - изначально русскоязычные и доступны на этой платформе. Это хорошие курсы и специализации Высшей школы экономики, Яндекс (+МФТИ). Даже если вы прекрасно владеете английским - основы я рекомендую изучать по этим русскоязычным курсам. В целом, каждый курс от представленных выше организацией, был мне в чём-то полезен.

Англоязычный курс по нейронным сетям от Andrew Ng (deeplearning.ai), вероятно, самые известный из всех курсов по нейронным сетям. Другие курсы от "deeplearning.ai" по нейронным сетям также хороши.

На coursera.org очень много хороших курсов (хотя есть и плохие, или неактуальные). Но поиск на этом сайте - отвратительный. Рекомендую через страницу "Партнёры" открывать списки курсов всех упомянутых выше организаций, и смотреть что они предлагают, у них плохих курсов нет (пример https://www.coursera.org/hse).

В отдельной статье, дам шорт-лист из курсов данных партнеров.

Как бесплатно просматривать курсы на coursera.org

Coursera.org изначально создавалась под лозунгом сделать доступными для каждого лучшие образовательные материалы. Поэтому есть две возможности учиться на ней бесплатно:

При записи на отдельный курс (не специализацию) в самом последнем окне снизу будет маленькая ссылочка "только аудит". В этом режиме все лекции и большинство практических заданий можно просмотреть бесплатно. Хотя вы не можете получить сертификат, но я еще не слышал чтобы какие-то компании их требовали при устройстве на работу, достаточно сказать на словах где вы учились.). Что хуже - вы не сможете получить обратную связь/оценку выполнения некоторых практических заданий. Но базовые знания вы получите, а тренировать их можно и самостоятельно, т.е. потери, по сравнению с платными вариантами, не критичны.

Другая возможность - написать в coursera.org и попросить дать вам бесплатный доступ, с мотивировкой почему вам следует его дать. Эта возможность явно указана у них на сайте. По опыту знакомых (высокооплачиваемая мать-одиночка из Германии) - они вполне идут на встречу.

edx.org

Платформа конкурирующая с coursera.org, также ориентированная на курсы с глубокой подачей материала. Я изначально мало пользовался этой платформой, т.к. coursera.org всегда была моим первым выбором. Но из тех курсов, которые я на ней просматривал, только парочка давала что-то, чего в этом момент не было на coursera.org. Кажется, тут сейчас идёт больший акцент на преподавание целых университетских программ, с соответствующими дипломами, и ценами.

stepik.org

Это полностью русскоязычная платформа. Многие курсы бесплатные/дешёвые и интерактивные (важно для отработки навыков). Среди всего, доступного на русском языке, некоторые курсы могут быть очень привлекательными (бесплатно и хороший материал). Но лучших, в своём роде, курсов встретилось мало. Сложилось впечатление, что многие (большинство?) курсов скорее вводные, недостаточные для глубокого погружения в тему. Ряд курсов были устаревшими или очень узкими по своей подаче материала, хотя материал и был дан хорошо и может оказаться полезным для понимания общей картины.

Тем не менее, для изучения самых основ (как вводная перед более глубокими специализациями от coursera.org, или доп. материалы, дающие ту же информацию под другим углом) курсы с этой платформы могут быть полезны.

Среди русскоязычных бесплатных курсов, курсы по нейронным сетям курсы на этой платформе кажутся хорошими, возможно, лучшими. Но англоязычные курсы по нейронным сетям, в целом, лучше. И, как писал ранее, не рекомендую сразу начинать изучение с нейронных сетей. Исчерпывающими (чтобы вы смогли применять знания на практике) эти курсы всё равно не являются.

udemy.com

Несколько раз я рассматривал курсы на этой платформе, но каждый раз приходил к ощущению, что все курсы слишком обзорные. Дают практический навык, но не нацелены на концептуальное понимание. Например, я разочаровался в многообразии бесполезных курсов по Spark и PySpark (это было в 2018г).

Хотя как раз для отработки концептуально не сложных навыков (основы Питон), курсы на этой платформе могут быть эффективны. Например, с нуля по Python могут быть полезны курсы: 1, 2. Это курсы ориентированные на кого-либо без предыдущего опыта программирования.

Также, на этой платформе, вероятно, можно найти хорошие курсы по SQL (если они дают большую базу практических заданий). Я проходил отличный курс по PowerBI (который является не сложным инструментом, и не требует фундаментальных курсов).

БОльшая часть курсов на данной платформе - платные. И способы просмотреть их бесплатно мне не известен.

datacamp.com

Я не брал ни один курс, т.к. они все были платными. Судя по бесплатно доступным первым урокам, их подходы хороши для того чтобы "набить руку" на использовании базовых библиотек. И, в таком качестве, их можно использовать (отработка навыков Python, Pandas, SQL, и разных инструментов и библиотек). В этом качестве, вероятно, они будет лучше альтернатив с udemy, т.к. datacamp изначально разрабатывалась как платформа обучения навыкам data science, с хорошей проработкой способов делать интерактивные упражениния.

Но, по моим ощущениям и отзывам тех, кто там учился - курсы данной платформы плохо подходят для формирования общего кругозора и изучения фундаментальных концепций. Поэтому, нельзя их брать за основу изучения такой сферы, в котой много фундаментальных знаний. Скорее как наборы для отработки практических навыков.

Способ сэкономить, если хотите учиться на этих курсах - следить за распродажами. В последнюю "черную пятницу" там были скидки до 50%.

Книги: learning.oreilly.com (также есть и курсы)

Это уникальная, в рамках данного обзора, платформа в том смысле, что она изначально ориентирована на предоставление подписки на книги. Покупаете годовой абонемент, и получаете доступ практически ко всем существующим книгам по ИТ на английском языке.

Эта платформа издательства O'Reilly, которое, кажется, является самым крупным издательством, специализирующемся на ИТ-литературе. И на их платформе не только их книги. Можно найти книги бОльшинства издательств, специализирующихся на ИТ-литературе.

Список рекомендуемых книг я приведу в отдельной статье. Но, в целом, хорошо работает подход предварительной фильтрации книг по рейтингу - все лучшие книги имеют >4 звёзд. Кажется, я не встретил ни одной книги с меньшим рейтингом, которую стал полностью читать. В лучше случаем, просматривал отдельные главные.

В последние годы они также развивают он-лайн курсы на своей платформе, которые доступны в рамках той же подписки. Я их пробовал только в 2019г, тогда им не хватало возможностей отработки практических навыков. Кажется, курсов, ориентированных фундаментальные знания, как на coursera.org, там было мало. Но курсов, посвященных отдельным ИТ-технологиям на этой платформе множество и самых разнообразных.

В бесплатном доступе ничего нет, и подписка достаточно дорогая (~400$ в год). Если подписаться на новости и рассылки на сайте oreilly.com - раз в год они устраивают 2 недели распродаж (в разное время! обычно - осенью). В этот период подписку можно купить со скидкой 50%

Книги: b-ok.org

Многие специализированные книги по machine learning и data science стоят очень дорого. Особенно в сравнении с уровнем доходов большинства русскоязычного населения, кто может читать эту статью. Поэтому позволю себе прорекламировать сомнительный ресурс. На данном сайте можно бесплатно скачать на английском языке многие книги, которые иначе стоят очень дорого.

Но, как я писал ранее, бОльшая часть книг и курсов по data science - не самые лучшие, и не на столько полезные, как хотелось бы. Поэтому, не имеет смысл с ликованием "О! Халява!" скачивать всё подряд.

Обычный способ отбора хороших книг: сначала ищем книгу на amazon.com, смотрим её рейтинг (число звёзд) и количество оценивших (должно идти на десятки). Я еще ни разу не видел чтобы хорошая книга имела рейтинг 4 звезды или ниж. Все хорошие книги будут иметь выше 4 звёзд, и, если они были изданы не в последний месяц, у них будут уже десятки отзывов. Заметьте, что эта эвристика по рейтингу является необходимой, но не достаточной: немало не самых идеальных книг имеет рейтинг 4.5+ и десятки оценивших, к тому же - конкретная книга может давать материал не идеально вам подходящий (писал об этом ранее). Как правило, на amazon можно посмотреть оглавление книги и пролистать несколько страниц. Далее отобранные книги я уже ищу на b-ok.org. Там есть не все книги, но их львиная часть.

khanacademy.org - математика

Данная платформа является одним из самых старых и известных источником курсов по школьной (и базовой университетской) программам по математике и точным наукам. Если вы осознаете пробелы в математике - это один из тех ресурсов, который может быть полезен.

Однако, в последние годы, конкурирующие курсы на уровне школьной (high school) программы стали появляться и на coursera.org, и там, на мой взгляд, есть более качественные курсы. В том числе на coursera.org есть очень удачные курсы "математика для data science", которые неплохо подбирают самые важные темы для данной профессии. Единственным недостатком coursera.org является множество альтернативных курсов по одной и той же теме, между которыми придётся выбирать, и также плохо организованный каталог/поисковик курсов. Тем не менее, рекомендую инвестировать время в том, чтобы найти лучшее из доступного там.

Преимущества: khan academy - курсы составлены в учебную программу (как в школе) и нет их дублирования, бесплатность.

"Упакованные" программы: Яндекс.Практикум, skillfactory, geekbrains

К сожалению (к счастью?) я не учился на курсах ШАД, Яндекс.Практикум, skillfactory, geekbrains. Поэтому не могу дать о них полностью информированное мнение.

Но из изучения их учебных программ сложилось некоторые ощущения:

Теоретическая часть курсов (фундаментальные знания)

В теоретической части, отдельные курсы Яндекса и других платформ в значительной части пересекаются с теми, которые тот же Яндекс предоставляется на coursera.org, сам или через Высшую Школу Экономики (в ней факультет анализа данных сделан тем же Яндексом). Как писал выше, на coursera.org материалы этих курсов можно просмотреть бесплатно, и там можно скомбинировать, просмотрев каждую тему в том курсе, который её объясняет лучше всего. Риск такого подхода - может быть небольшая каша из кучи отдельных знаний. Но умение ориентироваться в разной информации о методах машинного обучения, и отделять актуальное от неакутального - тоже навык, полезный в дальнейшем саморазвитии. Поэтому, это не является большим минусом.

Субъективно, в ШАД будет больше математической подготовки, на coursera на таком уровне её будет сложно получить. Но, потенциально, частично эта подготовка может быть избыточной.

Яндекс.Практикум, skillfactory, geekbrains

Как указал выше - - теорию можно изучить по бесплатно доступным альтернативам (coursera.org) и книгам.

В первую очередь "упакованные" программы хороши наличием долгосрочного учебного плана. Полезно с ним сверяться, но можно искать другие источники, чтобы изучать этот материал.

Второй огромный плюс данных программ - наличие бизнес-кейсов. В итоге, самой полезной, вероятно, будет программа с наибольшим разнообразием и их проработанностью (в т.ч. реалистичностью постановки). К сожалению, не могу сказать какая из указанных программ будет лучшей по этому критерию. У кого есть опыт - пожалуйста, напишите. Но, потратив определнные усилия, можно найти альтернативные способы потренироваться на практических задачах: найти релевантные бизнес-кейсы на kaggle и поучаствовать в соревнованиях, попробовать там же изучить как это делали другие, проделать практические задания из разных курсов, доступных на coursera.org.

Итого: пройти любую из данных программа полезно (какую полезнее - пока не знаю, жду вашей обратной связи). Но если денег нет, то потратив чуть больше сил можно для себя найти альтернативу через бесплатные источники. Если же хотите эти программы проходить - кажется по началау они все бесплатные, чтобы вы смогли оценить качество преподавания

Что я забыл?

Если есть еще какие-то популярные курсы/платформы - пожалуйста, напишите, вместе со своими отзывами. Планирую дополнять и обновлять данную статью, чтобы поддерживать её актуальность.

Мои другие статьи, по самообучению в дата сайенс

Самообучение в Data science, с нуля до Senior за два года

Принципы эффективного самообучения для желающих изучить машинное обучение

Изучение data science c нуля: этапы и вехи

Готов ответить на индивидуальные вопросы / стать ментором

Посчитав, что мой опыт самообучения и быстрый рост доказывают эффективность отобранных мной подходов, книг и курсов, я решил заняться менторством.

Если у вас есть индивидуальные вопросы, на которые не отвечают данные статьи -пишите на почту self.development.mentor в gmail.com, Олег

Может быть, пообщаемся разок и вам этого хватит. Уже обратилось несколько десятков человек. Некоторые поняли, что им лучше уйти в другую сферу (программирование, биг дата), некоторым смог скорректировать учебный/карьерный план под индивидуальные потребности, некоторым я посоветовал тех людей, кто им сможет лучше помочь, кого-то спас (?) от лишней траты времени на бесперспективную игру с нейронными сетями.

Как отблагодарить автора

Отчасти, я пишу статьи и отвечаю в почте в надежде, что когда вы почувствуете результат - вы за него заплатите, сколько сочтёте нужным. Мне нравится делиться знаниями, но написание подобных статей занимает очень много времени. Поэтому дополнительная мотивация поможет продолжить делиться полезной информацией и идеями.
вариант: перевод на карту Тинькофф (укажите своё имя!): 5213 2477 4720 7719.
И/или напишите мне на почту, о том в чём именно я был полезен, чтобы я смог продолжать в том же духе.

Очень много людей с самым разным бэкграундом, и не всегда даже техническим, в последнее время пытаются перейти в data science. И такой ажиотажный интерес - проблема для всех, кто рассматривает переквалификацию в эту сферу. Потому что рынок труда может оказаться наводнён соискателям без опыта.

С точки зрения потенциального работодателя: вы скорее возьмёте выпускника технического вуза, или человека за 40, без профильного опыта, решившего изменить свою жизнь? Ведь вузы тоже ведут активную подготовку профильных специалистов (пусть и не всегда высокого уровня). На рынке явный недостаток специалистов с профильным опытом. Но среди людей с непрофильным опытом - вероятно, больше шансов найти работу у выпускников с профильным образованием.

Написать этот пост меня натолкнуло то, что полгода назад я начал писать цикл статей о самообучении и переквалификации в data sceince. В итоге, за 5 месяцев мне написало больше сотни людей с разными вопросами по такой переквалификации. И, вероятно, многие недооценивают объем знаний, который необходимо получить для этого. В этом, наверное, виноваты и заголовки моих постов "с нуля до senior data scientist за 2 года". Как мне подсказали в комментариях к тому посту - мой начальный уровень был отнюдь не нулевой (был топовым разработчиком 1С).

Почему в data science сложно попасть

Это очень много учебы и практики

Идеальный data scientist - специалист максимально высокой квалификации, знающий, одновременно:

• всё что должны знать "простые аналитики" (SQL+визуализация данных)

• хороший Python программист

• с неплохим владением английским (подавляющее большинство инструментов имеют документацию только на английском языке; многие книги и курсы не переведены, или переводятся с большой задержкой)

• с отличным знанием хотя бы основ теории вероятностей (в идеале - значительно глубже + линал, мат.анализ)

• хорошие коммуникативные навыки и понимание бизнеса (невозможно эффективно обрабатывать данные из предметной области, если вы её не понимаете)

По большому счету, это несколько лет профильного (само)образования + опыт работы.

Это дорого

Даже с большим опытом работы в ИТ я потратил 8 месяцев, не работая и проедая все свои накопления, только на учебу, оставаясь без работы. Мой уровень ЗП в первый год после того как я нашёл работу, был ниже, чем до этого. Только спустя 2 года я вышел на тот же уровень дохода. И это всё было достаточно страшновато, при том что у меня были своя квартира, большая финансовая подушка, и отсутствие финансово зависимых родственников. Большая часть людей, желающих поменять свою жизнь, не могут себе позволить такую траекторию переобучения, по её финансовым ограничениям.

Аналитика - сестра Data science

Когда говорят о дата сайенс обычно имеют в виду высшую квалификацию человека, способного работать аналитиком данных. Но квалификации промежуточных уровней тоже ценны.

Отличие аналитика: нет нужды хорошо знать статистику, нет нужны заниматься машинным обучением.

Статистика нужна тогда, когда ценность небольшого улучшения так огромна, что важно научиться различать небольшие отличия в эффективности, разделяя реальные различия, от случайных колебания.

Машинное обучение нужно тогда, когда какой-то процесс принятия решения, основанных на данных, нужно автоматизировать. По сути, это значит подменить работу аналитика, в решении отдельной типовой задачи. Обычно это требует намного больше времени, чем одноразовый анализ. За то же время аналитик может решить множество разных задач. Но когда какой-то тип анализа нужно проводить постоянно или для тысяч объектов (клиентов, товаров) - целесообразно это делать автоматически.

То есть аналитик нужен тогда, когда не нужно различать колебания эффективности, измеряемые в процентах, и когда не нужно анализ делать полностью автоматическим. Требуется меньше точность/автоматизированность. Ценны: скорость проведения анализа, его правильность, умение понятно и убедительно объяснить свои результаты. При этом, ценность аналитика может быть очень высока, т.к. подобные разовые анализы данных могут использоваться для принятия различных стратегических решений.

Суть решаемых задач аналитка: разобраться в данных, понять их и найти интересные закономерности, представить результаты в удобном и понятном для коллег виде (обычно, графики и презентации).
Ключевой набор навыков для подобной работы: это прирожденные "аналитические способности" + знания базовых инструментов (SQL+Excel) + инструменты визуализации данных (Tableau, PowerBI).

Можно с этим набором знаний + знания специфичные для определенных областей, уже найти большое число вакансий, с хорошими зарплатами и интересными задачами.

Знаний SQL + инструмента визуализации достаточно чтобы работать на позиции специалиста по отчетности, создавающего необходимые отчеты и графики, для принятия каждодневных решений. Такая работа, обычно, требует большей усидчивости и чуть меньше креативности.

На позиции "аналитика" нужно будет создавать точно такие же отчеты. Но, чаще, задачей аналитика будет самому в чём-то разобраться и самому решить какими графиками эту информацию представить. Эта работа более творческая, требующая большей самоотдачи. По уровню зарплат оба типа позиций сопоставими. Но с позиций аналитика талантливные специалисты чаще могут вырасти в менеджеров и отвественных за какие-то большие объемы задач. Надо помнить, что данное деление не всегда видно из названия позиций, т.к. "аналатиком" могут назвать и человека, не занимающегося самостоятельным анализом данных, и толького готовящим их для других людей (в виде отчетов и графиков).

Рекомендуемый набор знаний для аналитика:

• SQL + Excel

• Tableau / PowerBI

• Когортный анализ (принципы)

• Понимать парадокс симпсона, чтобы не делать ошибок, к которым он приводит

• Нужно знать основы теории вероятностей:

  • вероятности зависимых и независимых событий, условные вероятности

  • разные статистики: среднее, медиана, мода, стандартное отклонение.

• знать что такое АВ-тесты: понимать принципы, калькуляторы есть онлайн

• знать основы regexp. Например, веб-аналитике он используется в инструментах типа google analytics

Аналитики нужны везде. Ниже типы аналитиков, востребованные в изначально "цифровых" бизнесах (связанных с интернет продуктами и услугами)

Маркетинговая/веб аналитика

Анализ и визуализация даных по продажам - огромная сфера. Большая часть подобных вакансий, с интересными и более творческими задачами - в онлайн компаниях.

Знания специфические для веб-маркетинга (помимо обще-аналитических):

• Понимание принципов работы контекстной рекламы (основные метрики и схемы оплаты).

• Знание как работают UTM метки.

• Понимание основных принципов юнит-экономики.

• Желательно знание основ HTML

• Популярные инструменты: Google Analytics, Яндекс.Метрика (эти инструменты можно учить уже выйдя на первую работу)

Продуктовая аналитика

Это близко к маркетинговой аналитике. Пример задачи: понять паттерны по которым пользователи взаимодействуют с каким-то он-лайн продуктом (например, приложением интернет-банка).
По сути, тут могут быть достаточны только базовые знания, стандратные для любых аналитиков.

Data engineer - брат для Data scientist

Огромная часть задач в анализе данных, особенно в более продвинутом (статистический анализ, машинное обучение) требует хорошо организованных данных.
Задачи по организации данных занимают более половины всех усилий по работе с данными. Часть данных задач традиционная и решается специалистами по базам данных. Другая часть требует подготовки данных для обеспечения большего удобства и скорости анализа данных. Данными задачами занимаются дата инжененеры. Т.к. часто данная часть задач не решается ими полностью - квалифицированный дата сайентист должен уметь решать подобные задачи.

Но, потенциально, дата инженер, это не урезанный дата сайентист. К инженерам предъявляется больше требований по полной автоматизации процесса, по обеспечению высокого качества данных (без пропадания их кусков), высокой скорости их подготовки и доступности, настройке систем, способных обрабатывать данные о миллионах операций, товаров и клиентов за считанные секунды/минуты.
По сути, это позиция программиста, с акцентом на технологии и инструменты, позволяющие разрабывать системы работы с данными. И вместо создания интерфейса (как у фронтенд разработчиков, или разработчиков для андройд/ iOS), или какой-то бизнес-логики (бэкенд) - их продукт это система, автоматизировано готовящая данные для анализа. И поддержание это системы для работы коллег, занимающихся анализом данных.

Набор знаний в этой сфере очень сильно варьируется. Наверное, наиболее популярные навыки выглядят так:

• SQL

• Python (Java, Kotlin)

• bash

• Docker, Kubernets

Эта сфера отлично подходит для людей, которым интересно писать системы обработки больших данных (big data) и которым менее интересно придумывать как повысить эффективность бизнеса, стараясь убедить в этом каких-то коллег.

Ищете работу, которая вам подходит

Цель этого поста - показать что есть море вариантов интересной работы.

Многим, желающим попасть в дата сайенс - будет интересно работать на позициях аналитиков и дата инженеров. Найти такую работу может быть проще, и финансовое вознаграждение, в итоге, может быть на том же или очень близком уровне.

Идти в дата сайенс без опыта работы в ИТ, примерно как захотеть стать нейрохирургом, без опыта работы в медицине. Разумнее получить хотя бы часть более простых смежных навыков, начать работать в этой сфере, и далее расти в ней "естествнным путём", получая релевантный опыт не только из теории, но и из регулярной практики работы.

Тема изучения английского вызывает недоумение. С одной стороны, действенные рецепты крайне просты и доступны каждому. С другой стороны, информационное поле до отказа набито стереотипами, мнениями, обещаниями и другими видами шума. По удаленности этих сторон друг от друга она может сравниться, наверное, только с темой похудения (хотя науке решение этой проблемы прекрасно известно).

Когда-то давно я вышел из школы, так же как и большинство соотечественников, совершенно не зная английский. Сейчас я свободно им владею, постоянно пользуюсь и это сильно помогло мне в жизни. Дорога между этими двумя точками была совсем не оптимальной, так же как дорога многих людей вокруг меня. Поэтому хочу поделиться своим разнообразным опытом изучения английского, опытом моих знакомых, за которыми я наблюдал последние 15 лет, а также дать простые рекомендации и инструменты для начинающих и продолжающих.

Как все начиналось

90-е. Украинская провинция. Ларьки, меховые шапки, яблочный сок в трехлитровых банках, песни Круга и Мистера Кредо попеременно доносящиеся из малиновых девяток. Я хожу в обычную городскую школу, где пару часов в неделю уставшая от жизни учительница по английскому рассказывает нам про грамматику, месторасположение фруктов на мебели и заставляет читать вслух роман Джейн Эйр, в котором главная героиня на протяжении всего сюжета переживает смерть близких и терпит унижения от окружающих. Отличный выбор обучающего материала, Наталья Викторовна!

Пресловутых способностей к языкам у меня нет, поэтому учусь я с переменным успехом. Иногда настолько переменным, что приходится нанимать репетитора. Репетитор помогает не так сильно как мои честные глаза, благодаря которым по окончании школы в девятом классе в моем аттестате стояло что-то вроде четверки.

Потом был переезд в Москву и продвинутые столичные друзья, которые любили по вечерам что-нибудь вместе посмотреть. Не дурак посмотреть что-нибудь был и я. Так произошло мое первое столкновение с настоящим современным английским это была свежая серия Саус Парка с оригинальной озвучкой. Сказать что я не понял ничего ничего не сказать. Все доносившееся с экрана было для меня пустым набором звуков. Потом был Монти Пайтон в нем я понял еще меньше чем ничего.

Так во мне поселилось осознание того, что я не знаю английский. С этим следовало что-то делать.

Занятия с репетиторами

Мои школьные репетиторы были местными учителями, с которыми мы проходились по грамматике и делали домашние задания. Занятия были экстремально скучными, домашние задания я не делал, и усваивал, в целом, крайне мало.

Помня предыдущие опыты, в этот раз я решил нанять себе правильного преподавателя из хорошей языковой школы и подойти к обучению добросовестно. Преподавательница старалась и была заметно менее придавлена жизнью, чем предыдущие. Она находила современные учебники, по которым я не без успеха делал задания и учил слова про дружбу и аэропорт. Прогресс казался хорошим, поэтому спустя пару месяцев я решил опять посмотреть что-нибудь на английском. Процент понятого не изменился. Я был разочарован. Процесс занятий был унылым и небесплатным. Я бросил.

Впоследствие, цикл начинания и бросания занятий повторялся еще с 3-4 репетиторами нашими и носителями английского. Каждый раз мне казалось, что вот этот новый преподаватель точно поймет мои пробелы в знаниях, даст индивидуальную программу, и объяснит все тонкости, которых не найдешь в учебниках. Этого не происходило. Все они работали по своим привычным схемам, опираясь на учебники, и все объяснения от себя от учебников отличались не сильно. Имея ценник 20$ в час. Тогда как сам учебник стоит 30$ и находится под рукой всегда.

Из полезного, была разговорная практика с педагогами-носителями, проверка правильности написанных мной текстов, и ответы на вопросы, с которыми я случайно где-то столкнулся.

Оглядываясь на это сейчас, и на идентичный опыт всех своих знакомых, понимаю, что занятия с репетиторами скучны и малорезультативны почти всегда, из-за чего почти все их бросают. А разговорную практику можно организовать тысячей способов, за некоторые из которых платят деньги.

Вывод:
Репетитор это временное средство с ограниченной эффективностью. Большинству изучающих за пределами совсем начального уровня нужен скорее языковой консультант: посоветовать раздел учебника, проверить ошибки в тексте, ответить на вопросы. Дальше все осваиваешь сам.

Фильмы и передачи

Второй подход к просмотру английского контента здорово меня осадил. Но я подумал, что крутые парни не сдаются, и отныне решил смотреть все только на английском.

Первым выбор пал на фильм Тренировочный день. Но посмотреть его, даже с субтитрами, я сходу не смог. В 9 предложениях из 10 я не понимал даже общего смысла сказанного (характерная сцена). Пришлось читать каждый кусок субтитров, переводить отдельные слова из него, складывать из них смысл, и проигрывать этот кусок пока не разберу хотя бы где какое слово сказано. Заняло это дня три. Я изрядно посерел в лице, но таки дошел до конца и получил на выходе список из нескольких сотен новых слов. Всего в фильме их было 1400. То есть, не знал я примерно каждое пятое слово. При том, что половина всех слов в фильме это я, ты, нет, для, хорошо итд.

Дальше был Монти Пайтон и Священный грааль, Славные парни, и другие фильмы из классических киношных рейтингов. Шло крайне тяжело, но я продолжал смотреть, выписывать слова с переводом в свою тетрадку и учить их. В скором времени этот процесс окончательно утомил и я решил попробовать менее грандиозные форматы.

Первой была передача Разрушители легенд. Взрывы машин, стрельба из огнеметов то что нужно чтобы скоротать одинокий осенний вечер. Контраст с фильмами был огромный: ведущие говорили более внятно и явно ближе к реальной жизни. Я мог понимать большую часть сказанного в общих контекстах. С техническими контекстами были проблемы: из фильмов мне уже были знакомы слова вроде наркота и стукач, но про передатчик или рассеивание Дэнзел Вашингтон ничего не говорил.

Впервые появилось ощущение, что не все потеряно. Я стал смотреть больше, и чем больше смотрел, тем проще было понимать. Ведущие были образованными калифорнийскими ребятами, их состав был относительно стабильным, и ко всем их особенностям произношения и типичным оборотам я привык, оставалось только суметь считать смысл сказанного. Это был мой первый прорыв в прогрессе.

Дальше были другие передачи, каналы на Ютубе, сериалы. Короткие форматы под личные интересы. Где-то на исходе первого года необходимость регулярно смотреть в субтитры, чтобы выудить смысл предложений, пропала. Произошло это как-то незаметно и естественно. С тех пор я мог смотреть почти любой контент на любые хоть немного знакомые мне темы.

С фильмами ситуация была иной. Одни фильмы я мог смотреть относительно комфортно, а в других цеплялся за отдельные понятые фразы. Только спустя годы я понял, что комбинация старательной актерской игры, сценаристской литературщины, диалектов, звуковых эффектов и неординарных тем, на которые часто снимают фильмы плохая комбинация для неносителей языка. А также, что многие люди, прожившие в англоговорящих странах многие годы, понимают их также с трудом. Фильмы, а также многие серьезные сериалы это сложно. И это не тот английский, который вы услышите от живых людей в повседневных ситуациях, в том числе от тех, которые в этих фильмах снимаются.

Вывод:
Если хотите что-то смотреть, начинайте с контента приближенного к живому общению на общие или интересные вам темы. Избегайте длинное, художественное и неамериканское.

Подкасты

Разрушители легенд и другие передачи шли отлично, но на ходу смотреть их было невозможно. В отличие от подкастов, которые как раз начали массово появляться в то время. На пересечении сразу нескольких моих интересов был подаст Джо Рогана, к которому я и приступил.

Процент понятого был выше, чем с любым другим контентом, который я до этого пробовал. Простая, близкая к естественной речь, минимум отвлекающих факторов, актуальные темы, интересные люди. Это было настолько близко к участию в разговоре с носителями, насколько возможно. То что нужно.

Единственная серьезная проблема была в том, что понять как пишется незнакомое слово для ввода в переводчик получалось далеко не всегда. Но со временем, значение многих частых слов и выражений стало понятно из контекста, а редкие на понимание влияли не сильно. Сейчас у некоторых подкастов есть текстовые расшифровки, что сильно упрощает процесс.

Много подкастов и лет спустя, я так и не нашел формат более близкий к реальному устному общению и богатый соответствующей лексикой. Это был мой второй прорыв в изучении языка.

Вывод:
Подкасты лучший формат для контакта с настоящим английским за исключением живого общения. Новичкам будет проще начать с текстовых расшифровок, аудио можно подключить позже, по мере прогресса.

Чтение

В одно время со своим киноспринтом я решил налечь на другие крупные формы книги. Заказав на Амазоне Трэйнспоттинг Уэлша и Голый завтрак Берроуза, я начал обратный отсчет до того дня, когда смогу прикоснуться к Настоящей Английской Литературе.

Начал с Уэлша. Попытался прочитать первую страницу, но понять ничего не получилось. Словарь тоже не узнавал половину слов, которые я ему скармливал. Что-то было не так. Вот первые слова из книги:

The sweat wis lashing oafay Sick Boy; he wis trembling. Ah wis jist sitting thair, focusing oan the telly, tryin no tae notice the cunt. He wis bringing me doon.

Так я невольно познакомился с шотландской версией падонковского языка. Наталья Викторовна, по крайней мере, давала нам читать настоящие слова

К Берроузу я уже приступал не так смело. В нем было больше настоящих слов, но смысла из них удалось извлечь примерно столько же. Две страницы спустя стало ясно, что книги в оригинале не мое. Берроуз занял свое место на полке.

Годы спустя я стал читать нехудожественные книги на близкие мне темы. Понимание было гораздо лучше: отчасти потому, что мой словарный запас был богаче, отчасти потому что авторы этого жанра пытаются донести до читателя конкретную информацию, без излишней литературщины.

Ни у кого из моих знакомых значительной роли в обучении языку художественная литература также не играла. Хоть их предпочтения и были более адекватными чем Уэлш и Берроуз.

Почти полное отсутствие чтения на английском в первые годы обучения было моей самой большой ошибкой. Только когда англоязычные сайты стали вытеснять из моих закладок русские, стало понятно насколько активно чтение пополняет словарный запас. При использовании правильных инструментов.

Вывод:
Чтение отличная практика, но в начале важно выбирать простые современные источники. Почти все записанное с устной речи простое. Например расшифровки подкастов и интервью.

Общение

Лет через десять после моих первых попыток понимания английского я свободно воспринимал язык в тексте и на слух (выход на этот уровень занял гораздо меньше). И тем, и другим навыком я пользовался почти ежедневно. Не было никакой разницы, на русском или на английском смотреть видео, слушать подкасты, читать статьи. Во мне довольно прочно устоялось ощущение того, что я знаю английский. Без оговорок.

И тут мне предложили работу в британской компании. Ноу проблем, подумал я. Нужно было только пройти собеседование.

Стоит сказать, что на тот момент я никогда не был за границей, не разговаривал с носителями языка, и вообще никогда не разговаривал и не писал на английском в реальных жизненных ситуациях. Не было нужды.

Настал день собеседования. Я знал о чем примерно могут спросить, прогнал план разговора в голове, и не ждал никаких подвохов. Однако когда собеседник поприветствовал меня на ненашенском и настала моя очередь говорить, на меня напал УЖАС. Добрых секунд десять я не мог сказать ни слова, а потом стал мямлить что-то жалобное и бессвязное. В общей сложности наш разговор продлился минут семь, из которых шесть звучало мое ээээээ.

Сразу после окончания я понял, что сижу весь мокрый, как после пробежки. Вот те на, роднулькин! Надо потренировать собеседование, подумал я и купил десять занятий по Скайпу с носителем языка.

Занятия шли не очень бодро. Мне было сложно формулировать предложения длиннее нескольких слов, хорошо знакомые слова не хотели вспоминаться, а привычные грамматические конструкции не выстраивались с первой попытки. Но на десятое занятие я худо-бедно изъяснялся в узких рамках. Нужно было попробовать собеседование еще раз, с другой компанией. Однако, сценарий первого собеседования повторился вновь, с незначительным улучшением. Было очевидно, что навык говорения был в зачаточном состоянии. Я его совершенно не тренировал.

Позже выяснилось, что примерно такая же ситуация была с письмом. Хотя выражалась она не так ярко, поскольку было время вспомнить слова, подумать над формулировкой, погуглить. Но даже при этом написание одного небольшого абзаца текста занимало раз в десять больше времени чем на русском. Вдобавок, всплывали ошибки в конструкциях, которые я хорошо знал в теории, но на практике упускал из виду. Замечал такие ошибки уже после того как отправлял письма и перечитывал их.

С письмом удалось разобраться, начав свой проект ориентированный на англоязычную аудиторию. Мне пришлось писать на английском письма, тексты для сайта, приложения и рекламы, переписываться с фрилансерами. Пути от английских слов к их значениям, которые я уже знал, дополнились путями в другую сторону от значений к словам. Приходилось вбивать некоторые устойчивые русские фразы в Reverso Context, чтобы понять как строятся их английские аналоги, но в целом, это был просто процесс тренировки: от медленного и неуверенного выполнения новой задачи с количеством повторений я начинал выполнять ее быстрее и с большим автоматизмом. Произошло это достаточно быстро.

Устной речью я заниматься не стал. Не было реальных ситуаций, в которых я мог бы ее применить, а говорить со случайными людьми только ради практики мне казалось пустой тратой времени (то ли дело рубануть в Доту!) Глядя на то, насколько прямым и несложным был путь к нормальному письму при наличии практики, я предполагал, что устную речь смогу при надобности прокачать таким же образом. Так и получилось.

Вывод:
Чтобы хорошо писать и говорить, нужно регулярно писать и говорить. Но люди, которым эти навыки не нужны для работы или хобби, редко ими владеют. Если хотите овладеть вы найдите соответствующую работу или хобби.

Греческий опыт

Спустя год после провальных собеседований с британцами, в мой почтовый ящик внезапно упало предложение поработать в греческом стартапе. Это было вдвойне интересно: во-первых, я узнал, что в Греции делают что-то кроме оливок и танцевания сиртак; во-вторых, это был шанс блеснуть моим прогрессом в английском. Решение было принято, встреча назначена.

До начала звонка я ожидал, что мой собеседник будет говорить на посредственном английском, вроде моего, и это сделает разговор более равным чем оригинальные беседы с британцами. Реальность оказалась малость иной. Грек тараторил на английском с такой скоростью, с какой я по-русски могу только по большим праздникам. У него был жирнейший акцент, но это совершенно не мешало я понимал 100% сказанного. Он был примерно моего возраста.

Подняв челюсть со стола, я провел разговор относительно бодро. Иногда из головы вываливались какие-то слова и происходили запинки, но на общее впечатление это не повлияло меня взяли на работу. Прогресс в моей способности изъясняться был налицо, практика письма транслировалось в речь неплохо.

Английский моего нового греческого босса произвел на меня впечатление, но мне казалось, что это исключение. Наверное, он учился в языковой школе или где-нибудь в Британии, и много мотался по миру. На первой же планерке выяснилось, что это не так: абсолютно все сотрудники компании шпарили по-английски будь здоров. Контраст с российскими IT-компаниями, где я работал раньше, был очевиден в них ребята не без труда читали английскую документацию, а говорить не мог вообще почти никто.

Можно предположить, что Греция держится на туризме и умение общаться на английском с приезжими для греков как для русских игра на балалайке жизненно важный навык. Стереотип отчасти верный. Только в Греции я видел как в обычных автосалонах в центре города продаются новые мерседесы уже раскрашенные под такси. Однако, никто из моих коллег с туристами никогда дела не имел. Это были обычные местные инженеры и менеджеры, окончившие обычные местные школы и институты, преподавание в которых не сильно отличается от нашего.

Настоящая причина греческого феномена проста Греция очень маленькая, в ней живет меньше людей, чем в Москве. Из-за этого у нее меньше ресурсов на создание собственных источников информации. Греческих фильмов, журналистики и специализированной литературы очень мало, как и внятных сайтов и приложений. Хочешь читать новости иди на англоязычные сайты; посмотреть фильм все только с оригинальной озвучкой; поиграть в игру без локализации; почитать про алгоритмы или бизнес Амазон твой друг. А узнав про наш обычай дублировать на русский английские ролики с Ютуба, они просто опешили.

Греки контактируют с английским ежедневно. Поэтому процентов 90 городского населения младше 40 без проблем понимает английский. Нормально говорят процентов 40, у остальных просто нет практики общения.

Что касается меня, то просто общаясь с коллегами на английском в неспешном режиме удаленщика (ежедневная планерка, периодические встречи на час-два, имейлы и переписка в корпоративном чате) за год я пришел к комфортной устной и письменной речи практически в любых контекстах. Пишу практически потому что первый раз в аэропорту, например, у меня был некоторый дискомфорт. Несмотря на прохождение этой темы когда-то с репетитором, в отсутствие практики все забылось. В новых контекстах у всех случаются подтормаживания, это нормально.

Это был мой третий прорыв в изучении.

Вывод:
Регулярный контакт с языком ключ к его знанию.

Жизнь в мультиязычной среде

Как я уже упомянул, до конца школы я жил в одном из регионов Украины. Чтобы не бередить национальное самосознание читателей, назовем его К**м. Так вот, исторически жители К**ма говорили по-русски, а с украинским контактировали мало. Его учили в школе на правах второстепенного родного языка, но на этом все заканчивалось.

С развалом Союза ситуация начала меняться. Я услышал живой украинский впервые лет в семь, когда у нас начал вещать первый большой украинский телеканал. Понятно не было почти ничего. Позже российские каналы пропали, а украинских стало гораздо больше. На украинском все активнее заговорили радио, журналы, документы, учебники.

В средней школе украинский у нас преподавали уже наравне с русским. А конкретно наш класс был украинизирован дополнительно: классная руководительница была настоящей украинкой и, наверное, единственным человеком в К**му, говорящим по-украински в повседневной жизни. К старшим классам все мы владели украинским отлично, не сильно хуже рдно росйсько.

Никто из нас никогда целенаправленно не учил украинские слова и выражения. Ни в школе, ни за ее пределами. Мы перенимали их на слух и из текста. И то же самое делали наши взрослые родители, только с меньшей скоростью.

Украинский проник в нашу жизнь настолько, что многие люди стали говорить на суржике русском с периодическими вкраплениями украинского и характерными звуками шо и гэ. Потому что стали забывать русские аналоги этих слов и их произношение.

Но 15 лет после того, как я последний раз что-то внятно сказал на украинском, говорить и писать на нем уже не могу. Предложения формировать крайне сложно, слова выпадают, и даже грамматика хромает. Хотя понимаю все без проблем. Отсутствие практики стирает даже самые сильные навыки.

Вывод:
Регулярный контакт с языком ключ к его знанию.

Ну и зачем ты нам рассказал эти пронзительные истории, касатик?, спросите вы, Мы занятые люди. Нам нужно резюмировать!

Легко.

Резюме

Почему английский непонятен начинающим

В большинстве случаев из-за незнания ключевых слов и выражений, составляющих то, что вы пытаетесь понять.

Вот что из относительно простого текста понимает человек знающий 100 самых распространенных английских слов:

Не густо.

А вот что из этого же текста понимает человек с запасом в 1000 слов:

Гораздо лучше!

Что значит знать слово или выражение? Это значит понимать его значения и способы комбинации с другими словами.

Пример:

Show me your watch (Покажи свои часы)

Если вы не знаете, что show может значить показать, понять это предложение невозможно. Однако если вы знаете только это значение, то вам будет сложно понять это предложение:

Show some respect (Прояви уважение)

Ок, знаем оба значения. Как насчет этого примера:

Quit showing off (Харэ выпендриваться)

Чтобы считать это слово в этих ситуациях, вы должны были ранее встретить его в этих ситуациях и узнать значение. Или догадаться по контексту. Это приходит только с объемом прочитанного и прослушанного материала.

Вторая причина непонятности незнание типичных вариантов произношения. Слова в реальных предложениях часто звучат совершенно не так как мы прочитали бы их по буквам. Например, фраза Cut it out (Прекрати) должна бы читаться Кат ит аут. Но так только роботы говорят. Живые люди говорят что-то вроде Кариряу. И понять это логически или догадаться, видя саму фразу, нельзя. С этим можно только много раз встретиться в реальных источниках и записать на подкорку.

Третья причина шотландцы. Серьезно. А также, ирландцы, австралийцы, парни из гетто, и половина жителей американских и британских провинций. Взрослые образованные носители английского нередко не понимают носителей других диалектов. В некоторых случаях, они понимают меньше, чем средний русский понимает из среднего английского источника. Не беспокойтесь. Если вам не нужно ехать в места скопления этих людей возьмите другой контент. Если нужно мои соболезнования.

Суть изучения английского языка

Если попытаться сформулировать одним словом что такое изучение английского, этим словом будет практика. Иначе говоря, количество повторений желаемого навыка.

Например, чтобы понимать слово book в тексте, вам нужно, условно, 20 раз считать его в разных формах и контекстах в разное время:

Bring me the book, please (Принеси мне книгу, пожалуйста)

I need a book (Мне нужна книга)

There are too many books (Там слишком много книг)

You can book tickets on the internet (Ты можешь забронировать билеты в интернете)

Ill book a table somewhere (Я закажу столик где-нибудь)

и так далее

Чтобы понимать book на слух, нужно 20 раз его услышать в разных формах и контекстах. Хотя, если вы уже хорошо знаете его из текста, количество требуемых контактов будет меньше. Скажем, 10. Говорить должны разные люди, в разных ситуациях, в разное время.

То же самое с письмом и говорением. Количество повторений определяет качество вашего навыка.

Навыки связаны между собой достаточно слабо. Чтение в большой степени помогает слушанию, письмо говорению. В других сочетаниях связь слабая: если вы отлично воспринимаете речь на слух это вовсе не значит что вы сможете при первой необходимости заговорить. Но с хорошим пассивным словарным запасом улучшить письмо и говорение гораздо проще.

Практика требует времени

Длительность вашего изучения языка будет произведением количества слов и фраз, количества требуемых навыков, степени желаемого красноречия, и персональной скорости усвоения информации.

Например, я хочу хорошо читать и слышать общий и IT английский. Видео на ютубе, статьи на Медиуме, обсуждения на Реддите и Стак Оверфлоу. Скажем, для этого нужно знать 8000 слов и словосочетаний. Каждое нужно считать 20 раз. Одно считывание занимает в среднем 10 секунд. Умножить на 2 навыка: чтение, слушание. Но я тугодум, и мне требуется в 1,5 раза больше времени на усвоение, чем другим ребятам. Значит считываний потребуется 30. Читаю и смотрю я что-то, например, 2 часа каждый день.

Итого: 8000x30x10x2 = 1333 часа / 2 часа в день = 668 дней

Но усваивать по 12 новых слов и словосочетаний каждый день вы, конечно, не сможете. Особенно когда закончатся слова вроде point и late, а начнется что-то вроде astute и drizzle. Поэтому срок можно умножить минимум на 2. Хотя, может быть, вы гений.

Практика должна быть интересной

Нужно быть человеком выкованным из чистой стали чтобы заставить себя потратить тысячи часов на что-то скучное и утомительное. Большинство людей не знают языка именно из-за невероятной скучности традиционного процесса обучения. Поэтому главная задача абсолютного большинства изучающих язык сделать этот процесс нескучным; найти занятия, которые будут вам интересны сами по себе, а английский будет только средством.

Если вы делаете для изучения английского что-то, чего бы вы не стали делать на русском долго такие занятие не продлятся. Если что-то из вашей практики воспринимается как неприятная обязанность при первом перерыве в занятиях вы к ним вряд ли вернетесь.

Если вы пока совсем не можете читать и слышать, первая пара месяцев должна стать исключением из этого принципа. Процент непонятного в любом источнике будет сильно выше комфортного. Но это быстро изменится. Освоив всего четыре сотни самых распространенных слов, вы станете понимать 60-70% источников на общие темы и чтение/слушание станет приятнее.

Грамматика

Грамматика самый переоцененный фактор в освоении английского. Для того чтобы понимать, писать и говорить на уровне достаточном для чего угодно неофициального и неакадемического, нужно знать 15-20 простых грамматических концепций: порядок слов, базовые времена, вопрос, отрицание, множественное число, превращение одной части речи в другую итд. Все это вы уже учили в школе и многое из этого похоже на русский. Польза от изучения дополнительных правил снижается драматически.

Проиллюстрирую степень важности грамматики по сравнению со словарным запасом.

Так мы видим предложение написанное с идеальной грамматикой:
Мы сходили на Красную площадь и выпили два стакана лимонада.

Предложение c достаточной грамматикой:
Мы ходили на Красный площадь и пили два стакана лимонад.

Предложение без грамматики вообще:
Мы ходить красный площадь и пить два стакан лимонад.

Предложение с идеальной грамматикой, но без слов:
[______________________________]

Если, не будучи продвинутым учеником с серьезным словарным запасом, вы чрезмерно беспокоитесь о грамматике, вы ближе к последнему варианту, чем к первому.

Имейте ввиду, что даже если вы идеально проштудируете любой учебник по английскому для иностранцев, вы будете знать только часть реального объема грамматики. В учебниках для носителей, темы, описанные вам на 2 страницах, могут занимать 20. И проштудировав даже их, вы улучшите свой общий уровень владения языком на несколько процентов, не более. Сеньор Парето не даст соврать.

Кроме того, огромная часть грамматики имеет исключения или нелогична в принципе, и как следствие, формальные правила с ней не помогут. Знаете почему район Нью-Йорка Brooklyn не имеет артикля, а у соседнего The Bronx он есть? Нью-Йоркцы не знают. Или почему в русском автобус ходит, хотя у него нет ног? С этими фактами просто нужно встретиться и запомнить, как и со многими другими.

В общем, не будьте грамматическим снобом. Начинайте пользоваться языком и доучивайте непонятное по ходу дела, если будет нужда. Хотя многое вы будете понимать и чувствовать без знания формальных правил.

Произношение

Второй самый переоцененный фактор.

Правильного произношения в английском не существует. И даже если бы оно было, никому не важно как вы что-то произносите до тех пора пока вы доносите смысл.

А умеренный иностранный акцент вообще не проблема. Директор Гугла говорит с индийским акцентом, жена Алека Болдуина притворяется испанкой, а акцент Арнольда Шварценеггера стал его визитной карточкой.

Слушайте примеры канонических произношений из словарей, нормальных образованных американцев, и старайтесь говорить похоже. Со временем у вас станет получаться достаточно близко.

Единственное, за чем стоит последить сознательно это слова, которые от неправильного произношения превращаются в другие: mouth mouse (рот мышь), piece piss (кусок моча) и тому подобные. Но все равно, в большинстве случаев вас поймут и осуждать будут не сильно.

Записка себе в прошлое, или как бы я учил английский, если бы пришлось начать все сначала

1. Проговори вслух или напиши короткий текст на любую тему. На английском. Теми словами, которыми получится. Текст должен быть достаточно объемным, включать настоящее, прошлое, будущее время, а также вопросы и отрицания.

2. Запиши своими словами все что не получается сказать. Это те грамматические темы, которые тебе нужно повторить/выучить. Базовые 5-6 времен и артикли стоит повторить в любом случае.

3. Найми репетитора и пройдись по всем этим темам. Выполнить одну страничку упражнений по каждой теме будет, скорее всего, недостаточно. Если чувствуешь, что не усвоил попроси или найди дополнительные упражнения и потренируйся ещё. Если репетитор знает сам как тебя нужно учить тебе с ним не по пути. Этот шаг не должен занять больше пары-тройки месяцев.

   1. Если репетитора нанять не вариант, то красный или синий Мерфи твой лучший друг (в зависимости от того, как хорошо ты учился в школе). По каждому из них есть подробные видеоуроки: красный, синий. Пытаться выучить все от корки до корки не нужно.

4. Если не помнишь почти никаких слов, начинай учить самые часто используемые слова через приложение для карточек с интервальным повторением. Слово ты употребляется в английском в 5618 раз чаще слова огурец. Если выучить ты первым, продвинешься к пониманию языка в целом в 5618 раз быстрее. На каждой карточке должен быть пример предложения, содержащего изучаемое слово.

5. Одновременно начинай читать простые современные тексты на чем-то, что позволяет ткнуть в слово или словосочетание и увидеть его перевод. Это не должен быть отдельный словарь, в который нужно вводить текст руками. Переводить каждое незнакомое слово не надо, только те, без которых не можешь уловить смысл предложения или которые встречаешь часто.

   1. Если знаешь все слова в предложении, но смысл из них не складывается, то скорее всего, в нем есть многосоставные слова или устойчивые выражения. Это частое явление. Переводи такие предложения целиком или кусками между знаками препинания.

6. Простые тексты, и одновременно, самые полезные на практике это все что записано с устной речи. Например, расшифровки подкастов и интервью. Выбирай интересные или полезные тебе темы.

7. Учи новые слова из прочитанных текстов и других источников через приложение для карточек, сохраняя оригинальный кусок текста. В идеале, переводчик слов и карточки должны быть соединены в одном приложении.

8. Каждый раз когда смотришь значение слова или учишь его через карточки, слушай как оно звучит и произноси вслух сам. Это сильно поможет узнавать слова на слух и говорить.

9. Пробуй слушать подкасты с текстовыми расшифровками и смотреть видео-контент с субтитрами. Поначалу можно включать замедленное проигрывание. Если непонятно вообще ничего продолжай читать и учить слова.

10. Какого контента стоит, по возможности, избегать:

    1. В котором есть шотландцы, ирландцы, реднеки, и далее по списку упомянутому ранее непонятно и бесполезно.

    2. Все что создано ранее 70-80-х годов устаревшая лексика и манера речи .

    3. Исторический, фэнтезийный бесполезно.

    4. Поначалу: крупные формы и любые источники искусственного языка, как художественные книги (не стоит тратить 20 часов на сотни прочтений слов профессор и магия) и фильмы (бандитско-ментовско-военная лексика вряд ли пригодится + сложно понимать).

    5. Поначалу: новости, аналитика, Википедия очень сложно.

    6. Песни непонятно и бесполезно.

    7. Любой адаптированный контент скучно и не сильно проще обычного.

11. Одновременно с началом занятий купи или скачай в сети красного или синего Мерфи (по твоему уровню). Когда начинаешь замечать на практике какую-то регулярную проблему или непонятность по части грамматики заглядывай в него. Заодно, просмотри оглавление, чтобы знать что в нем есть. С огромной вероятностью, это две книги содержат всю формальную грамматику, которая тебе когда-либо понадобится.

12. Говори и пиши на английском при любой удобной возможности. Говорить с самим собой один из вариантов. Можно писать статьи или вести блог. Не бойся ошибаться. Помни, что даже Илон Маск когда-то мочился в штаны.

13. Найди репетитора-носителя на любой онлайн-платформе и договорись созваниваться с ним по мере возникновения вопросов. Если нужно часто писать на английском, договорись чтобы ты отправлял ему свои скрижали, а он проверял их и давал комментарии по частым ошибкам.

    1. Как бесплатную альтернативу консультациям можно использовать языковые сообщества вроде English Stack Exchange и Word Reference, а для проверки правописания Grammarly.

14. Устройся на работу в англоязычную компанию. Ты станешь зарабатывать вдвое больше и получишь самую лучшую практику письма и говорения. Как вариант, начни делать с кем-то из-за границы проект на английском или присоединись к чужому.

15. Отдохни.

Приложение для чтения и изучения слов

Метаться между несколькими приложениями для перевода, примеров и карточек неудобно. Поэтому мы с коллегами сделали продукт, которого нам не хватало со времен когда мы начинали учить английский. Это расширение для Хрома + веб-приложение, с помощью которого можно удобно читать любые англоязычные сайты и эффективно учить новые слова и выражения. Называется оно Lilata, установить его можно тут. Мы активно над ним работаем и будем добавлять много полезных инструментов для изучения языка. Если текущий функционал вам пока не интересен подпишитесь на рассылку там же, а мы напишем когда появятся интересные обновления.

TL;DR

Найдите английские аналоги русского контента, который вы читаете/слушаете/смотрите сейчас, читайте/слушайте/смотрите его каждый день, учите часто встречающиеся слова и выражения в контексте, пользуйтесь удобными вспомогательными инструментами через пару-тройку лет будете знатно понимать английский. Чтобы хорошо говорить и писать, скорее всего, вам понадобятся важные жизненные обстоятельства, которые требуют этих навыков и примерно столько же лет практики.