Поступление в шад глазами куратора и студента

[править] Сотрудничество с вузами

В 2007 году при поддержке ШАД на базе МФТИ была создана кафедра анализа данных. Для студентов Физтеха обучение начинается на 3-4 курсах бакалавриата, магистерская программа доступна всем желающим.

Весной 2014 года Высшая школа экономики и Яндекс открыли факультет компьютерных наук. Преподаватели ШАД и сотрудники компании участвуют в создании учебного плана, ведут занятия для студентов.

С сентября 2011 года ШАД сотрудничает с факультетом прикладной математики и информатики Белорусского государственного университета. В 2014 году на ФПМИ БГУ стартовала магистерская программа по направлению «Алгоритмы и системы обработки больших данных».

Программа Школы анализа данных и магистратуры механико-математического факультета МГУ действует с 2012 года. Для обучения по ней требуется одновременно поступить в ШАД и в магистратуру университета по специальности «Компьютерная алгебра».

УРФУ

С сентября 2017 года в рамках направления «Компьютерные науки» открыта совместная магистратура ШАДа и Уральского федерального университета в Институте естественных наук и математики по траектории «Анализ данных».

ННГУ

Ряд дисциплин института информационных технологий, математики и механики Нижегородского государственного университета преподаётся с использованием материалов ШАД. В 2018 году в ННГУ запущена магистерская программа «Когнитивные системы», учебный план и материалы которой подготовлены при участии преподавателей Школы анализа данных Яндекса.

РЭШ

В 2019 году ШАД и Российская экономическая школа создали программу подготовки специалистов, обладающих одновременно навыками экономического моделирования и анализа данных. При прогнозировании в дополнение к классическим моделям машинного обучения они смогут учитывать экономические факторы, поведение людей, строение сложных экосистем.

ИТМО

Магистерская программа «Аналитика данных» открылась в Университете ИТМО в 2020 году при содействии Яндекса. Студентов учат создавать, адаптировать и применять методы анализа данных к разным предметным областям, используя машинное обучение, анализ временных рядов, компьютерное зрение, интеллектуальный анализ изображений, звуков и текстов на естественном языке.

ЕУ СПб

Осенью 2020 года Европейский университет в Санкт-Петербурге и Яндекс запустили программу профессионального образования «Пандан» (Прикладной анализ данных). В рамках образовательного цикла выпускники гуманитарных и общественных специальностей узнают больше о количественном повороте в своих и смежных областях, а выпускники технических направлений получат представление о проблемах в общественных науках.

СПбГУ

При участии Яндекса и СS-центра в Санкт-Петербургском государственном университете был создан факультет математики и компьютерных наук.

ЦЕРН

ШАД — участник совместных экспериментов с LHCb и ЦЕРН по применению возможностей машинного обучения и анализа данных в задачах физики высоких энергий.

Data scientist

Никита Попов, выпускник 2016 года:

«Data scientist — так сейчас называют аналитиков всех мастей. Мы в Яндексе привыкли считать, что data scientist — это человек, который отлично владеет машинным обучением и статистикой и, главное, на практике может извлечь полезную информацию из огромного объема данных.

Сейчас я работаю в команде метрик Поиска. Мы работаем над тем, чтобы оценивать качество нашего поиска, выбирать, в какую сторону двигаться и какой из множества проводимых экспериментов действительно увеличит “счастье пользователя”. В команду я попал через стажировку сразу после окончания ШАДа. Школа анализа данных дала мне отличную базу: курсы по машинному обучению и вероятностным моделям — это как раз то, что я использую каждый рабочий день.

Я поступил за компанию со своими одногруппниками, но уже с первых семинаров стало понятно, что ШАД — это безумно интересно. Именно там я осознал, чем хочу заниматься. Думаю, что каждый data scientist должен хорошо разбираться в различных методах машинного обучения, знать их плюсы, минусы и область применения, уметь находить в данных зависимости и делать правильные выводы на их основе. Несмотря на то, что работаю я аналитиком, очень часто приходится заниматься и разработкой. Недавно я допилил сервис, для которого разрабатывал и фронтенд, и бекенд, и сами алгоритмы — data scientist должен уметь всё».

Почему не охватить больше

В вузе математический анализ и линейную алгебру изучают в течение двух лет — а у нас есть всего полгода. Даже базовую информацию нужно правильно упаковать, подавать в понятном виде и в разумном объёме, который студент сможет воспринять. Поэтому моя главная задача – рассказывать эффективно. Когда преподаёшь математику, часто наблюдаешь такую картину: пока ты пытался быстро дойти до содержательного материала, все уже растерялись, сидят и ничего не могут понять. Это сигнал, что рассказывать что-то дальше бессмысленно: новую информацию уже точно не воспримут.

У меня уже был опыт «сжатия» программ математических курсов. Сначала в рамках подготовки к магистратуре ФКН НИУ ВШЭ нужно было сократить до 10-ти занятий курс линейной алгебры, который занимает 35 пар на очном отделении. Позже у меня были эксперименты по другим предметам в рамках различных подготовительных курсов в ВШЭ. Сложнее всего было организовать курс, в котором основы линейной алгебры, математического анализа и теории вероятностей рассказывались бы за 6 занятий.

Однажды я услышал от своего товарища инженера: «Худшее, что есть в математике — это доказательства». В некотором смысле это правда. Достаточно посмотреть, как устроено классическое обучение высшей математике. Представьте себе учебник «Как пользоваться компьютером», в котором первая глава называется «Как добыть руду», далее объясняется, как протравить дорожки на материнской плате, припаять микросхемы, написать драйверы для клавиатуры и видеокарт… На последней странице вы читаете: «Вы собрали компьютер, нажмите кнопку “Пуск”». 

По этой же аналогии можно представить, как один математик традиционно готовит других. Преподаватели тратят огромное количество часов, чтобы объяснить, как строится та или иная математическая теория, как сделать её непротиворечивой, как добиться того, чтобы все детали работали. Студенты изучают это, а потом им нужно ещё и разобраться, как это применять. 

Однако доказывать теоремы и применять их – абсолютно разные навыки. Любой разработчик использует компилятор, но далеко не каждый представляет, как компилятор устроен внутри; ему достаточно знаний о том, как применять этот инструмент. Поэтому я сокращал материал ровно до тех знаний, которые нужны для работы: вырезал объяснения о том, как выстроена теория, оставлял информацию об основных объектах и о том, как можно эти знания использовать на практике.

На основании этой работы я собрал программу для своих курсов, подготавливающих к поступлению в ШАД: восемь занятий по линейной алгебре, семь занятий по теории вероятностей, три-четыре занятия по математическому анализу. За это время можно дать весь материал, достаточный для поступления.

Пока я этим занимался, мою программу увидел Стас Федотов. Он рассказал о том, что ШАД собирается набирать людей с нематематическим образованием и предложил вести такие занятия для разработчиков.

Биография и национальность Ahmed Shad

Ахмед Шатлыкович Атаджанов, известный как певец Ahmed Shad, родился в Туркменистане, в городе Мары. Певец по национальности туркмен, исповедует ислам.

Ахмед занимается музыкой с двух лет. Певец служил в армии, получил высшее образование. С 2013 года жил и занимался творчеством в Москве. С 2016 года часто менял страну жительства, путешествовал по Европе.

В течение трех лет об исполнителе не было вестей. Певец жил непубличной жизнью и не выпускал новые песни, только делал наработки. Перерыв в творчестве связывают с разными причинами: учебой, уходом в религию, творческим поиском и личными проблемами. В 2019 году вернулся в Москву и плотно занялся продвижением песен и клипов в интернете. Ахмед снял несколько клипов и выпустил музыкальный альбом.

Высшая школа экономики

Чему мы учим?

Сотрудничество Высшей школы экономики с Яндексом началось в 2008 году. Базовая кафедра Яндекса готовит специалистов в области анализа данных, машинного обучения и разработки инфраструктуры больших данных. Цель обучения — освоить современные методы, инструменты и подходы к анализу, обработке и хранению данных. Благодаря продуманному сочетанию теории и практики перед выпускниками открыты дороги и в индустрию, и в исследования. Они могут заниматься самыми разными направлениями Computer Science: синтезом речи и предсказанием погоды, теорией глубинного обучения, созданием поисковых систем и другими.

Специализация «Анализ интернет-данных» включает прохождение курсов ШАД и обязательных курсов НИУ ВШЭ, научно-исследовательские семинары, проектную работу, подготовку курсовой и выпускной квалификационной работы.

Как поступить?

На программе «Анализ интернет-данных» есть два трека: базовый и продвинутый. Первый трек подходит студентам, только начинающим путь в Data Science. Оказаться на нём проще всего, поступив в ШАД. Студенты базового трека могут учиться на любом из направлений Школы

ШАД заканчивает приём заявок от абитуриентов в мае — важно не пропустить этот момент. В конце августа – начале сентября проходит распределение по специализациям

Тем, кто уже поступил в ШАД, остаётся только мотивационное собеседование. Всем остальным предстоит три этапа: онлайн-тестирование, техническое и мотивационное собеседования.

Продвинутый трек подходит тем, кто хорошо знаком с программой основных курсов ШАДа или является их выпускником. Чтобы попасть на него, нужно написать контест или контрольную работу, а после пройти техническое и мотивационное собеседования.

Научный трек живёт внутри продвинутого и создан специально для тех, кто хочет заниматься исследованиями. Отличается тем, что магистранты стажируются в научно-исследовательской лаборатории Яндекса и пишут диплом под руководством работающих там учёных. Чтобы попасть на него, нужно поступить на программу «Науки о данных» и пройти отбор на стажировку в лаборатории. Подать заявку можно тут.

Что известно о ранних годах

Певец с юных лет проявлял интерес к музыке. В два годика он начал подпевать радио, которое любили слушать родители. Отец заметил, что сыну нравится повторять мелодии, и поспособствовал развитию его таланта. Судьба маленького Ахмеда решалась серьезно, на семейном совете. Певец благодарен родителям за то, что помогли ему стать талантливым исполнителем.

Несмотря на серьезность намерений четы Атаджановых развивать талант сына, в музыкальную школу трехлетнего ребенка не взяли. Но в детском саду воспитатели дополнительно занимались с Ахмедом музыкой. Дома родители тоже раскрывали в нем музыкальность. Благодаря активным занятиям и явным способностям в пять лет мальчика все-таки приняли в музыкальную школу. Ахмед сразу проявил себя талантливым вокалистом, занимал первые места в конкурсах.

После окончания общеобразовательной школы Ахмед отдал долг Родине — пошел в армию. По возвращении домой он решил поступить в вуз и получить уважаемую профессию. Учебу в университете связывают с тем, что Ахмед отошел от творчества.

Турмец Макоев

Я думал о поступлении в ШАД с первого курса университета. C каждой новой попыткой поступить у меня получалось справляться со вступительными чуть лучше. И только на четвёртом курсе я наконец смог пройти в Школу. Так получилось, что в 2020 году появился новый трек поступления, и я — как раз его целевая аудитория. 

В портфолио для поступления, которое мы с кураторами разбирали на собеседовании,  я использовал один из наших учебных проектов — сервис для анализа содержимого набора изображений при помощи модели Yolo V2. Мы использовали его для того, чтобы анализировать фотографии людей, откликнувшихся на вакансии в компании: например, если у соискателя в социальных сетей много снимков с животными, то, вероятно, он лучше подойдёт на позицию ветеринара.

Помимо портфолио нужно было подготовить развёрнутый рассказ о своём опыте для одного из вопросов анкеты. Кроме того, нужно было пройти два экзамена, а потом ещё три интервью — но я со всем справился.

Я со школы занимался олимпиадным программированием, но не углублённо, не уходя в него с головой. А в ШАДе как раз ценится олимпиадный подход к решению проблем: компактность логики решения, его скорость и то, оптимальное ли оно по сравнению с другими вариантами. В Школе меня привлекало в первую очередь это. Кроме того, я понял, что инфраструктурная разработка мне ближе, чем машинное обучение, и поэтому сейчас я изучаю высоконагруженные распределённые системы.

Если вы поступаете в ШАД, то ваш главный ресурс — это время и усилия. С ними вы решите любую задачу. Ещё важны единомышленники, которые смогут помочь вам и поддержать вас во время учёбы: к счастью, среди поступающих в Школу и её студентов таких людей много.

Вика Ходырева, Москва

ШАД для меня — такая маленькая группа людей, которые делают большие дела. И это очень вдохновляет: ты туда приходишь и понимаешь, сколько невероятных людей вокруг. Даже не верится, что так всё удачно сложилось, что возникло место, в котором лучшие умы могут в самых комфортных условиях общаться, учиться и развиваться вместе. 

Самым напряженным и интересным временем в ШАДе была сдача алгоритмов. Там очень веселая система: либо ты сделал всё идеально, либо тебя не пропускают дальше «огненные драконы» — переделывай. Было классно: едешь в метро — делаешь алгоритмы, сидишь на парах — делаешь алгоритмы. 

Это работает так: чем больше ты понимаешь, тем больше тебе это нравится. А когда тебе всё подробно объясняют замечательные преподаватели — ты просто начинаешь в это влюбляться. Хочется глубже этим заниматься, оставаться в курсе научных прорывов. Может быть, база ШАДа позволит в будущем даже быть причастной к ним. 

Что я хочу посоветовать ребятам, которые будут поступать в ШАД? Во-первых, не бояться поступать в ШАД. Нужно верить в себя и хотя бы пробовать. Второй совет: когда уже поступил — не сидеть дома, а приходить в Школу и как можно больше общаться с людьми. Третий совет: не забывать про жизнь вне ШАДа, это поможет как-то существовать после того, как эти чудесные два года закончатся. 

Подготовка к поступлению

Андрей Спиридонов, студент первого курса ШАДа: Я учусь на пятом курсе физфака МГУ: занимаюсь теоретической физикой и изучаю теорию струн. В первый раз я попробовал поступать в ШАД ещё после школы, но мне не хватило ни математического аппарата, ни мотивации. Я учился в СУНЦ, участвовал в олимпиадах, и Школа анализа данных была везде на слуху. Мне просто хотелось попробовать туда попасть, а понимания зачем это нужно не было, — поэтому я, наверное, и не прошёл.

Андрей Спиридонов

Нельзя сказать, что я ответственно готовился к поступлению во второй раз: но занятия теоретической физикой прокачивают как знания, так и мотивацию. Прежде чем посвятить себя фундаментальной науке, хочется попробовать что-то ещё — например, анализ данных.

Я начал готовиться за полгода до экзамена: раз в неделю по два-три часа прорешивал математические задачи. В интернете много материалов для подготовки: поступать в ШАД — распространённое развлечение для бывших олимпиадников и просто тех, кто любит математику. Я читал наработки сообщества и анализировал их.

Ещё я взял для подготовки две книги: по теории вероятности и математической статистике и по алгоритмам. Чтобы разобраться с алгоритмами, я использовал «Искусство программирования» Дональда Кнута: там содержатся сведения из дискретной математики, а в ШАДе любят давать задания на суммирование рядов и восстановление рекуррентных последовательностей. Я почувствовал, что есть вещи, которые не запомню, и что сборники пригодятся мне на очном экзамене. Я взял их с собой, хотя они и  были тяжёлыми.

Стас Федотов, руководитель Школы анализа данных в Москве: На вступительных экзаменах поступающему могут встретиться олимпиадные задачи, требующие скорее не конкретных знаний, а хорошо выработанной математической интуиции. Мы постарались собрать те темы, которые, на наш взгляд, могут оказаться полезными в анализе данных: вы не встретите в заданиях теории групп или интегралов по поверхности. Однако не у всех способных людей, которые уже вовсю изучают анализ данных самостоятельно, есть внушительный математический багаж. В этом году мы решили дать таким поступающим больше возможностей проявить себя и открыли новый трек отбора: на нём можно будет не решать зубодробительные задачи, но придётся впечатлить комиссию достижениями в сфере машинного обучения: статьями, участием в проектах и так далее.

Как появилась идея открыть новый поток

Когда только открывался ШАД, его идея была такова: учить математиков и физиков машинному обучению. Предполагалось, что приходят люди с серьёзной математической подготовкой, а им объясняют, как применять эти знания.

Это работающий подход, но с ним есть одна проблема: специалисты с хорошим математическим бэкграундом – это довольно узкий круг людей. Яндекс растёт, сегодня он ищет сотню сильных профессионалов, а завтра начнёт искать тысячу. И ШАД призван помогать в таком поиске. К тому же, в ШАДе давно существовала идея обучать более широкую аудиторию. Конечно, эти люди не будут во всех аспектах обладать таким же уровнем навыков и знаний, как те, кто пять лет учил математику в вузе. Но у ШАДа и нет цели вырастить продвинутого математика. Основная задача — научить тому, что имеет конкретные приложения в машинном обучении. 

Первый поток курса «Математика для Data Science» уже прошел в ШАДе с сентября по декабрь 2020 года. В основном в нём участвовали студенты Школы, но были и вольнослушатели. Например, сотрудники Яндекса, у которых основное образование не связано ни с программированием, ни с математикой, и которые хотели усилить фундаментальную подготовку.

Почему важно развивать математическую интуицию

Внутреннее устройство математики – это формальный язык, символы на листе бумаги, которые написаны по заранее заданным правилам. На таком формальном уровне символов с ними могут оперировать компьютеры. Есть языки программирования и специальные инструменты, при помощи которых можно доказывать теоремы или проверять, верны ли их доказательства. Однако компьютер пока не способен рождать новые математические результаты, и в целом все процедуры укладываются в алгоритмы.

Понятно, что человек мыслит иначе. Профессиональный математик постоянно повышает уровень абстракции, который он применяет в работе. Так, когда он думает про непрерывную функцию, то представляет себе непрерывную линию. Например, если дана непрерывная функция на отрезке, которая справа положительна, а слева отрицательна, то почему у неё обязательно есть ноль? Потому что если провести непрерывную линию, которая начинается ниже горизонтальной оси и заканчивается выше, то она обязана где-то пересечь ось. Именно эта мысль находится в голове человека, когда тот пытается решить задачу, в которой нужно работать с непрерывной функцией. 

Мозг профессионального математика автоматически компилирует неформальные идеи в формальные доказательства. Не думаю, что кто-то из математиков размышляет на языке машинного кода, все предпочитают оперировать более наглядными понятиями.

Кроме того, всё то, что можно представлять и визуализировать, проще использовать, связывать и соотносить с другими представлениями. Можно вообразить это так: у тебя в руках мешок, полный самых разных работающих теорий и механизмов. Ты ставишь себе цель и думаешь, как до неё добраться с их помощью. Не наугад, а на основании прошлого опыта и зная, какие инструменты раньше позволяли тебе решать похожие задачи. 

Это рассуждение происходит не на математическом языке, а на языке высокоуровневых идей, которые у тебя накопились. Так строится приблизительный план решения самой сложной задачи. Если на этом пути человек встретил пропасть и первым придумал, что применить для её преодоления, то можно сделать открытие. Уже потом, в научной статье формальный язык опишет это открытие, склеит полученные результаты в строгий текст.

Я думаю, что у музыкантов, архитекторов и разработчиков это работает так же. Как можно построить огромное здание, думая только про бетон и кирпичи? Нужно думать о более глобальных вещах, используя свой талант, знания и прошлый практический опыт.

Сергей Бондарев, Минск

ШАД сильно изменил мои представления о будущей профессии: раньше я даже не планировал заниматься машинным обучением, а сейчас считаю себя настоящим датасаентистом. Благодаря Школе я стал чувствовать себя гораздо увереннее, стал как-то глобальнее мыслить, думать о будущем. 

Учебу в ШАДе я совмещал с работой и учебой в аспирантуре. Было, мягко говоря, непросто — даже пришлось брать год академа. Но плохое быстро забывается, остается только хорошее. Например, иногда вспоминаю, как сижу я ночью, в четыре утра уже птицы начинают петь, а я всё еще что-то пишу. Глаза дико болят, хочется спать. Но и в такие моменты даже мысли не было взять это всё и бросить. Непонятно откуда появлялось просто дикое упрямство и желание идти вперед. 

Единственное, о чем я жалею, что не было возможности учиться очно. Потому что живое общение с преподавателями, возможность что-то спросить дополнительно по теме — это бесценно, невозможно заменить этот опыт никакими видеолекциями. Ради него стоит даже переехать в другой город. 

[править] Ссылки

• Записи с меткой «ШАД» в официальном блоге Яндекса
• Школа компьютерных наук — журнал Открытые системы. СУБД
• В поисках «свежей крови» — Эксперт (журнал)
• Информация о курсах

Математика в анализе данных

В Школе анализа данных я выбрал направление, где упор делался на программирование и статистику. В ШАДе очень хороший курс по статистике, который помог мне легко её понять. А на курсе по дискретной математике нам рассказывали теорию графов, комбинаторику, линейную алгебру и практическую линейную алгебру. Во время обучения в Школе я начал осознавать взаимосвязь между математикой и решением каких-то практических задач по анализу данных. 

Чем очень хорош ШАД — здесь ты сразу замечаешь взаимосвязи, видишь, зачем нужна конкретная теорема, зачем нужна линейная алгебра и зачем нужна статистика, где всё это используется в текущий момент и так далее. Всё начинает иметь смысл.

Практически всё машинное обучение и нейронные сети — это смесь теории вероятностей, математического анализа и линейной алгебры

Конечно, что-то можно делать, не углубляясь в математику, но для научных исследований очень важно знать, как всё происходит внутри нейронок, понимать, что это вовсе не магия из чёрного ящика. 

Атаджанов Ахмед сейчас

• Певец живет и работает в Москве. Начало 2021 года ознаменовалось новыми песнями исполнителя. Трек «Камилла» он исполнил в дуэте с певцом Duman. В феврале просмотры набирала новая сольная композиция «Засыпай».
• В марте 2021 года Ahmed Shad получил серебряную кнопку YouTube, а в апреле представил новую песню «Стреляй». Видео набрало один миллион просмотров.

О серебряной кнопке Ахмед снял отдельное видео, в котором показал процесс распаковки награды и еще раз поблагодарил поклонников. Серебряная именная кнопка YouTube вручается владельцам каналов, которые набрали 100 тысяч подписчиков. Певец был очень счастлив получить «посылку» и с восторгом освобождал кнопку от упаковки. Ахмед даже обнял награду, будто своих поклонников.

Артист продолжает самостоятельно писать тексты и музыку. Ахмед активно общается с поклонниками и советуется с ними. После успеха зажигательного трека «Стреляй» певец задумался, какой ритм выбрать для следующей песни, и обратился за помощью к слушателям.

Дискография исполнителя

Творчество Ahmed Shad открывает песня «Страдаю без тебя» 2013 года выпуска. В следующие годы вышли композиции:

• «Прикосновение» (2014);
• «Дорога в никуда» (2016);
• «Я забываю запах твой» (2018);
• «Плыву» (2019);
• «Я не достоин тебя» (2019);
• «Я помню» (2019);
• «Иностранец» (2020);
• альбом «Тоннами» (2020).

2020 год стал самым плодовитым для певца. Ахмед выпустил несколько песен:

• «Не уходи»;
• «Край»;
• «Никому не отдам»;
• «Услышь меня»;
• «Капли дождя»;
• «Она любима»;
• «Дурашка ты моя»;
• «Потерял тебя»;
• «Спаси меня»;
• «Зомби»;
• «Дорога в никуда».

В дебютный сборник Ahmed Shad вошли десять песен:

• «Фейк»;
• «Возьми меня»;
• «Малая»;
• «Слова мамы»;
• «Не дано»;
• «Тоннами»;
• «Black List»;
• «Привык»;
• «Аделина»;
• «Lonely».

Также Ахмед представил клипы на песни «Клеймо», «Я забываю запах твой», «Прикосновение». Треки Ahmed Shad можно найти на всех музыкальных площадках, в том числе на Spotify Russia.

Похожие записи:

How to make a mind map Шгпу Мгту станкин Курсы фотошопа Нью-йоркский университет Международный колледж бизнеса и дизайна москвы