Роман Зыков - Роман с Data Science. Как монетизировать большие данные [litres]

Здесь есть возможность читать онлайн «Роман Зыков - Роман с Data Science. Как монетизировать большие данные [litres]» — ознакомительный отрывок электронной книги совершенно бесплатно, а после прочтения отрывка купить полную версию. В некоторых случаях можно слушать аудио, скачать через торрент в формате fb2 и присутствует краткое содержание. Город: Санкт-Петербург, Год выпуска: 2021, ISBN: 2021, Издательство: Издательство Питер, Жанр: Базы данных, popular_business, на русском языке. Описание произведения, (предисловие) а так же отзывы посетителей доступны на портале библиотеки ЛибКат.

Роман с Data Science. Как монетизировать большие данные [litres]: краткое содержание, описание и аннотация

Предлагаем к чтению аннотацию, описание, краткое содержание или предисловие (зависит от того, что написал сам автор книги «Роман с Data Science. Как монетизировать большие данные [litres]»). Если вы не нашли необходимую информацию о книге — напишите в комментариях, мы постараемся отыскать её.

Как выжать все из своих данных? Как принимать решения на основе данных? Как организовать анализ данных (data science) внутри компании? Кого нанять аналитиком? Как довести проекты машинного обучения (machine learning) и искусственного интеллекта до топового уровня? На эти и многие другие вопросы Роман Зыков знает ответ, потому что занимается анализом данных почти двадцать лет. В послужном списке Романа – создание с нуля собственной компании с офисами в Европе и Южной Америке, ставшей лидером по применению искусственного интеллекта (AI) на российском рынке. Кроме того, автор книги создал с нуля аналитику в Ozon.ru.
Эта книга предназначена для думающих читателей, которые хотят попробовать свои силы в области анализа данных и создавать сервисы на их основе. Она будет вам полезна, если вы менеджер, который хочет ставить задачи аналитике и управлять ею. Если вы инвестор, с ней вам будет легче понять потенциал стартапа. Те, кто «пилит» свой стартап, найдут здесь рекомендации, как выбрать подходящие технологии и набрать команду. А начинающим специалистам книга поможет расширить кругозор и начать применять практики, о которых они раньше не задумывались, и это выделит их среди профессионалов такой непростой и изменчивой области. Книга не содержит примеров программного кода, в ней почти нет математики.
В формате PDF A4 сохранен издательский макет.

Роман с Data Science. Как монетизировать большие данные [litres] — читать онлайн ознакомительный отрывок

Ниже представлен текст книги, разбитый по страницам. Система сохранения места последней прочитанной страницы, позволяет с удобством читать онлайн бесплатно книгу «Роман с Data Science. Как монетизировать большие данные [litres]», без необходимости каждый раз заново искать на чём Вы остановились. Поставьте закладку, и сможете в любой момент перейти на страницу, на которой закончили чтение.

Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

Чем опытный сотрудник отличается от неопытного? Первому нужно сказать, что сделать, а второму – как делать. Чем выше вы растете как профессионал, тем реже вам говорят, как делать. А если и говорят, то вы уже, ориентируясь на собственное мнение, сможете ответить: «Я лучше сделаю так-то и так-то, потому что…» Так вы будете себя чувствовать не калькулятором, а полноценной интеллектуальной единицей.

Наша аналитическая работа отличается от физической тем, что кассир или сотрудник склада заканчивает свой рабочий день и прекращает думать о работе. С интеллектуальным трудом все иначе – мы продолжаем работать головой, даже когда рабочий день закончен, особенно если увлеклись интересной задачей. Часто гениальные решения приходят не сразу. В моем случае работает поговорка «утро вечера мудренее», а еще меня часто осеняет, когда я мою посуду. Поэтому у нас дома нет посудомоечной машины, иначе вместо озарений был бы скроллинг соцсетей. Ричард Хэмминг считает, что мозг накануне нужно плотно загрузить хорошей проблемой, тогда на следующий день проще будет найти решение [21]. Вы спросите, к чему я клоню? К тому, что невозможно эффективно решать задачи, сидя на рабочем месте по двенадцать часов. Я работал на двух работах одновременно, когда строил Retail Rocket, все выходные и вечера, и заметил такую закономерность – если поздно вечером пишешь код, то потом весь следующий день вычищаешь в нем ошибки. Мы работаем неэффективно, когда устаем.

Сейчас я не могу больше трех часов подряд напряженно работать над проблемой – нужно делать перерыв и отдыхать. Причем под отдыхом подразумеваю полное отключение от рабочих проблем. В последние годы я люблю ездить на работу на велосипеде, даже в условиях нашей зимы – как только температура опускается ниже нуля, переобуваю шипованную резину и достаю непромокаемые штаны, которые заодно спасают от грязи на московских дорогах. Мне это очень помогает отключаться от рабочих проблем. Если еду на общественном транспорте, то голова гудит, а на велосипеде приезжаю домой свежий и бодрый – потому что был сосредоточен на дороге и больше ни о чем не думал.

Теперь немного о трудоголизме. О том, что это такое, я узнал на четвертом курсе, познакомившись c руководительницей одной из базовых кафедр в МФТИ. Нам, студентам, она рассказывала, что встает в пять утра и упорно работает допоздна. В итоге она в какой-то момент исчезла с радаров – поговаривали, что у нее возникли серьезные проблемы с психическим здоровьем. Я знаю людей, которые очень много работают и, живя в постоянном и сильном стрессе, вынуждены принимать психотропные средства, начиная от антидепрессантов и заканчивая транквилизаторами. Я уверен, что ни одна работа в мире не стоит психического здоровья, и считаю, что мы мало о нем заботимся.

Еще один важный аспект рабочего процесса – он не должен слишком зависеть от нашей персоны. Я называю это человеконезависимостью. Хороший менеджер всегда должен знать, что он будет делать, если сотрудник уйдет по тем или иным причинам. Компания должна продолжать работать, сильная зависимость от одного человека – это всегда большой риск. Я сам строю системы таким образом, чтобы они работали без моего участия, и компания, в случае чего, продолжала функционировать и без меня. Когда ушел из Ozon.ru – мои OLAP-кубы работали там еще много лет. Уходил из Wikimart.ru – рекомендательная система работала автономно. Конечно, это связано с риском для сотрудника – когда все хорошо сделано и автоматизировано, в какой-то момент ты становишься не нужен, а значит, тебя могут уволить. Но давайте посмотрим на это с другой стороны. Вы сделали свою работу, ваша система и процессы работают, пусть не идеально, но без серьезных ошибок. Возможно, у вас даже есть другой человек, который вас может легко заместить. Это и есть идеальная работа, вы можете спокойно развивать свою карьеру как в этой компании, так и в другой. А собравшись уходить, вы будете спокойны за свою репутацию, и вас с радостью порекомендуют ваши бывшие коллеги и руководители. Все это я испытал на своей шкуре.

Когда менять место работы

Менять работу нужно тогда, когда вектор вашего развития или амбиции уже не совпадают или даже вступают в конфликт с вектором движения компании. Понять, что это произошло, нетрудно – вы почувствуете, что вам больше не интересно то, что вы делаете. У меня так тоже было. Например, в 2005 году, когда я только пришел в Ozon.ru, – я сделал систему аналитики на основе MS SQL Server и в какой-то момент делать мне стало нечего. В это время из компании ушел мой руководитель, а в жизнь Ozon.ru вмешались новые акционеры, которым было не до меня. Я оказался предоставлен сам себе и стал заниматься на работе своим хобби – уже давно по вечерам я разрабатывал сигнализацию на основе датчика движения и мобильного телефона. Мне было двадцать три года, я снял первую в своей жизни квартиру и начитался в интернете историй про то, как хозяева приходят туда без спроса в отсутствие жильца. На этот случай я придумал технологию: в квартире лежал старый мобильный телефон с датчиком движения, и если бы кто-то пришел – он отзвонил бы на мой номер, а я смог бы послушать, что происходит в квартире. Для разработки устройства мне нужно было написать программу для контроллера. И чтобы не бить баклуши в интернете, я начал писать эту программу прямо на рабочем месте. Это, конечно, очень плохая ситуация – неправильно повели себя и менеджеры, и я сам, но тогда она не стала причиной для увольнения. Когда все кадровые перестановки утряслись, задачи вновь появились, и я переключился на работу. Кстати, если вам интересно – хозяйка квартиры так ни разу и не пришла ко мне без спроса. А вот уволился из Ozon.ru я 5 лет спустя, когда у меня уже был свой личный кабинет по соседству с генеральным директором. В какой-то момент я почувствовал, что мне стало совершенно неинтересно работать, что я так могу и состариться на этой работе. Я попробовал себя в другой роли – вел проект по смене системы лояльности Ozon.ru на баллы, но меня это не зацепило. Тогда и стало окончательно понятно, что пора уходить, – и я ушел.

Читать дальше
Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

Похожие книги на «Роман с Data Science. Как монетизировать большие данные [litres]»

Представляем Вашему вниманию похожие книги на «Роман с Data Science. Как монетизировать большие данные [litres]» списком для выбора. Мы отобрали схожую по названию и смыслу литературу в надежде предоставить читателям больше вариантов отыскать новые, интересные, ещё непрочитанные произведения.


Отзывы о книге «Роман с Data Science. Как монетизировать большие данные [litres]»

Обсуждение, отзывы о книге «Роман с Data Science. Как монетизировать большие данные [litres]» и просто собственные мнения читателей. Оставьте ваши комментарии, напишите, что Вы думаете о произведении, его смысле или главных героях. Укажите что конкретно понравилось, а что нет, и почему Вы так считаете.

x