Дарья Петрова (EDS’2021) – выпускница совместной программы РЭШ и ШАД «Экономика и анализ данных» (ЭАД). За плечами у Дарьи учебный трек с крутыми виражами, работа аналитиком данных в McKinsey, а еще экстремальное хобби покорителя горных вершин. В интервью она расскажет, как ей удалось пройти такой сложный путь, и поделится своими лайфхаками.
– Дарья, сейчас у тебя целых три специальности – физика, экономика и анализ данных. А что интересовало тебя в школе?
– В школе не было предпосылок, что я буду кодить хоть немного или свяжу жизнь с наукой о данных (Data Science). Буду честна: мне кажется, что в школе почти невозможно понять, кем ты хочешь быть.
– C чего начался твой путь в науке?
– Я пошла на Физтех за красивой мечтой – стать ученым. Изначально я выбрала факультет биологической и медицинской физики, потому что он подходил «для девочек». Однако, в поисках большего уклона в физику я перевелась на ФМХФ (факультет молекулярной и химической физики). Одну конкретную область, которая бы вызывала у меня наиболее сильные эмоции и интерес, я найти не могла. Что касается программирования и науки о данных, на Физтехе у меня был ряд курсов по программированию, однако, довольно базовых. И к Data Science меня подтолкнули скорее не они, а моё окружение: у меня очень много друзей училось в ШАДе и работало в сфере анализа данных. Их рассказы, а также тот факт, что я все чаще и чаще стала сталкиваться с необходимостью понимания «машинки» и обладания хорошим уровнем Python, заставили меня задуматься о том, чтобы сменить вектор развития с физики на анализ данных.
– Как ты выбрала, куда именно поступать? Как готовилась?
– В ШАД я пошла, уже будучи на четвертом курсе Физтеха. Аналогичных программ, которые можно было бы совмещать с выпускным годом, не было. Тогда моим требованиям к качеству образования отвечал лишь ШАД – «жесткая» школа, которая дает ключевые профессиональные навыки (hard skills) и готовит к работе в IT-индустрии.
Поступить в ШАД довольно непросто, но, к счастью, для подготовки есть много открытых источников, где лежат варианты экзаменов ШАДа прошлых лет. Упор нужно делать на алгоритмы, теорвер, комбинаторику и линал. И лучше прорешивать задачи в компании единомышленников: это существенно упрощает процесс и делает его более эффективным. Еще один важный момент, на который стоит обратить внимание – ваша мотивация, о которой вас обязательно спросят на собеседовании. Обучение сложное, поэтому суметь ответить на вопрос, зачем оно вам, просто необходимо.
– Как ты после всего этого пришла в экономику, а именно, на программу МАЕ?
– На последних курсах Физтеха я начала искать опции для продолжения обучения. База по анализу данных у меня была заложена ШАДом, а вот база по экономике и финансам у меня отсутствовала. А РЭШ известна качеством своего обучения. Так я и выбрала программу МАЕ.
К сожалению, совмещать РЭШ и ШАД возможности не было, поэтому на первом году обучения в ШАДе я ушла в академический отпуск, а на втором мне уже предоставилась возможность перевестись на совместную программу «Экономика и анализ данных».
– Сложно ли было после физики учиться в РЭШ и ШАД?
– Первое время очень: дело в том, что у меня не было опыта машинного обучения и программирования. А многие мои однокурсники уже давно вращались в этой сфере: работали в различных стартапах, участвовали в хакатонах. Я же прошла лишь пару курсов на Физтехе, и мне требовалось гораздо больше времени для погружения. Так, например, мое знакомство с глубоким обучением (deep learning) началось с логистической регрессии – базового алгоритма, который для меня был абсолютно новым. На второй домашке мне уже пришлось обучать нейросеть (U-Net) для выделения контуров клеток, а на третьей – эмбединги. Одним словом, для меня это все было примерно так же тяжело и не интуитивно, как, если бы я изучала квантовую физику на первом курсе Физтеха. Из-за этого первый год оказался для меня не самым простым.
– Означает ли это, что неподготовленному человеку не стоит идти учиться в ШАД или на ЭАД?
– То, что у вас не было опыта в Data Science до учебы, не должно быть проблемой. Примерно половина ребят, также, как и я были без опыта. И программа с нулевого уровня позволяет подтянуть вас чуть ли не до «мидла». Да, будет сложнее, чем ребятам с опытом, но через какое-то время вы сравняетесь.
Однако, перед поступлением в ШАД все равно лучше пройти базовые курсы по Python, «машинке» и С++. Во-первых, сейчас в ШАДе на этапе поступления глубже проверяют технические навыки, а во-вторых, даже элементарное понимание Python и С++ на старте существенно облегчит процесс обучения.
– Понимала ли ты, насколько сложный предстоит тебе путь?
– Всех тех бессонных ночей, которые мне предстояли, я ожидала. Вообще, девиз ШАДа – «будет сложно, вам понравится». Эта фраза действительно отражает обучение на ЭАД. Стоит сказать, что это «сложно» компенсируется полученными знаниями, воспоминаниями о времени, проведенным в ШАДе (как учебном, так и не только), и открывающимися новыми возможностями.
– Что изменилось после перевода на ЭАД?
– Увы, многие думают, что раз учеба в РЭШ – это сложно и учеба в ШАДе – это сложно, значит вместе будет совсем неподъемно. На самом деле, на ЭАД подобран очень сбалансированный набор курсов. РЭШ и ШАД взяли сливки двух программ и совместили их в одном. Программа, конечно, не готовит разработчиков, но зато она готовит Data Scientists, которые понимают экономику, и экономистов с отличными техническими навыками. Кстати, от РЭШ вам достанется еще и продвинутое понимание финансов.
– Многие боятся программирования, кажется, что это очень сложно. Как довести обучение до конца?
– Утверждение «я буду только «прогать» – это неправда. «Прогать» вы будете только первые полгода, но это необходимо, так как нужно изучить инструменты, которые применяются почти везде, где бы вы в дальнейшем ни работали по специальности. Если вы поступаете на «Экономику и анализ данных», то на этом ваше развитие как разработчика завершается. Так что, если программирование вам совсем не нравится, то можно просто потерпеть первый семестр. Дальше пойдут такие предметы, как прикладная статистика, машинное обучение, добавится экономика, финансы от РЭШ. Помните, что ЭАД – это не мир разработки, а мир экономики и анализа данных, как бы это ни повторяло название программы.
– Какой совет можешь дать тем, кто пока сомневается? Как им решиться?
– Стоит помнить, что программирование – это не просто код, который остается в компьютере. Аналитика на Python и «машинка» используются компаниями практически во всех сферах: от IT (Озон, Яндекс и т.п.), до консалтинга и финансов – будь то риск-менеджмент или трейдинг.
Если уйти от смежных сфер, то даже мир чистого Data Science максимально разнообразен: это может быть и привычный нам поиск по картинке, и построение 3D-модели человека для онлайн-примерочной, и считывание приложением цифр на банковской карточке по фото. Всегда стоит помнить, какие фантастические возможности откроет перед вами ЭАД.
– По-твоему мнению, какими чертами должен обладать человек, которому подойдет наука о данных (Data Science)?
– Прежде всего, вы должны быть готовы много времени проводить с кодом на этапе обучения. Не менее важна способность просить людей о помощи и самому быть готовым помочь. Обсуждая с одногруппниками идеи, вы зачастую узнаете больше, чем пытаясь в чем-то разобраться в одиночестве. Да и останется много воспоминаний: о том, как вы «кодили» вместе или расписывали на доске алгоритмы. Так что Data Science подходит не только для интровертов. Кстати, девушка вы или парень, не имеет значения. Главное – это навыки и возможность спрашивать, если что-то осталось непонятным.
– Кем становятся выпускники программы Экономика и анализ данных? С какими навыками они выходят?
– В целом, важно подчеркнуть, что ЭАД дает возможность выбирать. Я, например, пошла в консалтинг в McKinsey, где мы сами не пишем сложные нейросети и RL не применяем, однако помогаем бизнесу эти методы внедрять. А вот мой одногруппник, Сережа Лактионов (EDS’2021) – напротив, разработчик и финансист.
После ЭАД можно быть как экономистами, так и работать в IT-компаниях, разработке, трейдинговых компаниях. От рынка вас будет отличать тот факт, что наряду с высокими техническими возможностями вы будете понимать эконометрику, микроэкономику и финансы наравне с выпускниками чисто экономических специальностей. Программа позволяет прокачать себя одинаково сильно в трех направлениях: финансах, экономике, Data Science. И с равным успехом вы сможете применить себя в любом из них.
– Как выглядел твой карьерный путь до McKinsey?
– Из-за учебы я не очень активно работала, в основном стажировалась летом: немного попробовала себя в области добычи природных ископаемых (Инжиниринговый центр МФТИ) и съездила в Австрию (Institute of Science and Technology of Austria) на научную стажировку по биологии. После года ШАДа и четвертого курса физтеха, улучив момент между сессией и РЭШ, для прокачивания навыков я походила по собеседованиям, тогда меня взяли в BCG Gamma и Яндекс. Навыки прохождения собеседований были улучшены, но вместо работы я решила два месяца отдохнуть перед выходом в магистратуру.
После первого курса РЭШ у меня был оффер в McKinsey, но я думала, что не смогу его принять: стажировка длилась менее шести месяцев, а учебу никто не отменял. Но мне предложили отложить оффер до окончания обучения (т.е. отложили оффер более, чем на 1.5 года!). Зато летом мне выпала возможность постажироваться в гарвардской школе бизнеса (Harvard Business School) в качестве research assistant.
– Как ты получила оффер в McKinsey?
– Можно сказать, звезды так сложились! На первом курсе РЭШ я была слишком погружена в учебу, и для прокачивания навыков собеседования я попыталась попасть в Google, куда меня не взяли. Для реабилитации самооценки я решила принять участие в собеседовании в McKinsey. Я успешно прошла технические этапы и меня позвали на кейс. Обычно к этому моменту люди прорешивают десятки кейсов, а я не открывала ни одного. За 3 недели я прорешала всего 6-8 кейсов с ребятами из РЭШ и через месяц мне уже прислали оффер. HR предлагала мне бросить учебу и сразу пойти работать, но принять верное решение мне помог Иван Гиганов (MAF'2018): он сказал, что РЭШ – это не то место, которое надо бросать ради консалтинга, и что наработаться я еще успею. Я отказалась от мгновенного выхода в компанию и приняла отложенный до окончания РЭШ оффер.
– Сейчас ты работаешь в Advanced Analytics в McKinsey. Чем именно ты занимаешься?
– Как стажер, я делаю много аналитической работы, а также, например, пишу систему тестов к коду, разработанному командой. В консалтинге отсутствие сложной технической составляющей компенсируется высоким уровнем влияния на бизнес даже на младших позициях. McKinsey хорош тем, что к твоему мнению прислушиваются так же, как к мнению старших коллег, и учитывают его при принятии решений, влияющих на бизнес крупных компаний. В Google, Facebook или Яндексе не так: там, будучи стажером, ты скорее концентрируешься на маленьких, точечных задачах, которые безусловно важны, но на бизнес особенно не влияют.
– Поступления на разнопрофильные программы и перевод на ЭАД – это все наверняка очень нервно. Как тебе все же удавалось принимать взвешенные решения?
– Очень важную роль во всех моих решениях сыграла возможность общения с умными людьми и их своевременные советы. Решение пойти в ШАД я приняла по рекомендациям своих друзей. Так же было и с переводом на совместную программу «Экономика и анализ данных», или решением остаться в магистратуре: я много общалась с профессорами и выпускниками и спрашивала их мнение. Кстати, в РЭШ есть менторская программа, где можно спросить совета у более опытных выпускников РЭШ и обсудить потенциальные эффекты от принимаемых решений.
– Как ты пришла к увлечению горным туризмом? Помогает ли горная закалка в прохождении повседневных трудностей на равнине?
– Я с детства ходила в походы. Но для меня горы – это скорее не «закалка», горы – это про любовь к жизни, про мечты, про вдохновение. Желание пойти в горы заставляет вырваться из серых будней и делать что-то кроме работы и учебы. Когда я устаю на работе, то начинаю планировать следующий поход. Это помогает!
