От 45 баллов ЕГЭ до Senior Data Scientist: нетривиальный путь в ИИ
История специалиста, который, несмотря на посредственные оценки и неприязнь к программированию, построил карьеру в data science, показывает, что успех в ИИ не всегда требует идеального старта.
В IT, особенно в data science, часто считают, что нужен блестящий старт: победы в олимпиадах, диплом топового вуза, врожденная любовь к коду. Но карьера может сложиться иначе. Пример - специалист, который сдал ЕГЭ по математике на 45 баллов, окончил инженерный факультет ПГУПС и даже не любил программирование. Сейчас он Senior Data Scientist в крупном банке и получил предложение преподавать в ИТМО.
По его словам, путь в IT казался закрытым. Он не был олимпиадником или выпускником МФТИ, а код вызывал неприязнь. Ситуацию изменили смена подхода и стратегическое планирование. Вместо зубрежки теории он выбрал востребованное направление - data science - и начал последовательно осваивать навыки через проекты: статистику, машинное обучение, работу с большими данными и soft skills.
Эта история важна для отрасли. Рынок AI и анализа данных испытывает дефицит кадров, а жесткие формальные фильтры могут отсеивать мотивированных специалистов с нестандартным бэкграундом. Практические навыки, умение решать бизнес-задачи и обучение на проектах часто ценятся выше идеальных оценок. Приглашение преподавать в ИТМО подтверждает это - экспертиза, полученная на практике, становится значимым активом.
Для многих это обнадеживающий сигнал. История показывает, что решимость, стратегическое планирование и фокус на прикладных знаниях могут компенсировать отсутствие идеального академического прошлого. Компаниям стоит чаще смотреть на портфолио и практический опыт кандидатов, а не только на дипломы. Это также иллюстрация динамичности IT-рынка: за несколько лет можно совершить резкий скачок, если верно определить тренд и вложить время в его освоение.
Путь от инженера, не любившего программирование, до старшего data-ученого и преподавателя ведущего IT-вуза - не просто мотивация. Это показатель того, что отрасль data science начинает ценить разнообразный опыт и практические компетенции. Успех все чаще определяется не точкой старта, а скоростью обучения и готовностью решать сложные задачи. Вход в профессию может быть нелинейным, а ключевыми становятся адаптивность и умение применять знания к реальным данным и бизнес-процессам, что и формирует востребованного специалиста.
