Made mail ru group

Mail.ru Group открыла новый набор на бесплатное обучение в Академию больших данных MADE

За полтора года студенты Академии MADE смогут бесплатно освоить одну из востребованных специальностей — дата-аналитика, дата-инженера или специалиста по машинному обучению. Заявки принимаются по 31 июля на сайте Академии больших данных MADE.

Программа Академии больших данных MADE рассчитана на ИТ-специалистов с опытом от одного до трех лет, которые хотят построить карьеру в области работы с большими данными. Студенты Академии будут не только изучать теорию, но и решать реальные задачи из практики Mail.ru Group. Они научатся создавать модели машинного обучения для высоконагруженных сервисов, осуществлять прикладной анализ данных, обработку больших данных и естественного языка, работать с компьютерным зрением и распознаванием речи — и многому другому.

Лучшие выпускники смогут присоединиться к команде Mail.ru Group. Преподаватели Академии — практикующие специалисты по большим данным и эксперты отрасли.

Запуск нового потока — 6 сентября. Продолжительность обучения — полтора года. Прослушивание лекций и выполнение домашних заданий займет 15–20 часов в неделю. Обучение проходит в онлайн-формате. Чтобы поступить, нужно успешно пройти несколько вступительных испытаний. Отбор будет длиться с 1 по 22 августа. За это время претендентам нужно будет пройти онлайн-тестирования по математике и программированию, продемонстрировать свои навыки в соревновании по машинному обучению и проявить свои лучшие качества на собеседовании.

Узнать подробности об этапах отбора и подать анкету для поступления в MADE можно по ссылке.

Mail.ru Group открыла новый набор на бесплатное обучение в Академию больших данных MADE

Выпускники получат навыки, которые нужны для работы с большими данными и искусственным интеллектом в рамках выбранной специальности: дата-аналитика, дата-инженера или специалиста по машинному обучению.

За полтора года студенты Академии MADE смогут бесплатно освоить одну из востребованных специальностей — дата-аналитика, дата-инженера или специалиста по машинному обучению. Заявки принимаются по 31 июля на сайте Академии больших данных MADE.

Программа Академии больших данных MADE рассчитана на ИТ-специалистов с опытом от одного до трёх лет, которые хотят построить карьеру в области работы с большими данными. Студенты Академии будут не только изучать теорию, но и решать реальные задачи из практики Mail.ru Group. Они научатся создавать модели машинного обучения для высоконагруженных сервисов, осуществлять прикладной анализ данных, обработку больших данных и естественного языка, работать с компьютерным зрением и распознаванием речи — и многому другому.

Выпускники получат навыки, которые нужны для работы с большими данными и искусственным интеллектом в рамках выбранной специальности. Лучшие смогут присоединиться к команде Mail.ru Group. Преподаватели Академии — практикующие специалисты по большим данным и эксперты отрасли.

Старт нового потока — 6 сентября. Продолжительность обучения — полтора года. Прослушивание лекций и выполнение домашних заданий займет 15–20 часов в неделю. Обучение проходит в онлайн-формате.

Чтобы поступить, нужно успешно пройти несколько вступительных испытаний. Отбор будет длиться с 1 по 22 августа. За это время претендентам нужно будет пройти онлайн-тестирования по математике и программированию, продемонстрировать свои навыки в соревновании по машинному обучению и проявить свои лучшие качества на собеседовании.

Узнать подробности об этапах отбора и подать анкету для поступления в MADE можно по ссылке.

Единые Рейтинги digital-агентств 2022

Ура, братский RUWARD после почти трёхлетнего перерыва опубликовал свежую серию рейтингов по всем ключевым диджитал-услугам:

Открыт новый набор в Академию больших данных MADE

Mail.ru Group открывает второй набор на бесплатное обучение в Академию больших данных MADE. Здесь IT-специалисты смогут за полтора года освоить одну из трех специальностей — Data Scientist, Machine Learning Engineer или Data Engineer. Программа разработана экспертами из научного мира и индустрии, а также специалистами из Mail.ru Group. В Академию смогут попасть те, кто успешно пройдет вступительный отбор. Заявки принимаются до 1 августа на сайте проекта.

Чему учим?

Вы научитесь разрабатывать модели машинного обучения для высоконагруженных сервисов, освоите прикладной анализ данных, обработку больших данных и естественного языка, компьютерное зрение, распознавание речи и другие области обработки и анализа больших данных и искусственного интеллекта. Слушатели курсов не только освоят теорию, но и будут решать реальные задачи проектов Mail.ru Group. Лучшим выпускникам предложат работу в компании.

Где, когда и как?

Обучение в Академии больших данных MADE начнётся 7 сентября и продлится три семестра. Учеба будет занимать 15–20 часов в неделю. Заниматься можно очно на базе НИТУ «МИСиС» или дистанционно. Те, кто выберет удаленный формат, смогут смотреть видеозаписи и трансляции лекций из любой точки мира. Занятия в Академии больших данных проходят в будни с 19:00 до 22:00, а также в субботу с 11:00 до 20:00.

Обучение бесплатное, но для поступления необходимо успешно пройти вступительные испытания. На выполнение всех тестов отводится ограниченное количество времени.

Регистрация (до 1 августа 2020). Расскажите о себе, заполнив анкету на сайте. Получите письмо с дальнейшими инструкциями.

2 августа — онлайн-тестирование по математике. Мы проверяем необходимый уровень математического анализа для применения на практике производной, интеграла и рядов, линейной алгебры на уровне операций с матрицами и вычисления собственных векторов, основ решения дифференциальных уравнений, основ теории вероятностей и комбинаторики. Прием результатов завершится 2 августа в 23:59 по Москве.

9 августа — онлайн-тестирование по программированию. Мы проверяем, насколько вы знакомы с базовыми алгоритмами (обходы графов, жадные алгоритмы, динамическое программирование, задачи на сортировки) и простыми структурами данных (список, очередь, стек, динамический массив, словарь), а также насколько быстро и уверенно вы можете писать код для задач, в которых эти алгоритмы и структуры данных нужно применять. Прием результатов завершится 9 августа в 23:59 по Москве.

2-16 августа — соревнование по машинному обучению. Участвовать не обязательно, но полученные баллы будут добавлены к баллам за тестирование. В соревновании нужно построить предсказательную модель на предложенных данных с открытыми наборами на обучение. Приветствуется закрытый тестовый набор данных, на котором проверяется решение по окончании соревнования. Требуется уметь работать с данными, использовать стандартные модели для решения задач машинного обучения и грамотного анализа результатов, владеть эффективным отбором признаков, что повысит качество метрик относительно предложенного бейзлайна.

17-23 августа — анкета. Те, кто покажет лучшие результаты на этапе онлайн-тестирования и соревнования по машинному обучению, получат ссылку на заполнение анкеты с мотивационными вопросами. Мы хотим лучше узнать ваши профессиональные предпочтения от языков программирования до предпочитаемых направлений профессионального развития в Data Science. Будьте готовы дать развернутые ответы на открытые вопросы.

1 сентября — зачисление. Решение о зачислении на дистанционный формат обучения будет приниматься по сумме баллов за онлайн-тестирование, соревнование по машинному обучению и собеседование.

Mail.ru Group запускает Академию больших данных

Мы запускаем Академию больших данных MADE — второй среди образовательных проектов MADE от Mail.ru Group, рассчитанный на специалистов с опытом 1-3 года.

Обучение в Академии будет интересно специалистам, которые уже уверенно пишут код на C++, Java или Python и успели поработать 1-3 года в сфере анализа данных или в разработке. Мы поможем вам актуализировать и систематизировать свои знания, быстро вырасти в профессии или освоить новую специальность.

Формат обучения

Вы можете выбрать очный или дистанционный формат обучения, а также одну из трех специальностей: Data Scientist, Machine Learning Engineer или Data Engineer. Обучение состоит из трех семестров общей длительностью полтора года.

Чему я научусь в Академии больших данных?

Программа первого семестра поможет вам освежить знания, полученные в вузе или на курсах. Обязательных дисциплин две:

Как поступить в Академию больших данных?

Вам потребуется знание высшей математики (линейной алгебры, математического анализа, теории вероятностей и математической статистики), а также умение программировать и применять базовые алгоритмы и структуры данных.

Также нужно до 15 сентября пройти регистрацию на сайте Академии больших данных MADE.

10 сентября все зарегистрированные пользователи получат по электронной почте приглашение на онлайн-тестирование. Первым тестом мы проверяем минимальные необходимые знания по высшей математике: понимание математического анализа на уровне практического применения производной, интеграла и рядов; линейной алгебры на уровне операций с матрицами и вычисления собственных векторов; а также знание основ решения дифференциальных уравнений, основ теории вероятностей и комбинаторики.

Вторым тестом будет соревнование по программированию. На нём мы проверим, насколько вы знакомы с базовыми алгоритмами (обходы графов, жадные алгоритмы, динамическое программирование, задачи на сортировки) и простыми структурами данных (список, очередь, стек, динамический массив, словарь), а также насколько быстро и уверенно вы можете писать код для задач, в которых эти алгоритмы и структуры данных нужно применять.

На выполнение каждого теста отводится ограниченное количество времени. Прием результатов завершится 16 сентября в 23:59.

21 сентября пройдет письменный экзамен в НИТУ «МИСиС» для слушателей, планирующих очное обучение.

10-21 сентября будет проходить онлайн-соревнование по анализу данных. Участвовать в нём не обязательно, но так вы сможете получить дополнительные баллы. Чтобы добиться высокого результата в соревновании по анализу данных, будьте готовы изучать выборку и не жалеть время на работу с признаками. Соревнование позволит проявить талант к работе с данными, а машинному обучению и его применению в индустрии мы научим вас в Академии.

При поступлении на очное обучение суммируются баллы за онлайн-тестирование и письменный экзамен, а также дополнительные баллы за онлайн-соревнование по анализу данных.

При поступлении на дистанционное обучение суммируются баллы за онлайн-тестирование и дополнительные баллы за онлайн-соревнование по анализу данных.

Вы будете не только слушать лекции, но и разбирать реальные задачи из разных сфер бизнеса, участвовать в мастер-классах и работать над индивидуальными и командными проектами. На занятиях вы сможете регулярно общаться с менторами и преподавателями и получать обратную связь по домашним заданиям.

Занятия очной программы будут проходить в НИТУ «МИСиС» в центре Москвы. Дистанционную программу можно проходить из любой точки мира — вам будут доступны видеозаписи лекций, задания и общение с менторами в чатах.

А самым сильным выпускникам Академии больших данных MADE мы предложим позиции в разных командах Mail.ru Group.

MADE — это бесплатный образовательный проект для специалистов, которые уже имеют опыт работы 1-3 года и хотят вырасти как профессионалы. Сейчас в рамках проекта доступны две образовательные программы: Академия продуктовых менеджеров и Академия больших данных.

Как я поступил и учусь в MADE. Честный отзыв студента

Mail.ru открыла 2-й набор в бесплатную Академию больших данных MADE. А я там сейчас учусь. Поэтому решил, что просто обязан рассказать, как поступал, что это за Академия больших данных и каково там учиться. В общем, «показать все, что скрыто».

Во-первых, что это такое за MADE?

MADE — это что-то вроде магистратуры от Mail.ru, где учат Data Science и машинному обучению для того, чтобы стать востребованным специалистом. Бесплатно. Долго, 1.5 года. «На выживание», отчисляя тех, кто не тянет. Если вы слышали про ШАД Яндекса или OzonMasters от, соответственно, Ozon, вот это — оно.

Официально, программы Яндекса и Озона больше направлены на подготовку студентов, а MADE — на обучение уже действующих программистов/аналитиков и т.д. Но это, скорее, условности, ибо один мой знакомый, которому под 40 лет, учится в ШАД, и я знаю довольно много студентов, которые учатся в MADE.

О поступлении

Я начал интересоваться анализом данных в марте 2019 года. Кратко про мой уровень тогда:

Конечно же, с такими вводными я сразу захотел поступить в ШАД 🙂 Для этого свернул все проекты и засел на фулл-тайм учиться в библиотеку по 8-10 часов. У меня было чуть меньше 1.5 месяца до экзаменов, и я по будням и выходным смотрел лекции по матанализу, линейной алгебре, проходил курсы по машинному обучению на coursera, учился писать на Python.

Естественно, 40 дней подготовки для моего уровня было просто смешно и я не поступил. Провалил вступительный тест и не дошел до экзамена. Справедливости ради скажу, что до допуска к экзамену в тесте не хватило 1 балла. Но это уже не имело значения.

Так я не попал в ШАД

Сначала было отрицание, потом гнев и принятие. Я решил, что планов менять не хочу и точно поступлю учиться. Другие люди поступают, значит и я смогу. И дальше методично, по 8 часов в день, я продолжил просиживать за учебой в библиотеке. Так (в библиотеке) прошла моя весна и лето 2019.

Так прошло вся моя весна и лето 2019

Получилось такое «второе высшее на минималках». Подробные обзоры на курсы, которые проходил, здесь.

И тут, 3 сентября, я вижу объявление о том, что Mail.ru будет бесплатно обучать специалистов в области Data Science и машинного обучения. И набор открыт уже сейчас. Естественно, я даже не думал ждать еще год до ШАД. Притом, программы обучения были очень похожи. Появилась возможность — сразу отправил заявку.

Через день после дня X

Почему не платные курсы?

Потому что задача MADE — подготовить востребованных на рынке специалистов, в том числе для Mail.ru. Потому что обучение будет сложное: не все потянут и их не будут подтягивать. Потому что будут учить не тому, что большинство сможет освоить, а тому, что сейчас нужно рынку. Потому что это просто эффективно. Но я понимал, что за эту эффективность придется платить всем свободным временем, нервами и сном. И был к этому готов.

Платные курсы — намного более мягкий вариант. Берут туда почти всех. Проведут за ручку, все объяснят, отстающим помогут. Будет проще. Требования ниже. Сходимость к концу курса большая: подозреваю, в районе 70-80% учеников «доживает» или даже больше. Не это не «путь самурая», как потом сказал мой коллега по MADE, Михаил 🙂

Хотя если бы у меня было свободных 10-15 часов в неделю, и я не мог бы себе позволить учиться фулл-тайм полгода в библиотеке, то платные курсы были бы хорошим выходом.

Вступительные экзамены

Все, чему я учился эти 6 месяцев в библиотеке, пригодилось. И алгоритмы, и машинное обучение, и конечно, математика.

И 30 сентября мне пришло письмо. До последнего не верил, что пройду. Я был очень рад 🙂

Вот к этому письму я шел полгода

Как потом узнал, на очное был конкурс в районе 10 человек на место. А на дистанционное (куда поступал я), 32 человека на место. Иначе как упорство и удача я свой результат назвать не могу.

В этом году, судя по инфе на сайте, поступление будет похожим. За исключением двух моментов:

Об учебной нагрузке

На сайте MADE пишут про нагрузку в 15-20 часов в неделю. Как шутили коллеги в чатике «15-20 часов в неделю — это если вы уже всё знаете». У меня в 1-м семестре уходило в районе 25-30 часов. Сейчас — в районе 20-25 часов в неделю.

Допустим, мы сдаем минимум, 3 предмета. Можно посчитать:

9 + 3 • 5 = 24 часа. В неделю. Это уже ближе к реальности.

Ещё у нас вместе с поступлением в MADE родился сын. А за месяц до поступления меня позвали работать Data Scientist-ом в 21vek. Все это вместе было крайне забавно. 🙂

Из плюсов большого объема учебы кроме знаний и навыков:

Учиться сложно. ДЗ много, предметов — 3+. Кто-то выбирает «путь самурая» и берет 4. Я сдал в 1-м семестре 4 предмета и больше такой подвиг морально не готов повторять.

Несмотря на то, что после вступительных с хорошим конкурсом кто попало поступить не мог, первый семестр «пережили» не все. Алгоритмы и структуры данных (обязательный в 1 семестре предмет) сдала примерно половина. Остальные, вроде как, дальше не пошли.

Было непросто, но с 1-м семестром справился. Притом, хорошо.

Если резюмировать по нагрузке — это отличный вызов, который я искал.

Про предметы, которые изучаем

Самая первая лекция по машинному обучению. Ведет Виктор Кантор.

За 1-й семестр мы в основном проходили базу: алгоритмы, статистика, машинное обучение, продвинутый Python/С++. Получился своеобразный уравнивающий блок, после которого можно уже двигаться дальше к прикладным задачам.

За 2-й семестр мы изучали (и пока ещё изучаем) больше прикладных вещей: natural language processing, компьютерное зрение, big data, дизайн и планирование экспериментов. Довольно много работы с нейросетями: учились генерировать текст, переводить с одного языка на другой, находить точки на лице, распознавать автомобильные номера. Есть соревнования, когда нужно сделать алгоритм лучше, чем у других. Есть обычные ДЗ, где задача — к примеру, написать систему машинного перевода лучше, чем заданная планка качества. Или с подачи Сергея Николенко мы моделировали распространение коронавируса.

И появились еще более теоретические предметы вроде методов оптимизации и продвинутого машинного обучения.

Я взял NLP, Computer Vision, дизайн экспериментов (мини-курс), продвинутый ML и методы оптимизации. Но от последнего курса пришлось отказаться в середине семестра, ибо банально не успевал.

На 2-м семестре так же начинается разделение по специализациям: Data Scientist, Machine Learning Engineer и Data Engineer. Но на нашем потоке это разделение скорее в виде рекомендаций, чем жестких ограничений. Если хотите пройти какой-то курс другой специализации, никто запрещать не будет.

За 3-й семестр, как я понял, будут углубленные предметы вроде нейробайесовских методов, распределенных систем и ML на графах. Но это уже посмотрим.

Преподаватели

Они не только просто классные, но и крутые спецы в своем деле. Спасибо им огромное за терпение и желание научить. К тому же, в том, чтобы проверить 80-100 довольно больших работ на каждое ДЗ и персонально дать комментарии каждому студенту, есть некоторая доля героизма.

Очень здорово, что большинство преподавателей умеют доносить сложные вещи просто и понятно. Лично мне больше всего запомнились Радослав Нейчев (вот и вот пару его курсов по ML в МФТИ), Сергей Николенко (его канал с лекциями и книга «Глубокое обучение» про нейросети), Даниил Лысухин и Михаил Хальман. Но это — скорее личные предпочтения. Все преподаватели по своему крутые 🙂

Вместо резюме

Я очень рад, что поступил. Очень рад, что сейчас столько возможностей учиться. Конечно, учиться сложно. Но, по мне, — это хорошие сложности. Я к таким сложностям готов и в какой-то мере рад им.

Спасибо за эту возможность.

Как поступить?

Насколько я понял, теперь наборы будут проходить каждый год. До 1 августа 2020 можно подать заявку. Потом пройти онлайн-тестирования по математике и программированию. И, возможно, собеседование.

Поступить непросто, но реально. Я, как мог, пугал сложностями и лишениями. Но если вы все же выбрали «путь самурая», удачи. Она будет не лишней 🙂

Автор: Алексей Ярошенко

Data Scientist / ML Engineer. Раньше занимался интернет-маркетингом и учил людей контексту. Сертифицированный тренер Google в Беларуси.

19 ответов к “Как я поступил и учусь в MADE. Честный отзыв студента”

Алексей, добрый день. Благодарю за статью. Моя история очень похожая: степень магистра в БГУ, все на отлично, все забыто, сейчас увлекся датой и пытаюсь реанимировать.
Можете набросать список предметов, которые нужны для поступления, вместе с ссылками на учебники или курсы, которые с вашей точки зрения хороши для подготовки? Благодарю.

Если взять отдельно математику, то продублирую свой коммент на FB: «Там у меня такая каша была, всего по чуть-чуть) От Кострикина и Жевняка с Карпуком до лекций Савватеева/Тониса по линалу и матану (на ютубе) и пачки разных решебников от брата, которые я уже не вспомню. И, конечно же, mathprofi ru»

По предметам: линейная алгебра, матанализ, теория вероятностей и мат. статистика + основы комбинаторики, python, алгоритмы и структуры данных. И неплохо было бы базово разбираться в машинном обучении, чтобы поучаствовать в соревновании по анализу данных.

Возможно, вам еще будут полезны рекомендации по подготовке от самого MADE со списком источников, вот свежие:
https://data.mail.ru/static/core/pub/bigdata/docs/2020_MADE_Syllabus.pdf

Алексей, большое спасибо за статью! В инете пока что не нашел ни одного отзыва от студента об этой программе.

Боюсь, обычно подразумевается, что как использовать библиотеку «на пальцах» мы и сами разберемся. А по глубине… наверное, лучше на примерах приведу:

Конечно, странно было бы, если бы мы совсем не пользовались готовыми библиотеками. Но, к примеру, прежде чем пользоваться LSTM, писали свою рекуррентную сеточку на линейных слоях. Или писали свой attention. Про алгоритмы и структуры данных — конечно, доказательства тоже были (по крайней мере, в 1-м семестре точно, во втором — не брал этот курс, ибо жестко + были другие интересные).

Так что скорее 1-й вариант, особенно во 2-м семестре.