«Женщины в телекоме: мягкая сила технического прогресса» — новый видеопроект билайна, в котором героини расскажут о том, как попали в неженские, на первый взгляд, профессии. Каждая из них личным примером доказывает, что у профессионализма нет пола. Мы поговорим о выборе специальности, секретах успеха, возможностях для карьерного роста, сохранении баланса в жизни и многом-многом другом.
В первом выпуске нашего проекта мы поговорили с Ольгой Раминой, директором по развитию сети радиодоступа. Сегодня же о своем пути нам рассказала Наталия Багрова, руководитель команды дата-аналитиков и инженеров машинного обучения.
— Всем привет! Меня зовут Леша, и мы продолжаем знакомить вас, дорогие зрители, с прекрасными девушками нашей компании.
Сегодня у нас в гостях руководитель команды дата-аналитиков и инженеров машинного обучения Наталия Багрова.
Наташа, привет!
— Привет!
— Давай поговорим с тобой о том, как ты вообще выбрала такую сложную профессию дата-сайентиста. Она современная, актуальная, но крайне сложная. Каково это — быть девушкой, такой хрупкой, красивой, и в такой сложной технической профессии?
— Кажется, что не я выбирала профессию, а она выбрала меня. По образованию я экономист, но на последнем курсе университета у нас была специализация по дата-сайентсу, и меня так увлекло, что я решила остаться здесь надолго.
— Скажи, пожалуйста, почему после окончания экономического факультета ты вдруг решила кардинально сменить сферу?
— Дата-сайентс — это очень молодая сфера, и когда я только начинала учиться, ее фактически не существовало, она только становилась. И поэтому изначально я выбрала другое направление — финансы, экономику. Я даже не знала, что дата-сайентс существует, что я могу себя здесь реализовать, что я вообще умею в компьютеры, умею программировать.
— Насколько ты была близка к компьютерам до своего появления в дата-сайентс?
— Я была, как пишут в резюме, «уверенный пользователь ПК, Word, Excel», и я себя не видела в качестве программиста, даже не представляла, что я смогу.
— Откуда ты узнала про дата-сайентс?
— На одну из лекций пришел очень увлеченный своим делом человек, который показал первые возможности по дата-сайентсу. Он открыл Kaggle — это платформа, на которой проходят соревнования по машинному обучению, где в онлайне можно решить практическую задачку. У нее есть метрики, и, написав некоторый код, запрограммировав некоторую логику, можно сразу получить выгоду, посмотреть, насколько этот программный код решает положенную задачку. Там был дата-сет приюта котиков и домашних животных, и нужно было спрогнозировать по их окрасу, характеристикам, возрасту, что в дальнейшем будет с каждым конкретным животным: либо его усыпят, либо его заберут прежние владельцы, либо найдутся новые владельцы, и еще какой-то вариант. Я смотрела на это как на магию: мы вместе придумывали признаки, мальчик запрограммировал этот код, и для меня это были прямо чудеса. Это было мое первое знакомство, по-моему, на третьем курсе бакалавриата. Я на это просто посмотрела, сама не стала пробовать, мне казалось, что это какое-то чудо.
Более плотно с дата-сайентсом я познакомилась уже в магистратуре, у нас были специализированные курсы. Мой вуз был хоть и экономический, но при этом «очень математический», и у нас были смежные дисциплины: статистика, эконометрика. И преподаватели в качестве электива также давали нам курсы машинного обучения в «очень математическом» виде.
— Во время обучения в магистратуре ты проходила практику именно в дата-сайентс?
— Во время магистратуры я обучалась одновременно в двух вузах, и мне было тяжело совмещать это с работой. Моя первая работа началась на третьем курсе бакалавриата. Третий-четвертый курсы я параллельно совмещала бакалавриат и работу в сфере анализа данных, потом у меня был перерыв, во время которого я два года училась в двух вузах одновременно, и я все время посвящала учебе.
— Скажи, пожалуйста, что тебя привело в телеком?
— В телеком я попала почти случайно. Я пришла сюда со знакомыми коллегами, и, по сути, мы начинали строить здесь анализ с нуля — здесь было очень мало занимающихся этим людей, не было специализированной платформы. Я пришла помогать коллегам, которые в свое время очень помогли мне.
— Когда ты обучалась дата-сайентсу, наверняка мальчиков было больше?
— Да, их было больше и на экономическом факультете, и на любых курсах по дата-сайентсу.
— Каково тебе, девочке, было в преимущественно мужском коллективе?
— Мне кажется, это, наоборот, кайфово! У нас был идеальный баланс: девочек было не настолько критически мало, не прямо единицы — был баланс где-то 30% на 70%, может быть, 20% на 80%. По-моему, это идеальный состав.
— Как тебе удается, несмотря на огромный объем работ (ты же еще руководящую должность занимаешь) совмещать личное и рабочее?
— Это тяжелый вопрос. На самом деле, получается не так хорошо, как хотелось бы. Но я ничего лучше, чем планирование — планирование в том числе отдыха — не придумала. Поэтому это планирование, дисциплина и правильная расстановка приоритетов.
— Для тебя приоритет дом или работа?
Работа все-таки занимает очень большую часть нашей жизни, от этого никак нельзя уйти. Мне кажется, нельзя строить дом, не имея работы; я не могу отказаться от одного в пользу другого. Для меня это несравнимые сущности. Но можно сказать, что в любом случае для меня люди приоритетнее всего остального.
— У тебя есть хобби?
— Во-первых, мое хобби со школы — это шахматы, когда-то у меня был даже разряд. Сейчас я стараюсь поддерживать себя в форме, мы с коллегами иногда встречаемся и играем. Второе — это сквош, мое новое увлечение, очень интересный вид спорта, очень динамичный. Еще многие называют среди хобби книги, и я тоже выделила бы эту часть моей жизни: то есть, это не просто несколько книжек в год, это большое количество книг, которые я стараюсь читать.
— Насколько тебе нравится работать именно в телекоме, что тебя привлекает именно в этой отрасли?
— Мне очень нравится работать в телекоме, задачи здесь очень интересные. Во-первых, они очень человечные, очень понятные, большое разнообразие данных, которые нам здесь доступны, на основе которых мы можем принимать решения и менять бизнес-процессы. Очень приятно работать с проблемами, с которыми мы здесь сталкиваемся, потому что они человечны, особенно в моем направлении защиты абонентов, наших клиентов. Это и привлекает: большое разнообразие и стека, и данных, и разных задач, и то, что они действительно имеют прикладной смысл и решаемы.
Какая-то часть профессии дата-сайентиста именно в антифроде является социально ответственной. Очень приятно, что ты в первую очередь начала рассказывать не об алгоритмах и задачах именно с математической точки зрения, а о людях и клиентах, потому что билайн – клиентоцентричная компания, у нас во главе угла – клиент. Очень классно, что сотрудники, даже не задумываясь, сразу начинают рассказывать, что мы помогать защищать людей.
— Расскажи, пожалуйста, какие интересные проекты и продукты сделала твоя команда за последние пару лет?
— Наш проект начинался с антиспама. Мы делим спамеров и мошенников на разные категории. На самом деле, для человека этот негатив представляется как нечто между собой похожее, но со стороны данных, как это работает технологически, – это разные категории. Мы начинали со спама, а сейчас мы объединяемся вместе с моделью мошенников. Нам удалось практически с нуля построить алгоритмы, которые защищают абонентов. Они верифицируют звонки, подсвечивают, если звонящий – нежелательный абонент, и на этом мы построили бесплатную для наших клиентов услугу.
— Что конкретно ты делаешь в этом проекте? Как проходит твой день? Ты приходишь на работу, садишься за компьютер и пишешь код?
— Когда-то так действительно было. Но поскольку сейчас я уже на руководящей должности, большую часть времени занимает общение либо с моим продактом, либо с моими коллегами, либо с моими подчиненными: это менторство, адаптация и надзор за выполнением бэклога дата-аналитиков и инженеров машинного обучения в моей команде. Но также это некий «играющий тренер» – то есть руками я сама тоже делаю многое.
Помимо этого у нас в билайне не только продуктовое видение: все дата-сайентисты распределены по разным продуктовым командам, и мы занимаемся абсолютно разными задачами. И все ДСы объединены в сообщество (для себя мы называем его «чаптер»). И чтобы внутри этого чаптера все было единообразно, унифицировано, полезно для всех, чтобы никто не изобретал велосипед во второй раз, мы встречаемся с коллегами и составляем стандарты, лучшие практики, общие шаблоны, процессы, для того чтобы мы что-то улучшали не только у себя в команде, но чтобы общими усилиями всем становилось лучше.
Поэтому мой день каждый раз разный. Обычно он начинается со стендапа с командой – это некие «дэйлики», а дальше обычные созвоны и работа в том порядке, в котором получается.
— «Начинается со стендапа» — это открытый микрофон, я правильно понимаю?..
А какое количество девушек работает в твоем подразделении? Когда в твою команду приходят новые люди, как они относятся к тому, что руководитель — хрупкая девушка?
— Мне кажется, в айти-сообществе, в сообществе дата-сайентса никакого скепсиса на эту тему нет, я ни разу не замечала, чтобы кто-то ставил палки в колеса. У меня есть шансы развить себя и в руководящей, и в технической должности, как и у парней. То есть все зависит от человека, от его желания, от его приоритетов.
— Дай несколько советов тем, кто сейчас проходит обучение и думает над будущей профессией.
— Я бы хотела сказать, что сейчас, мне кажется, это стало тяжелее, чем раньше. Потому что специалистов стало больше; возможностей, с одной стороны, стало тоже больше, но теперь тяжелее пробиться, ведь отрасль не стоит на месте, она постоянно развивается, и это один из тех вызовов, которые стоят перед специалистами. Нужно постоянно бежать, чтобы оставаться на месте, а если хочется двигаться вперед, нужно бежать в два раза быстрее. Нужно постоянно поддерживать себя в форме – нельзя получить образование и думать, что ты дата-сайентист, ведь это настолько быстро меняющаяся отрасль, что ты устаешь и не успеваешь мониторить новости, которые переворачивают мир каждый день.
— Есть ли у тебя кумиры на этом поприще? На кого ты ориентируешься, когда думаешь о своей работе?
— Кумиров нет, но на ум приходят те люди, которых я слушала. Я дотягивалась до всего того, что есть на открытых ресурсах, а этого было очень мало. Тогда был самый популярный курс Эмели Драль, можно назвать ее. Можно назвать девушку из «Яндекса» Анну-Веронику Дорогуш, которая создала библиотеку машинного обучения, что сейчас используется практически везде как Boost.
Я восхищаюсь не только громкими именами — необязательно быть знаменитым и публичным, чтобы восхищаться человеком. Меня восхищают любые люди, которые хоть в чем-то лучше меня, любой человек, который знает или умеет что-то чуть лучше меня, — уже меня восхищает и может чему-то научить. Есть огромное количество таких людей, в том числе в нашей компании.
—Для тебя искусственный интеллект — что это?
— С моей точки зрения, искусственный интеллект – это некоторые довольно сложные взаимосвязи и взаимозависимости. По сути, это математика внутри данных и вычислительный граф, который имитирует принятие решений; это программа на данных.
— Искусственный интеллект захватит планету?
— Я думаю, нет.
— Будет восстание машин?
— Может быть, и будет, может, оно в каком-то виде и сейчас происходит – взять те же беспилотники или машины с автопилотом. Конечно, это не то что восстание машин, но иногда они сбоят, иногда модели галлюцинируют. Ну, если это можно принять за восстание, то можно и так сказать. Но то, как мы это рисуем, что роботы пойдут против нас, — в это я не особо верю.
— Можешь ли ты оценить потенциал России сейчас в сфере ИИ, в сфере дата-сайентса? Есть ли у тебя прогноз на будущее?
— Как мне кажется, потенциал у нас есть, но потенциал надо делить на две составляющие. Первая – потенциал в людях. Исторически в нашей стране было хорошо с математикой и программированием. Из-за хорошего образования людей в области много, и они очень эффективны, поэтому потенциал в людях существенен. Потенциал же в компаниях… Мне кажется, в российских компаниях технологии и дата-сайентс чуть менее развиты, и нам еще есть куда стремиться. Сами по себе люди не могут все сделать, если внутри не налажены процессы и понимание работы, что конкретно делает IT-специалист, дата-сайентист и так далее; если нет ресурсов, железа, если нет налаженных процессов взаимодействия с бизнесом.
Люди есть — и это основное. Теперь компании тоже должны подтянуться.
— На твой взгляд, курсов достаточно, чтобы стать плюс-минус нормальным дата-сайентистом? Или этому нужно несколько лет серьезно учиться?
— В этом направлении высшее образование не суперважно, не нужно искать определенный факультет программирования и тратить на это шесть лет. Действительно, можно заменить это курсами, но это должны быть не поверхностные трехмесячные курсы – после таких специалистом ты не станешь. То, чему учат курсы, – это некоторая база, это самые элементарные действия, после изучения которых ты не становишься полноценным профессионалом, даже джуном, даже стажером. У меня есть несколько примеров, когда люди абсолютно других специальностей переучивались на дата-сайентиста, и они тратили по полтора года для того чтобы пройти многие и многие курсы. И на собеседованиях таких людей очень хорошо видно.
— А не было ли у тебя желания стать преподавателем?
— Во время обучения в магистратуре я преподавала первому курсу — будучи на втором, я вела семинары для первого курса. Какое-то время вела вебинары в открытых источниках. Внутри компании мы также проводим ряд образовательных курсов, пишем туториалы и гайды для того, чтобы люди внутри компании узнавали, что есть дата-сайентс, есть аналитика данных, что можно переучиться и использовать эти инструменты.
— В твоей команде есть люди, которые ранее работали, например, в сфере продаж, а перешли в дата-сайентс?
— Да, есть несколько таких коллег. Одна коллега работала в сфере строительства более пятнадцати лет, и в декрете она переучилась — при всех сложностях материнства она нашла в себе силы и мотивацию переучиться благодаря курсам. У нее не было образования, она была уже большим начальником в своей фирме, но переучилась на абсолютно новую, довольно сложную технологическую специальность. И показывает она себя превосходно — не хуже тех, у кого есть профильное образование!
Еще были скорее SQL-аналитики, которые освоили дата-инженерию и теперь руководят своим инженерным направлением.
В общем, таких примеров очень много.
— Завершая наш с тобой душевный диалог, я хотел бы спросить: у тебя есть мечта? Именно в рамках твоей рабочей специальности.
— Моя мечта, мое стремление — реализовать себя больше как технического специалиста.
— Спасибо тебе большое за это интервью! Я желаю тебе удачи!
— Спасибо!
