Как из разрозненного самообучения родилась структурированная программа.
Мой путь в ML занял годы проб и ошибок. За это время я прошел десятки курсов и программ, включая Школу анализа данных Яндекса, двухгодичную программу VK и курсы по Machine Learning и Deep Learning от Тинькофф. Изучал материалы МФТИ, ВШЭ, МГУ и ведущих зарубежных университетов.
Но довольно быстро я понял, что даже большое количество курсов не дает целостной картины. Без опытного наставника и понятной дорожной карты легко упустить важные темы и долго не замечать пробелы в знаниях.
С этим я столкнулся уже на работе в Яндексе. Когда появились первые серьезные проекты, оказалось, что некоторые направления, например NLP и распределенное обучение моделей, мне приходится осваивать практически с нуля. Многие сильные материалы и курсы, которые были известны коллегам, я просто не встретил вовремя.
Чтобы закрыть эти пробелы и систематизировать знания, я поступил в ШАД. Позже участвовал в разработке и выводе в продакшен ML-моделей для Яндекс Поиска, провел более 25 собеседований по ML и алгоритмам, менторил стажеров, которые впоследствие вышли в штат, а затем перешел в команду Сбера GigaVision. С 2025 года также веду лекции и семинары по Deep Learning в МГУ.
Именно из этого опыта выросла программа ML Mentorship. Я собрал в ней материалы, курсы и направления развития, которые сам хотел бы получить в начале пути. Ее цель — помочь быстрее выстроить сильную базу, избежать типичных ошибок и двигаться в ML по понятному и проверенному маршруту.