Математика, данные, исследования — за этими словами стоит не просто профессия, а образ мышления. Мы поговорили с Майей Котыгой, выпускницей Цифровой кафедры программы
«Продвинутые методы машинного обучения» (2025г.).

Сегодня Майя работает на стыке математики, исследований и разработки: она занимается оптимизацией информационных систем, создает ИИ-агентов для автоматизации рутины, а также строит математические модели прогнозирования для управленческих сервисов в сфере здравоохранения. В интервью Майя честно рассказала о карьерном росте до ведущего специалиста, о важности системного мышления в эпоху генеративных моделей и дала практические советы тем, кто только начинает свой путь в мире данных. А недавно она вернулась на Цифровую кафедру уже в новом статусе — ментора хакатона, чтобы делиться опытом с новым поколением студентов. Для Майи этот опыт стал ещё одним подтверждением ценности сообщества Цифровой кафедры, о которой она говорит в интервью.

О карьерной траектории до ведущего специалиста

— Расскажите о своей карьерной траектории. Как пришли к своей текущей роли и что повлияло на выбор?

«Мой карьерный трек определялся тягой к исследованию и работе с данными. Ещё в школе меня увлекли математика, информатика и физика: нравилось разбираться в сложных системах; искать закономерности; обращать внимание на детали, которые часто остаются незамеченными.

Карьеру я стартовала аналитиком данных: сначала занималась регулярной отчетностью и выгрузками, но круг задач быстро расширялся. Я стала автоматизировать, глубже анализировать, строить информационные панели и математические модели прогнозирования — в том числе для процессов, связанных с заболеваемостью и закупкой лекарств в рамках управленческих сервисов в сфере здравоохранения.

Параллельно развивалась в инженерном направлении: занималась оптимизацией информационных систем и запросов, архитектурным проектированием, а также ИИ-агентами для автоматизации рутины и RAG-пайплайнами для анализа НПА.

За три года я выросла до ведущего специалиста. Мне близок стык математики, исследований и разработки: важно не просто выгружать данные, а создавать инструменты для обоснованных управленческих решений.»

О систематизации знаний: зачем опытному специалисту ЦК

— Какие навыки/знания, полученные во время обучения на программе ЦК, оказались наиболее полезными в работе? Можете привести пример, где они вам пригодились?

«На ЦК я пришла уже как действующий специалист, поэтому для меня обучение было не входом в профессию, а возможностью систематизировать базу и посмотреть на знакомые вещи под другим углом.

Многое из программы мне уже встречалось в работе, но именно это оказалось полезным: я обращала внимание на нюансы, альтернативные реализации, более аккуратные подходы к решению задач. Это помогло закрыть лакуны и лучше структурировать знания.

Отдельно отмечу дополнительные материалы и литературу в конце секций — они были полезны как отправная точка для более глубокого погружения.»

Сложности и драйв: где кроется настоящее наслаждение для исследователя

— Что для вас является самым сложным в работе сегодня? А что, наоборот, приносит наибольшее удовлетворение и драйв?

«Самое сложное — это рутинные операции, которые отнимают время, но не дают интеллектуального вызова. Например, регулярная выгрузка отчётов: процесс отработан до автоматизма, и здесь почти нет пространства для творчества.

А вот что по‑настоящему драйвово — это задачи, где можно проявить изобретательность. Архитектура систем, оптимизация алгоритмов, создание собственных моделей прогнозирования: здесь каждый шаг — поиск лучшего решения. Особенно люблю охоту за неочевидными закономерностями и приколами в данных: когда находишь неожиданный паттерн или аномалию, которая переворачивает представление о процессе, — это настоящее наслаждение для исследователя.»

Рекомендации начинающим: изучайте себя, а не только алгоритмы

— Какие рекомендации могли бы дать тем, кто в начале пути в ИТ?

«Мой главный совет: начните с изучения себя. Не гонитесь слепо за культом продуктивности: это часто приводит к выгоранию. Вместо этого разберитесь в особенностях своего мышления, поймите, как вы эффективнее всего усваиваете информацию и решаете задачи. Полезно немного погрузиться в нейропсихологию: разобраться, как работает мозг в целом и как можно прокачивать именно свои сильные стороны с учетом исходных данных.

Второй важный пункт — крепкая база. Уделите серьезное внимание математике и IT. Развивайте системное мышление: в эпоху генеративных моделей оно особенно ценно и поможет оставаться востребованным специалистом. Без прочного фундамента сложно строить что‑то серьезное — даже с самыми продвинутыми инструментами.

И третий момент — практика через пробы. Не бойтесь запускать пет‑проекты, участвовать в хакатонах и кейс‑чемпионатах. На первых порах это нужно не ради наград, а чтобы лучше понять себя: что вам действительно интересно, в чём чувствуете потенциал. Постепенно придёт насмотренность, наработаются навыки — а уже потом могут появиться и призовые места, которые здорово украсят резюме.»

О силе сообщества: как не терять мотивацию после учебы

— Как вы думаете, почему важно сообщество выпускников? Есть ли в вашем личном опыте пример участия в подобных сообществах?

«Сообщество выпускников — как семья, которая остаётся с тобой после учёбы. Это люди, которые понимают твой бэкграунд, говорят на одном языке и готовы поддержать: поделиться опытом, подсказать или просто вдохновить своим примером. В таком кругу проще не терять мотивацию, находить единомышленников и делать шаги к новым целям.»

Полезные материалы от Майи: фундаментальный подход к ML

— Можете порекомендовать какие-то полезные материалы, которые будут полезны тем, кто хочет работать в вашей профессиональной области?

«Книги:
«Вероятностное машинное обучение» (серия книг), Кевин Мёрфи — даёт фундаментальное понимание вероятностных подходов в ML.
«Думай "почему?"», Джуда Перл — помогает освоить концепции причинно‑следственного анализа.
«Одураченные случайностью», Нассим Талеб — учит критически относиться к интерпретации данных и результатов.

Telegram‑каналы:
Чтобы быть в курсе последних NLP-исследований можно заглядывать в «Душный NLP» (@stuffyNLP) и «КПД» (@quant_prune_distill).
MAIA (@maia_llm) — канал о NLP и интересных методах анализа данных.»

Благодарим Майю за откровенную и вдохновляющую беседу!

История Майи — это портрет современного исследователя данных, который не боится выходить за рамки строгой отчётности. Её путь показывает, что истинный рост начинается там, где заканчивается автоматизм: в умении задавать вопросы системам, проектировать архитектуру и находить неожиданное в, казалось бы, обыденных цифрах. Её главный совет будущим коллегам — не гнаться за внешними атрибутами успеха, а строить карьеру на своих сильных сторонах и фундаментальных знаниях, превращая рутину в пространство для творчества.

Хотите не только читать истории наших выпускников? Присоединяйтесь к программам Цифровой кафедры — возможно, следующее интервью мы возьмём у вас.

Следите за новыми выпусками рубрики «5 вопросов выпускнику»!

---