В ИТ-индустрии часто говорят о «потолке» входа, но путь нового героя рубрики “5 вопросов выпускнику” доказывает обратное: начать карьеру с нуля можно в любом возрасте, если есть осознанный интерес и готовность учиться. Мы поговорили с Павлом Самойловым, выпускником программы Цифровой кафедры «Прикладная аналитика данных».

Сегодня Павел — руководитель направления ИИ и нейросетей в крупном стартапе. Путь к этой роли был не быстрым, но очень последовательным: от юридической практики и аспирантуры через осознание силы математики к магистратуре МФТИ и, наконец, к управлению разработкой AI-продуктов. При этом Павел не только строит собственную карьеру, но и активно делится опытом: 2 года подряд был ментором команд на соревновании по разработке проектов (хакатон) от Цифровой кафедры — помогая студентам реализовывать и представлять свои решения.

В интервью Павел рассказал, как аналитическое мышление помогает в руководстве, почему понимание метрик важнее запоминания формул и как чувство драйва превращает работу в состояние души.

Карьера: осознанный переход из юриспруденции в ИИ

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

«В IT я пришел в 42 года из юриспруденции. Сам путь к переходу был сознательным, последовательным и занял около 4 лет: несколько бесплатных онлайн курсов, несколько платных онлайн курсов, магистратура МФТИ, поиски работы около 3 месяцев, оффер, и через год повышение.

А вот как возникло желание работать с данными — об этом стоит рассказать. Будучи уже опытным юристом, я поступил в аспирантуру и на первом же году обучения нам поставили курс «Математические методы анализа социальных систем», что бы мы получили хотя бы базовые представления о статистике, без которой сейчас немыслимо написание даже исключительно гуманитарных диссертаций. Преподаватель-профессор не остановился на разнице среднего, медианы и моды, хотя уже это было для меня чем-то невероятно новым, он рассказывал о теории информации, базах данных, корреляции, линейной регрессии и многом другом. В какой-то момент я осознал, что с помощью математики можно описать, объяснить и смоделировать, пожалуй, любые явления действительности. С осознанием пришло желание научится этому искусству и сменить сферу деятельности.»

О самом ценном навыке: не просто цифры, а глубинное понимание

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

«На Цифровой кафедре я учился на треке «Аналитика данных». Так получилось, что моя работа в настоящее время не связана напрямую с аналитикой данных — я работаю руководителем направления ИИ и нейросетей в крупном стартапе. Но и в этом направлении без аналитики никуда, особенно это актуально для стартапов, какую бы должность ты не занимал умение мыслить аналитически помогает уверенно сопоставлять причины и следствия, моделировать эксперименты и планировать развитие продукта.

При этом очень пригодились навыки SQL (при проектировании архитектуры базы данных продукта), практика работы с Яндекс.Метрикой (особенно отслеживание лидов, это критически важно для продвижения). Невероятно крутым и полезным на курсе был блок по анализу продукта и конкурентов — без понимания этих процессов на мой взгляд невозможно руководить командой. И, наверное, лично для меня самый интересным навыком полученным на курсе ЦК стало глубокое понимание метрик, я не имею ввиду какие то конкретные метрики, я имею ввиду осознание того как они строятся, от чего численно зависит их динамика, как их читать и как их придумывать самому.

Пример из практики — была задача разработать индекс, который оценивает текущую, актуальную популярность открытых ИИ моделей. Я перебрал множество вариантов от сравнения бенчмарков до отслеживания динамики рейтингов на LLM-arena, а в итоге пришел к тому, что очень точную оценку можно получить использую более простой подход — использовать количество лайков, количество скачиваний, дату релиза модели и временной интервал актуальности (месяц) для получения информативного и понятного индекса, выраженного одним числом.»

Сложности и драйв: «Понедельник начинается в субботу»

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

«Самое сложное это скорость, с которой развивается наука ИИ, порой не успеваешь даже внимательно прочитать новости о новых открытиях, исследованиях и релизах, необходимо постоянно быть в тренде. Но в этом и прелесть и драйв — это не монотонная цикличная работа, а постоянное исследование и самосовершенствование. Разбирать в деталях и новую архитектуру внимания LLM, профилировать расходы памяти GPU, настраивать и тестировать инфраструктуру, проектировать функционал и дизайн страниц сайта, и т. д.

Это не просто работа это состояние души, когда ты можешь все выходные просидеть за компьютером, решая очередную задачу не потому, что ты чего-то не успеваешь в рабочие дни, а потому что тебе хочется этим заниматься. «Понедельник начинается в субботу» - пожалуй лучше Стругацких об этом эффекте отношения к работе и не скажешь.»

Рекомендации начинающим от Павла

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

«Спросить себя: горите ли вы этим, получаете ли вы удовольствие от работы с данными и написания кода, готовы ли вы к тому, что успех придет не сразу и учиться придется постоянно? Если нет — то стоит задуматься. Особенно с учетом текущей ситуации с наймом в IT. Составление резюме, отклики, собеседования, прямые отказы и оставления откликов вообще без ответа способны пошатнуть не только уверенность в себе, но и нервную систему в целом. Но если на вопросы выше вы уверенно и осознанно отвечаете — да, то у вас все получится, 100%.»

О силе сообщества: общий язык и полезный нетворкинг

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

«Очень важно. Сообщество выпускников — это люди со схожими интересами, общение с ними приятно и не важно обсуждаете вы способность новой модели решать задачи OCR или улыбаясь ставите лайк какому-нибудь популярному IT-шному мемчику смысл которого поймет не каждый. И естественно сообщество — это не только приятное общение, это еще и очень полезное общение. Можно, не стесняясь задать вопрос, попросить помощи, обсудить задачу и методы ее решения, тем самым сильно сэкономить свое время.

Я состою в сообществе «Экспертов центра ПУСК» и в группе выпускников магистратуры МФТИ и все что сказано выше относится к ним в полной мере.»

Полезные материалы от Павла: от иллюстрированной истории до "Статистики и котиков"

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

«Новости из мира машинного обучения c прицелом на LLM:
• t.me/ai_machinelearning_big_data
• t.me/data_analysis_ml
• t.me/data_secrets

Книги (подборка скорее для тех, кто только начал интересоваться темой):

- Клиффорд Пиковер: «Искусственный интеллект. Иллюстрированная история. От автоматонов до нейросетей» — очень простое и приятное чтение. Если вы слышали о «Проблеме вагонетки», но не знаете о чем это — рекомендую эту книгу, читается за 1 вечер.

- Ян Лекун: «Как учится машина». Научпоп, читается легко, но кто автор! — человек, который придумал сверточные нейронные сети и доказал всему миру что они работают! Книга не только про историю ИИ. Она позволяет понять принцип работы перцептронов, алгоритма обратного распространения ошибки, линейной регрессии и других базовых тем, лежащих в основе современного машинного обучения.

- Владимир Савельев: «Статистика и котики». Я знаю, что на Цифровой кафедре учатся студенты не только технических направлений и эта книга реально, на пальцах поможет понять как устроены статистические исследования и как извлекать из чисел смыслы. Она дает очень упрощённую информацию, но системно и что особенно важно каждая тема отталкивается от вопроса: «А зачем это нужно?». Для начинающих после ее прочтения будет гораздо проще погружаться в поистине волшебный мир статистики и аналитики.

- Дэвид Самптер: «Десять уравнений, которые правят миром. И как их можете использовать вы». И снова научпоп, из нее вы не почерпнете фундаментальных знаний по математике, но она дает нечто гораздо более ценное — интуицию как математика помогает описывать и моделировать социальные и экономические явления. Это очень важный soft-skill для аналитика.

Благодарим Павла за откровенный разговор и желаем не останавливаться на достигнутом!

История Павла — это яркое доказательство того, что настоящий интерес и готовность постоянно учиться могут открыть двери в новую профессию в любом возрасте. Его путь от юриспруденции до руководства ИИ-направлением в стартапе показывает, что фундаментальные знания в аналитике и системное мышление становятся надежной опорой в самых передовых областях технологий. Его главный совет будущим коллегам — проверить себя на искреннее «горение» делом, ведь именно оно превращает работу в увлекательное исследование, а не просто в выполнение обязанностей.

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»!

---