Старт в RWB

Для будущих аналитиков: с чего начать и что почитать для старта карьеры в IT👇🏻 https://t.me/wb_tech/614

Дорогой дневник, хочу мерч от Wildberries & Russ 😭

Модный приговор на связи: обозреваем мерч, который вы можете выиграть на карьерных мероприятиях 💅🏻 Амбассадоры Ксюша и Маша у микрофона, эксклюзивный асмр получился 🩷

Встречаемся в прямом эфире уже через полчаса! Присоединяйтесь в Wibes и задавайте вопросы экспертам 🩷

Устроили со студентами-амбассадорами киновечер ✨

Мы в нашем очень красивом офисе на Тульской, а это значит…

Всероссийская олимпиада по инновационному предпринимательству от Wildberries & Russ х ГУУ Вместе с Государственным университетом управления запустили олимпиаду «Будущее бизнеса» для школьников 9-11 классов и студентов 1-2 курса ссузов по всей стране! В качестве испытаний тебя ждут предпринимательские кейсы, специально разработанные ведущими специалистами Wildberries & Russ и профессорско-преподавательским составом ГУУ, задачи и тесты по математике, информатике, обществознанию и английскому языку. Подробности об этапах и преимуществах олимпиады смотри в посте. Подай заявку до 1 декабря на сайте олимпиады «Будущее бизнеса» ⭐️

Решай задачки, играй в memory и выигрывай мерч от Wildberries & Russ! Кто ещё не был на карьерных мероприятиях, — самое время посетить их в своём вузе! Wildberries & Russ проводит разные активности, чтобы вы смогли выиграть крутые подарки: блокноты, термосы, шопперы и пауэрбанки 💜

🟣Играем в memory — карточную игру, в которой нужно находить одинаковые картинки. 🟣Решаем кроссворды, угадываем направления, которые есть в компании. 🟣Отвечаем на вопросы, чтобы лучше узнать про нашу компанию и проверить эрудицию ✨

Ждём тебя в твоём вузе!

Сегодня проводим экскурсию в нашем офисе для практикантов с колледжом информационных и креативных технологий IThub, знакомим с компанией и продуктами 💘

Узнать о Wildberries & Russ больше — как? 1 декабря в 14:00 на RWB Talks! Пригласили 8 экспертов-сотрудников компании из Edtech, HR, IT, коммуникаций, Data Science и других направлений, чтобы провести прямой эфир совместно с Wibes. Здесь и про стажировки можно узнать, и про то, какие навыки сейчас нужны, и как стать частью команды 🥰 Топовых айтишников мы тоже позвали, так что ждём на встрече будущих тестировщиков и специалистов DS & ML 😎 Рассказываем про спикеров и расписание эфиров👇🏻

➡️ Продуктовый подход в «RWB Образование | Екатерина Суркова — директор по развитию Edtech 14:05 – 14:20 ➡️ Работа с образовательными организациями: программы, стажировки, амбассадоры, школьники | Юлия Ерофеева — руководитель отдела по работе с образовательными организациями 14:25 – 14:40 ➡️ Профессии будущего: на что нужно ориентироваться уже сейчас | Елизавета Графская — Senior IT Recruiter 14:45 – 15:00 ➡️ Ценность личного бренда руководителя крупной корпорации | Екатерина Санченко — пресс-секретарь главы РВБ 15:05 – 15:20 ➡️ Data Science и машинное обучение | Александр Сидоров, руководитель отдела ML & Data Science 15:25 – 15:40 ➡️ Как тестировщики спасают проекты | Роман Лукманов — Head of QA клиентского приложения WB 15:45 – 16:00 ➡️ Wibes и всё о нём | Самир Кунченко — руководитель контента и привлечения блогеров Wibes 16:05 – 16:20 ➡️ От стажёра до сотрудника компании | Андрей Сучков — комьюнити-менеджер направления развития проектов обучения и управления продуктами 16:25 – 16:40

Регистрация по ссылке 👈🏻

Стажировка в Wildberries & Russ: Аня поделилась с нами, как проходила стажировку в договорном отделе правового департамента 🩷

Продолжаем ⬇️ ⭐️ Что почитать и изучить? Я сам начинал погружение в ML с книги «Python и машинное обучение». Да, индустрия развивается стремительно, и любая книга устаревает за пару лет. Но базовые принципы и основы обучения моделей там изложены понятно и с практикой. И не забывай про современные LLM! Напиши, например, Qwen:

«Как опытный и дружелюбный преподаватель по Data Science и Machine Learning, составь мне программу, которая поможет дойти до уровня Junior Machine Learning Engineer. Добавь теорию, примеры на Python и практические задания. Я буду присылать тебе решения, а ты проверяй их подробно и с объяснениями».

После изучения основ обязательно нужна практика. Придумай пет-проект, реализуй его и выложи на GitHub. Примеры проектов: ✏️ Распознавание рукописных цифр на датасете MNIST. Сравни KNN, полносвязную сеть и CNN. (Забавный факт: архитектуру CNN подсмотрели у зрительной коры кошки.) 👀 Распознавание поз человека с помощью YOLO — пригодится, например, для анализа правильности спортивных упражнений. ✏️ Классификация токсичных сообщений с DeepPavlov, чтобы поддерживать деловой этикет в чатах. 💡 Участвуй в Kaggle-соревнованиях — там куча реальных данных и задач для тренировки. Куда расти дальше Важно не только обучать и тестировать модели, но и превращать их в работающие продукты. Для этого пригодятся: 👆 FastAPI — Python-библиотека для создания сервера, который возвращает предсказания модели. 👆 Streamlit — собери интерфейс: настройки, кнопки, визуализация результатов. 👆 ClearML — сохраняй модели и результаты экспериментов, чтобы не теряться в версиях. 👆 Airflow — автоматизируй пайплайн: сбор данных, обработку, вызов модели и сохранение результатов. Новый виток — ИИ-агенты LLM открыли целое направление прикладного ИИ, и изучать его стоит уже сейчас. 👆 Qwen — мощная и доступная из РФ LLM: отвечает на вопросы, пишет код, ищет данные, собирает исследования в PDF. 👆 Cursor AI — как VS Code, но с ИИ-помощником: подсказывает, как улучшить код, исправить ошибки и писать чище. Бесплатен для студентов. 👆 N8N — платформа для создания собственных ИИ-агентов и автоматизации. Можно сделать чат, подключить Telegram, почту или календарь, чтобы агент сам присылал план на день или подборку новостей. Успехов в этом увлекательном пути! До встречи в рядах ML-инженеров Wildberries & Russ

👾👾 Стартуем в ML и DS Привет! На связи Андрей Тюняткин, руководитель команды ML Ценообразования Wildberries. Представь, что ты решил изучить ML — инженерные задачи, которые стоят за современными ИИ-моделями. Тема популярная, новостей море. Но с чего начать? Давайте разбираться в посте. Кем я стану, когда вырасту? ML занимаются два рода специалистов — Data Scientist и ML Engineer. ➡️ Data Scientist изучает зависимости в данных, придумывает и проверяет гипотезы, обучает модели. ➡️ ML Engineer обучает модели на больших данных, упаковывает модели для продакшена и строит на их основе сложные программные продукты. Если ты математик — тебе, скорее всего, ближе трек Data Scientist. Если программист — твой путь ML Engineer. Оттенки ИИ ✅ Classic ML — классические задачи машинного обучения: прогноз спроса, поиск мошенников, разбиение пользователей на кластеры по лояльности. Начинать стоит именно с классики. ✅ RecSys — рекомендательные системы: какие товары предложить пользователю, какое push-уведомление отправить, чтобы он точно кликнул. ✅ CV — компьютерное зрение: распознавание лиц, оценка качества карточки товара, поиск текста на изображениях. Да даже автопилот в беспилотном трамвае! ✅ NLP — анализ естественного языка. Нереально популярная область ML. В комментариях не нуждается — вспомни хотя бы ChatGPT. Есть и другие направления — например, распознавание голоса. Но их мы оставим за кадром. Очень советую изучить платформу HuggingFace. На ней представлены множество разных ML-задач и моделей, которые эти задачи решают. Часть моделей можно буквально «потрогать» онлайн: писать им тексты, отправлять картинки и смотреть, как они эти тексты с картинками анализируют. Где разрабатывать модели? ✅ Твой лучший друг — Jupyter Notebook. Он позволяет интерактивно писать и выполнять код, обучать модели и красиво выводить результаты. ✅ Google Colab — тот же Jupyter, но прямо в браузере, без установки. ✅ VS Code — полноценный редактор, поддерживающий формат Юпитер-ноутбуков. Очень советую: подсвечивает ошибки и делает работу с кодом заметно удобнее. Во второй части разберёмся: что изучить, какие инструменты использовать, и какие пет-проекты можно выполнить для тренировки.