«Вместо бензина изобретут новое топливо, а информация всегда будет ценным ресурсом»

— Почему ты выбрал именно работу в IT?

— Я с самого детства знал, что буду работать в IT — тогда все называли это просто «информационными технологиями». У меня был старый компьютер, и уже в шесть лет я программировал на Sinclair. Потом дома появился новый компьютер на Windows, и я заинтересовался программами для создания приложений. Выбор был очевиден — нужно поступать на факультет программирования. Тогда, правда, мне не хватило баллов и я пошёл учиться на радиотехнический.

— Пригодилось образование радиотехника в итоге?

— Ещё как. Сначала я думал переводиться, но остался. Радиотехнику необходимо программирование, а помимо навыков в сфере IT я получил базовые прикладные знания по математике, электронике, углублённой физике. Это позволило мне попасть в научную компанию по разработке устройств и техники для самолётов. В то же время начал программировать на Matlab.

— А как и почему пришёл к машинному обучению?

— Я был на фрилансе несколько лет, один банк предложил мне работу. Нужно было провести кредитный скоринг физлиц. Тогда я понял, что мне интересно заниматься прогнозированием, аналитикой данных. XXI век — это век информации, её за последние 10–20 лет накопилось больше, чем за всю историю человечества.

— Кто те люди, которые сегодня обучают машины?

— Это люди, которые способны увидеть зависимости и механизмы, неочевидные для других. Чтобы обучать машины, нужно быть внимательным к каждой детали, это очень кропотливый труд.

— В своей сфере ты уже был довольно успешен — семь лет программирования, три года машинного обучения, заказы от банков. Почему решил учиться снова, в Skillbox?

— Просто в какой-то момент понял, что упёрся в потолок. Да, мне удавалось создавать модели, которые работали быстро и просто, но я выжимал примерно 80% из тех данных, которые можно использовать. А чтобы выжимать на все сто, нужна базовая теория data science.

Сыграл роль ещё вопрос уровня клиента и заработка. Твоим заказчиком может быть, например, кофейня — она хочет спрогнозировать, сколько нужно закупить пирожных в определённый день. А может быть страховая компания. Вот для страховой компании моих знаний уже не хватало.

«Я нашёл заказ, где нужно было знание сразу двух языков. Что впервые установил PyCharm совсем недавно — не сказал. Отклик, интервью, тестовое, я принят»

— Вот ты говоришь, что тебе с многолетним опытом не хватало твоих знаний. Что это за знания?

— Базы. Ты можешь создать нейронную сетку, ввести в неё параметры, настроить их. Но как бы ты их ни перекрутил, без основ машинного обучения и data science ты не добьёшься идеальной точности. Сначала я решил покопаться в различной литературе, чтобы ответить себе на вопросы: что такое нейронная сеть, из чего конкретно она состоит? Искал литературу, новые источники информации, но всё было без толку, поэтому пошёл учиться. Мне нужны были все нюансы: как настраивать гиперпараметры, как переобучать нейросеть. И нужен был преподаватель, который на все эти вопросы ответит.

— Ты долго работал на Matlab, сложно было переходить на Python?

— Я начал брать заказы на Python уже через месяц. Сейчас я не владею им идеально, но после Matlab освоить новый язык программирования не так сложно. Заказчики всё чаще хотели именно Python, и в аналитике данных сейчас без него никуда. Вообще, вышло удачно. Я нашёл заказ, где нужно было знание сразу двух языков. Что впервые установил PyCharm совсем недавно — не сказал. Отклик, интервью, тестовое, я принят. И вишенка на торте — разница в месячном доходе окупила траты на учёбу за три месяца.

— Расскажешь о первом проекте, где ты применил новые знания?

— С удовольствием, это очень крутой проект! У заказчика были фотографии картин различных художников, их нужно было увеличить, не потеряв при этом качество. Я нашёл решение на Python, но оно работало для искусственной графики и ложилось только на старые игры двухтысячных.

На картине мазки художника издалека не видно, но, если приблизить, в идеале можно рассмотреть даже следы от ворсинок кисти. Тогда я перенастроил нейросеть, чтобы она масштабировала новые уровни: мы брали не всю картину целиком в качестве критерия, а рассматривали области изображения детально, чтобы повторить следы мазков художника.

— Получилось волшебство? :)

— Да! Если называть науку волшебством, получилось волшебство.

«Нейронные сети могут работать как шахматная программа — они запоминают свой предыдущий ход и учатся сами»

— Какие изменения произошли в тебе? Чувствуешь, что становишься более универсальным, многопрофильным специалистом?

— Сейчас я не стремлюсь стать мастером на все руки. У меня были мысли заняться веб-программированием, но я понял, что лучше сосредоточиться на машинном обучении. Если брать на себя слишком много — нигде спецом не станешь.

В моей жизни сейчас происходят перемены, и они точно к лучшему. Изменилась специфика работы, мой уровень стал гораздо выше. В анализе данных открылись новые горизонты, о которых совсем недавно я даже не думал.

— А есть планы дальше углублять свои знания в машинном обучении, в data science?

— Да, мне близка криптосфера, всё, что относится к блокчейн-технологиям. Кажется, что это мало связано с машинным обучением, но есть смежная область — прогнозирование курса криптовалют. Это типичный data science. Прогнозируем курс и можем торговать на бирже.

Мне интересна и сама технология того, как монеты реализованы. Казалось бы — да что там уже изобретать? Но постоянно появляются всё новые и новые монеты, которые кардинально отличаются друг от друга. Я бы попробовал создать что-то своё.

Ещё мне нравятся системы, которые обучаются по ходу действия. Нейронные сети могут работать как шахматная программа — они запоминают свой предыдущий ход и учатся сами. У них нет набора данных, только прошлые действия. Система учится, зная только правила игры, на основании собственных ошибок. Такие сети можно применять неограниченно — например, для чат-ботов, которые часто отвечают невпопад.

«Я нашёл пересечение курсов по таргету и машинному обучению и в итоге разработал собственную нейросеть»

— Знаю, что ты проходил ещё курс «Профессия Таргетолог с нуля до PRO». Реклама ведь совсем другой — казалось бы, не твой — профиль. Почему решил изучать тонкости таргета?

— У моей жены есть группа «ВКонтакте», мы развиваем её вместе. Время от времени я настраивал там рекламу, иногда в свободное время что-то читал о таргете. Так совпало, что мой друг купил курсы в Skillbox по моей ссылке и мне предложили бесплатный курс на выбор. Подумал, что может выйти интересно.

— И как?

— Я нашёл пересечение курсов по таргету и машинному обучению, в итоге разработал собственную нейросеть. Она увеличивает эффективность рекламы в социальных сетях. Система анализирует страницы тех, кто уже покупал товары в твоей группе «ВКонтакте»: рассматривает их возраст, фотографии, лайки, подписки, интересы. Я взял эту нейросеть и применил её во время работы с таргетом. Нашёл аудиторию людей, которые с большей вероятностью могут стать нашими клиентами.

— И как, есть результат?

— Да, раньше я оплачивал 10 тысяч показов и получал 20 клиентов. Сейчас показатель вырос до 53 клиентов.

— Получается, эффективность выросла больше чем вдвое? Впечатляет!

— Ещё есть куда стремиться. Лично меня радует, что я смог применить свою основную специальность data scientist и в гуманитарной сфере. Это в очередной раз доказывает, что аналитика данных применима везде.

— А планируешь выходить за рамки развития своей группы в соцсетях?

— Уже есть клиенты, которые заинтересованы моей нейросетью. Не все решаются на такой эксперимент, я сразу говорю заказчикам, что я не профессиональный таргетолог, у меня нет многолетнего опыта в рекламе. Но все проекты, которые я взял, увеличили эффективность продвижения в соцсетях.

— И последнее. Машины захватят мир?

— Сами машины не захватят. Но люди, которые научатся ими управлять, точно будут обладать неограниченными возможностями.