Hola ¿Qué hacer si no ha hecho planes para el verano? Tener una pasantía! Sberbank me ofreció una pasantía remunerada de dos meses. En este texto hablaré sobre el programa de pasantías Sberseasons en sí, sobre cómo fue la selección, qué hice y qué aprendí. Este artículo puede ser útil para estudiantes que completan cursos de matemática o economía.
¿Qué son los Sberseasons?
Sberseasons es una pasantía remunerada realizada por Sberbank para estudiantes universitarios de tercer y cuarto año, cursos de especialidad recientes y programas de maestría de tiempo completo tres veces al año.
De hecho, Sberbank ofrece probar una de las áreas propuestas (con la posibilidad de obtener más empleo) durante dos meses, mientras recibe un salario. Más información se puede encontrar
aquí .
Como fue la seleccion
En la primavera terminé el tercer año de la especialidad "Matemática fundamental" y descubrí una pasantía remunerada realizada por Sberbank. Vi el programa "Java-development", que tiene lugar en Moscú.
Mientras leía información variada, vi que esta pasantía se lleva a cabo no solo en Moscú, sino también en otras ciudades de Rusia: San Petersburgo, Nizhny Novgorod, Ekaterimburgo,
Samara y Voronezh. Al ver mi ciudad (Samara), me alegré inmediatamente de que si podía pasar la selección, no tendría que ir a ningún lado. Pero inmediatamente después de la alegría, llegó la decepción: en Samara no hay ninguna dirección relacionada con Java. Solo había modelos económicos y análisis. Después de sopesar un poco los pros y los contras, decidí probarme en análisis.
Todo comenzó con el hecho de que el 12 de mayo completé un cuestionario (algo de información sobre mí) y mi estado entró en modo de espera para recibir comentarios. Después de aproximadamente una semana, recibí una respuesta que me invitaron a las pruebas programadas para el 8 de junio. La prueba constaba de dos partes: en la primera, había tareas para facilitar las matemáticas y la lógica (por ejemplo, encontrar el ángulo formado por las manecillas del reloj en tal o cual momento, o averiguar cómo cambiará el salario del empleado si disminuye en
por ciento y aumentar después de eso por
por ciento); la segunda parte incluía tareas sobre el conocimiento de las estructuras y funciones básicas de Excel y el conocimiento de algunas declaraciones SQL. Después de esta prueba, todos fueron invitados a esperar: aquellos que pasaron esta etapa recibirían una invitación para una entrevista en persona.
Casi dos semanas después, el 22 de junio, me llamaron y me invitaron a esta entrevista en persona en el Centro de Soporte de Operaciones del Cliente. Vine y, como resultó, no habrá entrevista por sí solo. El jefe del departamento de recursos humanos realizó un recorrido oral por los diversos departamentos de su centro, les dijo quién y qué estaban haciendo, y me preguntó dónde me gustaría más. Elegí el departamento de TI. Acordamos que ella preguntaría en este departamento si necesitaban un empleado, luego de lo cual volvería a llamar y reportaría el resultado.
El resultado no se hizo esperar. El 29, finalmente me invitaron a una entrevista final con el jefe del departamento de operaciones de tarjetas bancarias. Me preguntó que sabía cómo, qué no podía (según los resultados, resultó que no sabía nada que pudiera serles útil). Él mismo habló sobre su departamento y lo que estaban haciendo. Y decidió que estaba listo para llevarme a trabajar durante estos dos meses. Una semana después, el 6 de julio, completé documentos de empleo. El noveno fue el primer día hábil.
Que hice
El lunes, me dieron un trabajo y nombraron un gerente. Habiendo hablado un poco conmigo, decidió que nos dedicaríamos al aprendizaje automático basado en el código Python. Como anteriormente me había encontrado con el aprendizaje automático y lo máximo que podía escribir en Python es una solución al problema A + B, comenzamos explorando varias bibliotecas de soporte de Python, algunos algoritmos y técnicas para el aprendizaje automático.
La primera semana analicé los datos notorios sobre los pasajeros del Titanic. Esta tarea se me asignó para poder "jugar" con los datos, observar la sintaxis del código, los métodos que existen y facilitar el análisis, e intenté compilar la salida de los datos. Después de esto, se compiló un modelo que, según la información del pasajero, concluye: lo más probable es que tal persona haya sobrevivido en esa situación o no. En otras palabras, hice lo que se describe con gran detalle
aquí . La semana siguiente me presentaron otros trucos para trabajar con texto. Y con la ayuda de ellos analicé el texto del libro "Guerra y paz". Descubrí qué palabra es más común que las otras e hice un diagrama visual.
En paralelo con el estudio de Python y el aprendizaje automático, se recibieron asignaciones de otros empleados del departamento. Básicamente, estas tareas eran simples: enviar cartas a colegas, hacer una comparación de columnas en Excel usando la función BUSCARV, y así sucesivamente; es decir, serví como asistente.
Sin embargo, exactamente un mes después del comienzo de la pasantía, me enseñaron otro evento importante: crear solicitudes. Esto, en principio, no es difícil, pero es muy responsable. La conclusión es que, de vez en cuando, es necesario cambiar parte de la información almacenada en la base de datos: el departamento recibe una solicitud que describe el problema, los motivos del cambio y lo que debe modificarse específicamente. Después de eso, uno de los empleados (incluyéndome a mí) creó una Solicitud de cambio (ZNI), que incluía una descripción del problema (incluidas las razones y lo que debe cambiarse) y un script en SQL. Después de eso, se llevó a cabo la aprobación interna para el cambio, se lanzó este script, se ejecutó, los datos cambiaron y, de hecho, la solicitud se consideró completa (cerrada).
De vuelta al aprendizaje automático. Cada solicitud tiene un tema y una descripción. Luego, los empleados distribuyen estas solicitudes dentro del departamento, según el tema. Está claro que el tema dependerá directamente de la descripción. Por lo tanto, se decidió crear un modelo que distribuya las solicitudes entre los empleados. Cuando llegué, ese modelo ya estaba creado, pero funcionó de manera inestable. Junto con el líder, "optimicé" el modelo, por así decirlo, seleccioné clasificadores y parámetros más adecuados para ellos, trabajé en los datos de entrada, busqué errores, etc.
El resultado fue un modelo que definió el tema con precisión.
%
Lo que aprendi
En primer lugar, me familiaricé con el aprendizaje automático, sus algoritmos y métodos, aprendiendo no solo en teoría, sino también intentándolo en la práctica (y en un problema realmente existente).
Lo siguiente que aprendí son las consultas SQL. Por supuesto, había escuchado sobre ellos antes. Pero no había necesidad de comenzar el estudio, pero resultó ser interesante y útil.
La estructura interna del trabajo del banco es otra información útil en la experiencia de la hucha de la vida. Durante la pasantía, se organizaron algunas excursiones a otros edificios de Sberbank, que describieron cómo se organizó Sberbank, su breve historia y objetivos inmediatos. También se celebraron reuniones destinadas a la adaptación exitosa de nuevos empleados, que tuvo lugar en forma de juego o diálogo.
Finalmente, conocí a personas interesantes y amigables que están listas para ayudarlo con cualquier problema y en cualquier momento (uno de los colegas incluso se ofreció a traer mi propio destornillador de casa para poder apretar los tornillos de mi computadora portátil, y el otro en mi día fuera de casa ayudó a descubrir los datos )
Impresiones del pasado
En general, me gustó todo. Conocí que, en mi opinión, no es inútil (y, por el contrario, se usa en áreas en desarrollo), me probé en uno de los bancos más grandes del país, me familiaricé con su estructura y el proceso de interacción entre empleado-empleado y empleado-cliente, se hizo amigo de gente nueva e interesante.