इस मौसम में: मैंने इस गर्मी को कैसे बिताया

नमस्ते! यदि आपने गर्मियों के लिए योजना नहीं बनाई है तो क्या करें? एक इंटर्नशिप है! Sberbank ने मुझे दो महीने की भुगतान वाली इंटर्नशिप की पेशकश की। इस पाठ में मैं खुद ही Sberseasons इंटर्नशिप कार्यक्रम के बारे में बात करूंगा कि चयन कैसे हुआ, मैंने क्या किया और मैंने क्या सीखा। यह लेख गणित या अर्थशास्त्र पाठ्यक्रम पूरा करने वाले छात्रों के लिए उपयोगी हो सकता है।

सीजर्स क्या हैं?

Sberseasons एक भुगतान किया इंटर्नशिप है जो Sberbank द्वारा 3rd और 4th ईयर के अंडरग्रेजुएट छात्रों के लिए किया जाता है, हाल ही में विशेष पाठ्यक्रम और पूर्णकालिक मास्टर कार्यक्रम साल में तीन बार।

वास्तव में, Sberbank दो महीने के लिए प्रस्तावित क्षेत्रों में से एक (आगे के रोजगार की संभावना के साथ) का प्रयास करता है, जबकि एक वेतन प्राप्त करता है। अधिक जानकारी यहां पाई जा सकती है ।

कैसे हुआ चयन

वसंत में मैंने विशेष "फंडामेंटल गणित" के तीसरे वर्ष को पूरा किया और सर्बैंक द्वारा आयोजित एक भुगतान इंटर्नशिप के बारे में पता लगाया। मैंने कार्यक्रम "जावा-विकास" देखा, जो मॉस्को में होता है।

विभिन्न जानकारी पढ़ते हुए, मैंने देखा कि यह इंटर्नशिप न केवल मास्को में, बल्कि रूस के अन्य शहरों में भी होती है: सेंट पीटर्सबर्ग, निज़नी नोवगोरोड, येकातेरिनबर्ग, समारा और वोरोनज़। अपने शहर (समारा) को देखकर, मुझे तुरंत खुशी हुई कि अगर मैं चयन पास कर सका, तो मुझे कहीं नहीं जाना पड़ेगा। लेकिन खुशी के तुरंत बाद, निराशा आई: समारा में जावा से संबंधित कोई दिशा नहीं है। केवल आर्थिक मॉडल और एनालिटिक्स थे। पेशेवरों और वजन से तौबा करने के बाद, मैंने खुद को एनालिटिक्स में आजमाने का फैसला किया।

यह सब इस तथ्य से शुरू हुआ कि 12 मई को मैंने एक प्रश्नावली (अपने बारे में कुछ जानकारी) भरी और मेरी स्थिति प्रतिक्रिया के लिए स्टैंडबाय मोड में चली गई। लगभग एक सप्ताह के बाद, मुझे एक उत्तर मिला कि मुझे 8 जून को होने वाले परीक्षण के लिए आमंत्रित किया गया था। परीक्षण में दो भाग शामिल थे: पहले में आसान गणित और तर्क के लिए कार्य थे (उदाहरण के लिए, ऐसे समय में घड़ी के हाथों से बने कोण का पता लगाएं, या यह पता लगाएं कि यदि यह कम हो जाता है तो कर्मचारी का वेतन कैसे बदल जाएगा। $$$x$प्रतिशत और उसके बाद वृद्धि $$$x '$प्रतिशत); दूसरे भाग में बुनियादी संरचनाओं और एक्सेल के कार्यों और कुछ एसक्यूएल बयानों के ज्ञान पर कार्य शामिल थे। इस परीक्षण के बाद, हर किसी को प्रतीक्षा करने के लिए आमंत्रित किया गया था: जो लोग इस चरण से गुजरते हैं, उन्हें एक व्यक्ति के साक्षात्कार के लिए निमंत्रण भेजा जाएगा।

लगभग दो सप्ताह बाद, 22 जून को, उन्होंने मुझे फोन किया और मुझे क्लाइंट ऑपरेशन सपोर्ट सेंटर में इन-पर्सन इंटरव्यू के लिए आमंत्रित किया। मैं आया, और, जैसा कि यह निकला, खुद से कोई साक्षात्कार नहीं होगा। मानव संसाधन विभाग के प्रमुख ने अपने केंद्र के विभिन्न विभागों का मौखिक दौरा किया, बताया कि वे क्या कर रहे थे, और पूछा कि मैं सबसे अधिक कहां चाहूंगा। मैंने आईटी विभाग चुना। हम इस बात से सहमत थे कि यदि वह एक कर्मचारी की जरूरत है, तो वह इस विभाग में पूछेगा, जिसके बाद वह वापस कॉल करेगा और परिणाम की रिपोर्ट करेगा।

नतीजा आने में देर नहीं लगी। 29 तारीख को, उन्होंने आखिरकार मुझे बैंक कार्ड परिचालन विभाग के प्रमुख के साथ अंतिम साक्षात्कार के लिए आमंत्रित किया। उन्होंने मुझसे पूछा कि मुझे पता है कि मैं क्या कर सकता था, (परिणामों के अनुसार, यह पता चला कि मुझे कुछ भी नहीं पता था जो उनके लिए उपयोगी हो सकता है)। उन्होंने खुद अपने विभाग और वे क्या कर रहे थे, इसके बारे में बात की। और उसने तय किया कि वह मुझे इन दो महीनों के लिए काम पर ले जाने के लिए तैयार है। एक हफ्ते बाद, 6 जुलाई को, मैंने रोजगार के दस्तावेज भरे। 9 वां पहला कार्य दिवस था।

मैंने क्या किया

सोमवार को, उन्होंने मुझे नौकरी दी और एक प्रबंधक नियुक्त किया। मेरे साथ थोड़ी बात करने के बाद, उन्होंने फैसला किया कि हम पायथन कोड के आधार पर मशीन सीखने में लगे रहेंगे। चूँकि मैंने पहले मशीन लर्निंग का सामना किया था और अधिकतम जो मैं पायथन में लिख सकता था वह ए + बी समस्या का समाधान है, हमने मशीन सीखने के लिए विभिन्न पायथन सपोर्ट लाइब्रेरियों, कुछ एल्गोरिदम और तकनीकों की खोज शुरू की।

पहले हफ्ते में मैंने टाइटैनिक के यात्रियों के बारे में कुख्यात आंकड़ों का विश्लेषण किया। यह कार्य मुझे डेटा के साथ "चारों ओर खेलने" के लिए दिया गया था, कोड के सिंटैक्स को देखें, मौजूद तरीकों पर और विश्लेषण की सुविधा के लिए, और डेटा से आउटपुट संकलित करने की कोशिश की। इसके बाद, एक मॉडल संकलित किया गया था, जो कि यात्री जानकारी के अनुसार, निष्कर्ष निकालता है: सबसे अधिक संभावना है कि ऐसा व्यक्ति उस स्थिति में बच गया होगा या नहीं। दूसरे शब्दों में, मैंने वही किया है जो यहाँ बहुत विस्तार से वर्णित है । अगले सप्ताह मुझे पाठ के साथ काम करने के लिए अन्य ट्रिक्स से परिचित कराया गया। और उनकी मदद से मैंने "वार एंड पीस" पुस्तक के पाठ का विश्लेषण किया। मुझे पता चला कि कौन सा शब्द दूसरों की तुलना में अधिक सामान्य है और एक दृश्य आरेख बनाया गया है।



अजगर और मशीन सीखने के अध्ययन के समानांतर में, विभाग के अन्य कर्मचारियों से असाइनमेंट प्राप्त किए गए थे। मूल रूप से, ये कार्य सरल थे: सहकर्मियों को पत्र भेजें, Excel में VLOOKUP फ़ंक्शन का उपयोग करके एक स्तंभ की तुलना करें, और इसी तरह; यह है, मैं एक सहायक के रूप में सेवा की।

हालांकि, इंटर्नशिप की शुरुआत के ठीक एक महीने बाद, मुझे एक और महत्वपूर्ण घटना सिखाई गई - अनुरोध बनाना। यह, सिद्धांत रूप में, मुश्किल नहीं है, लेकिन बहुत जिम्मेदार है। लब्बोलुआब यह है कि समय-समय पर डेटाबेस में संग्रहीत कुछ जानकारी को बदलने की आवश्यकता होती है: विभाग को एक अनुरोध प्राप्त होता है जो समस्या का वर्णन करता है, परिवर्तन के कारण और विशेष रूप से क्या बदलने की आवश्यकता है। उसके बाद, कर्मचारियों में से एक (स्वयं सहित) ने अनुरोध के लिए एक परिवर्तन (ZNI) बनाया, जिसमें समस्या का विवरण (कारणों सहित और जिसे बदलने की आवश्यकता है) और SQL में एक स्क्रिप्ट शामिल है। उसके बाद, परिवर्तन के लिए आंतरिक अनुमोदन किया गया, इस स्क्रिप्ट को लॉन्च किया गया, निष्पादित किया गया, डेटा बदल गया और वास्तव में, अनुरोध को पूरा (बंद) माना गया।

वापस मशीन सीखने के लिए। इस तरह के प्रत्येक अनुरोध में एक विषय और विवरण होता है। फिर विषय के आधार पर, कर्मचारियों द्वारा विभाग के भीतर इन अनुरोधों का वितरण होता है। यह स्पष्ट है कि विषय सीधे विवरण पर निर्भर करेगा। इसलिए, एक मॉडल बनाने का निर्णय लिया गया जो कर्मचारियों के बीच अनुरोध वितरित करेगा। जब मैं आया, तो इस तरह का एक मॉडल पहले से ही बनाया गया था, लेकिन यह अस्थिर रूप से काम करता था। एक साथ सिर के साथ, मैंने मॉडल को "अनुकूलित" किया, इसलिए बोलने के लिए, अर्थात, मैंने उनके लिए अधिक उपयुक्त क्लासिफायर और मापदंडों का चयन किया, इनपुट डेटा पर काम किया, त्रुटियों की तलाश की, और इसी तरह।

परिणाम एक मॉडल था जिसने विषय को सटीकता के साथ परिभाषित किया $$$95$%।

मैंने क्या सीखा

सबसे पहले, मैं मशीन लर्निंग, इसके एल्गोरिदम और तरीकों से परिचित हुआ, न केवल सिद्धांत में सीख रहा था, बल्कि अभ्यास में भी प्रयास कर रहा था (और वास्तव में मौजूदा समस्या पर)।

अगली बात जो मैंने सीखी वह है एसक्यूएल क्वेश्चन। बेशक, मैंने उनके बारे में पहले सुना था। लेकिन अध्ययन शुरू करने की कोई आवश्यकता नहीं थी, लेकिन यह दिलचस्प और उपयोगी दोनों निकला।

बैंक के काम की आंतरिक संरचना जीवन के अनुभव के गुल्लक में एक और उपयोगी जानकारी है। इंटर्नशिप के दौरान, Sberbank के अन्य भवनों में कुछ भ्रमण आयोजित किए गए थे, जिसमें बताया गया था कि Sberbank की व्यवस्था कैसे की गई थी, इसका संक्षिप्त इतिहास और तत्काल लक्ष्य। नए कर्मचारियों के सफल अनुकूलन के उद्देश्य से बैठकें आयोजित की गईं, जो एक खेल या संवाद के रूप में हुईं।

अंत में, मैं ऐसे दिलचस्प और मिलनसार लोगों से मिला जो किसी भी समस्या में आपकी मदद करने के लिए तैयार हैं और किसी भी समय (उनके एक साथी ने भी घर से अपना पेचकस लाने की पेशकश की, ताकि मैं अपने लैपटॉप पर शिकंजा कस सकूं और घर से बाहर निकलने वाले दूसरे लोगों ने डेटा का पता लगाने में मदद की। )।

अतीत से इंप्रेशन

सभी में, मुझे सब कुछ पसंद आया। मुझे ज्ञान प्राप्त हुआ कि, मेरी राय में, बेकार नहीं है (और, इसके विपरीत, विकासशील क्षेत्रों में उपयोग किया जाता है), मैंने खुद को देश के सबसे बड़े बैंकों में से एक में आज़माया, इसकी संरचना और कर्मचारी-कर्मचारी-कर्मचारी-ग्राहक के बीच बातचीत की प्रक्रिया से परिचित हुआ, दिलचस्प नए लोगों के साथ दोस्ती की।