"गणित और भौतिकी की तरह डेटा साइंस, आपके आसपास की दुनिया का पता लगाने का एक और तरीका है।"

हेब्र, नमस्कार! हम न्यूप्रोलैब पूर्व छात्रों के साथ साक्षात्कार की एक श्रृंखला जारी रखते हैं जिसमें वे बड़े डेटा के साथ काम करने के क्षेत्र में जाने की अपनी कहानी के बारे में बात करते हैं। कहानियां अलग हैं और उन लोगों के लिए दिलचस्प होंगी जो अपने करियर के रास्ते बदलने के बारे में सोच रहे हैं या नए ज्ञान कैसे मौजूदा समस्याओं को हल करने में मदद कर सकते हैं। लामोदा में अनुसंधान और विकास के प्रमुख ओलेग खोमुक से मिलिए।

ओलेग ने अपने कैरियर मार्ग, मूल्यों के बारे में बात की, क्यों उन्होंने लमोडा को चुना, और घाटी में एक कंपनी नहीं, मौजूदा परियोजनाओं के बारे में, उनकी टीम, सबसे सफल और सबसे असफल परियोजनाओं के बारे में, डेटा विज्ञान के दृष्टिकोण के बारे में और बहुत कुछ।



- ओलेग, लमोडा में आर एंड डी के प्रमुख के लिए आपका पेशेवर मार्ग कैसा था?

- मुझे ऐसा लगता है कि कोई भी पेशेवर रास्ता कई कारणों और कभी-कभी दुर्घटनाओं का परिणाम है। इन कारणों के बीच, कई मुख्य लोगों को प्रतिष्ठित किया जा सकता है: सोच की विशेषताएं, जीवन मूल्य और सामान्य तौर पर, कोई व्यक्ति कैसे समझता है कि सफलता क्या है। सफलता की यह समझ बहुत ही सदिश है जिसे हम एक पेशेवर पथ का चयन करते हुए कम्पास के रूप में उपयोग करते हैं।

इस अर्थ में, मेरे लिए सब कुछ काफी सरल हो गया: स्कूल ने स्पष्ट रूप से सटीक विज्ञानों के लिए क्षमताओं को दिखाया, लगातार प्रतियोगिताओं में भाग लिया, यहां तक ​​कि स्कूली बच्चों के बीच क्षेत्रीय गणित ओलंपियाड में 9 वीं कक्षा में तीसरा स्थान हासिल करने में कामयाब रहे। और कुल मिलाकर, यह पहेली को हल करने के लिए हमेशा बहुत दिलचस्प था, पैटर्न की खोज करना, मुझे अभी भी सरलता पर कार्य पसंद हैं।

मुझे विश्वविद्यालय में अध्ययन करना भी पसंद था: मैंने MSTU से स्नातक किया। NE "ऑप्टोइलेक्ट्रोनिक इंस्ट्रूमेंटेशन" में सम्मान के साथ बॉमन, हमें भौतिकी और माइक्रोइलेक्ट्रॉनिक, उपकरणों के दृष्टिकोण से काफी परिष्कृत डिजाइन करना सिखाया गया था: थर्मल इमेजर्स, डिजिटल कैमरा, दूरबीन, यहां तक ​​कि स्नाइपर जगहें, होमिंग सिस्टम और नाइट विजन डिवाइस। मुझे कहना होगा कि यह एक अविश्वसनीय रूप से दिलचस्प पेशा है, और हमारे शिक्षण कर्मचारी तारकीय थे। इस तरह की वास्तविक इंजीनियरिंग ज्ञान के कई क्षेत्रों के जंक्शन पर है। कभी-कभी यह थोड़ा अफ़सोस की बात है कि इस विषय पर काम नहीं किया।

- यह क्यों नहीं हुआ?

- आखिरी पाठ्यक्रमों में मैं जो कर रहा था उसमें मैं थोड़ा निराश था। यह पता चला कि देश में एक पेशे की मांग कम है, सब कुछ बहुत स्थानीय है, सबसे अच्छा इंजीनियर मुख्य रूप से संस्थान प्रयोगशालाओं में काम करते हैं, दुर्लभ कारखाने इंजीनियरिंग परियोजनाओं, पुराने उपकरणों और इतने पर लागू करने में सक्षम हैं। बेशक, कुछ सफलताएं थीं, लेकिन गुंजाइश वैसी नहीं थी, जैसा मैंने अपनी पढ़ाई की शुरुआत में सोचा था। यह कारक शोधकर्ताओं के लिए कम दरों द्वारा पूरक था, निजी परिवहन में संलग्न होना और अधिक कमाई करना संभव था। बेशक, अभी भी पैसे कमाने के विकल्प थे, जापानी कंपनियों के लिए आधिकारिक तौर पर काम नहीं कर रहे थे, स्वाभाविक रूप से बौद्धिक संपदा अधिकारों के बिना।

कुछ बिंदु पर, मेरे दोस्तों ने मुझे मॉस्को के पास एक बड़े इंटरनेट प्रदाता के रूप में काम करने के लिए आमंत्रित किया, और मैं सहमत हो गया। मैं नई चीजें सीखने के लिए काफी तैयार था, तकनीकी शिक्षा इस मायने में काफी गुंजाइश देती है।

वहां मैंने नए तकनीकी कौशल हासिल किए, गुणवत्ता प्रबंधन के विषय से परिचित हुआ और आम तौर पर इस संबंध में विश्व प्रथाओं पर छुआ। इस तरह के एक गुणवत्ता प्रबंधन मानक है, यहां तक ​​कि आईएसओ 9000 मानकों की एक श्रृंखला भी है, जो एक उद्यम में प्रक्रियाओं के आयोजन के लिए कुछ प्रथाओं की पेशकश करते हैं, एक स्वयंसिद्ध अंतिम उत्पाद की गुणवत्ता और कितनी अच्छी तरह से आंतरिक रूप से अपनी प्रक्रियाओं का प्रबंधन करते हैं। मुख्य विचार यह है कि यदि आप मानक के ढांचे के भीतर सब कुछ करते हैं, तो आपके उत्पादों की गुणवत्ता में लगातार सुधार हो रहा है, क्योंकि आप हर प्रक्रिया को मापते हैं, सोचते हैं, योजना बनाते हैं, करते हैं और फिर से इस गुणवत्ता को प्रभावित कर सकते हैं। निरंतर सुधार की इस चक्रीय गतिविधि का एक नाम भी है - डेमिंग चक्र। मुझे प्रबंधन द्वारा इस विषय पर किसी तरह कब्जा कर लिया गया था, लेकिन यह बहुत ही गणितीय था।

नतीजतन, मैंने लगभग 2 वर्षों तक काम किया, एक छोटे विभाग का निर्माण करने, प्रक्रियाओं के निर्माण, गुणवत्ता विभाग के साथ बहुत सारी बातें करने सहित विभिन्न काम किए।

अगला था यैंडेक्स। कुछ बिंदु पर, मैंने देखा कि वे खोज गुणवत्ता विभाग में परियोजना प्रबंधकों को काम पर रख रहे थे। रिक्ति खुद को इतना झुका नहीं था, परीक्षण कार्य में अधिक रुचि थी: मौजूदा यैंडेक्स खोज समस्या का वर्णन करें और इसे हल करने का तरीका जानें। ठीक है, "गुणवत्ता" शब्द के लिए मेरे सिर में ट्रिगर ने काम किया, शायद। मैंने लगातार 10 घंटे तक काम किया, यह कई पन्नों का हो गया। नतीजतन, उन्होंने मुझसे संपर्क किया, एक साक्षात्कार के लिए बुलाया और एक प्रस्ताव दिया, जिसे मैंने सहर्ष स्वीकार कर लिया।

जब मैं यांडेक्स में काम कर रहा था, विशेष रूप से मेरे लिए, सब कुछ जगह में गिर गया, मैंने देखा कि कितना बड़ा डेटा, गणित, एल्गोरिदम, उपयोगकर्ता पर ध्यान केंद्रित करते हैं, उसकी ज़रूरतें एक एकल तंत्र के रूप में एक साथ काम करती हैं और आपको एक ओर सफल उत्पाद बनाने और पैसा बनाने की अनुमति देती हैं दूसरे पर। यह मुझे लगता है कि मैंने यैंडेक्स से दूर ले लिया यह डेटा के आधार पर उत्पादों को बनाने और मशीन सीखने में संलग्न होने की इच्छा पैदा करता है। तब से, उन्होंने इस दिशा में सक्रिय रूप से विकास करना शुरू कर दिया।

- यह 2011 था, बड़े डेटा का विषय अभी तक बहुत लोकप्रिय नहीं था, कोई भी कार्यक्रम नहीं था। आपने कहां पढ़ाई की, सब कुछ पढ़ा?

- बेशक, उपलब्ध सामग्री पर्याप्त नहीं थी, और हम सभी ज्ञान के भूखे थे। लेकिन कौरसेरा पहले से ही था, और वैसे भी, शिअद भी। मैंने 15 बार Vorontsov के व्याख्यान सुने और कुछ भी समझ में नहीं आया। कई इस के माध्यम से चले गए, यह एक दिलचस्प युग था।

सामान्य तौर पर, मैंने सूचना खोज के विषय से थोड़ा दूर हटना शुरू कर दिया, मुझे डेटा के साथ काम करना पसंद है, मैं मशीन लर्निंग से संबंधित एक नए क्षेत्र से आकर्षित हुआ और 2012 में मैंने कंपनी छोड़ दी।

- और येंडेक्स के बाद क्या?

Yandex के बाद "सलाहकार प्लस" था। पहले से ही अधिक सचेत रूप से डेटा विश्लेषण से जुड़ी दिशा को चुना। बस उपयोगकर्ता कार्यों का डेटा बड़े पैमाने पर एकत्र किया जाने लगा था, इसलिए मैंने इस गतिविधि में शामिल हो गया और परियोजनाएं बनाना शुरू कर दिया।

सामान्य तौर पर, यह एक दिलचस्प समय था, अब मशीन लर्निंग के लिए कई लाइब्रेरी उपलब्ध हैं, उदाहरण के लिए, एक्सगबॉस्ट, और हमने C ++ में पेड़ों पर अपनी ढाल को बढ़ाने के लिए लिखा है, अब, निश्चित रूप से, हर टीम इसे बर्दाश्त नहीं कर सकती है, और कोई ज़रूरत नहीं है - सब कुछ पहले से ही एहसास है। ऐसी कहानी।

- क्या आपने अपने दम पर लिखा था या आपके पास पहले से ही एक टीम थी?

- टीम पहले से ही थी, हाँ, प्रतिभाओं के अलावा। कंसल्टेंट प्लस में मेरे काम के दूसरे वर्ष में, वीएमके का एक प्रतिभाशाली छात्र हमारे साथ शामिल हो गया, जिसने कुछ महीनों में अपने बढ़ावा देने के कार्यान्वयन को लिखा और मॉडल को प्रशिक्षित करना शुरू किया।

उस समय तक, हमने पहले ही डेटा वैज्ञानिकों की एक पूरी टीम बनाने का लक्ष्य रखा था, हमने महसूस किया कि डेटा में कई नए अवसर थे। फिर, दो ShAD स्नातकों को लेने का अवसर, जो शायद मुझसे अधिक एक सिर जानते थे, और रिपॉजिटरी के निर्माण के लिए डेवलपर्स, बहुत सफलतापूर्वक बदल गए। सभी ने इसे आजमाया, मुख्य रूप से हाडूप क्लस्टर पर काम किया, हालांकि आधुनिक मानकों के अनुसार बहुत अधिक डेटा नहीं था।
हमारे चरम पर, शायद, सभी में 9 लोग थे, वे अच्छी समस्याओं को हल कर रहे थे। उदाहरण के लिए, वे विभिन्न विषयों में उपयोगकर्ता की रुचि के विस्फोट की तलाश कर रहे थे, इससे लेखकों को उन लोगों की पसंद के बारे में अधिक आशावादी रूप से संपर्क करने में मदद मिली, जिस पर नई सामग्री लिखने के लिए समझ में आता है।

उसके बाद मैंने पालो आल्टो में एक स्टार्टअप एज़ोम के लिए काम किया। वैसे, मीता कटाव ने मुझे वहां की सिफारिश की, जिनके साथ हमने बिग डेटा विशेषज्ञ कार्यक्रम पर एक साथ अध्ययन किया। उनके परिचित, किरिल क्लोकोव, विकास निदेशक के रूप में एज़ोम में काम कर रहे थे, जो टीम में एक डेटा वैज्ञानिक की तलाश कर रहे थे। कंपनी का मुख्य विचार घरेलू सेवाओं के लिए उबेर-अनुभव का निर्माण है; एक प्रारंभिक बिंदु के रूप में, स्थानीय क्षेत्र की देखभाल के लिए एक सेवा को चुना गया था - लॉन घास काटने से शुरू, सफाई के साथ समाप्त, पौधों और पेड़ों को रोपण। नतीजतन, मैंने वहां डेटा साइंटिस्ट के रूप में काम करना शुरू कर दिया, मैं वास्तव में एक स्टार्टअप में अपना हाथ आजमाना चाहता था, और मैं अपने हाथों से काम करना चाहता था। मैं समय-समय पर इस विश्लेषणात्मक खुजली का अनुभव करता हूं, मैं खुद कुछ सार्थक करना चाहता हूं, हालांकि काफी समय से मैं मुख्य रूप से संगठनात्मक प्रक्रियाओं पर केंद्रित रहा हूं। मैं उम्मीद करता था कि किसी दिन खुजली कम हो जाएगी, लेकिन नहीं, आज तक मैं "दो कुर्सियों पर बैठने" की कोशिश कर रहा हूं, अर्थात्, एक प्रबंधक और एक विशेषज्ञ के रूप में विकसित करने के लिए।

- अब भी?

"अब भी।" हालांकि इस समय, निश्चित रूप से बहुत समय नहीं है: एक बड़ी टीम, कई प्रबंधन कार्य, मुझे सप्ताहांत पर देरी हो रही है, क्योंकि अब इसके लिए बहुत सारे अवसर हैं - उदाहरण के लिए, कागल। मैं अपने हाथों से भी कुछ करना चाहता हूं, लेकिन मेरी टीम में ऐसे लोग हैं जो अपने क्षेत्र में मुझसे बेहतर हैं। लेकिन, मेरी राय में, डेटा विश्लेषण के क्षेत्र में प्रभावी परियोजना प्रबंधन के लिए, प्रबंधक के पास कठिन कौशल होना चाहिए। मैं लगातार सीख रहा हूं। अभी, उदाहरण के लिए, मैंने प्रोग्रामिंग में विशेषज्ञता के माध्यम से जाने का फैसला किया, बस इतना ही नहीं भूलना चाहिए कि क्या हो रहा था।

- एज़ोम पर लौटना: उन्हें डेटा वैज्ञानिक की आवश्यकता क्यों थी? आपको किन कार्यों का सामना करना पड़ा?

- यह एक अच्छा सवाल है। बहुत शुरुआत में मैंने पूछा कि मुझसे क्या परिणाम की उम्मीद है। जवाब भावना में था: "हम खुद अभी तक पूरी तरह से समझ नहीं पाते हैं, चलो कोशिश करते हैं।" लेकिन जल्दी से एक अच्छा काम मिल गया: उस समय नए ग्राहकों को आकर्षित करने में एक अड़चन थी, क्योंकि हर नए आवेदन को एक व्यक्ति द्वारा संसाधित किया गया था, एक उपग्रह छवि से एक साइट को मापा गया, यह समझने की कोशिश की कि इस तरह की साइट की सेवा के लिए कितना खर्च करना चाहिए। एक विशेषज्ञ रैखिक मॉडल था जो इस मूल्यांकन से निपटता था। यह स्पष्ट है कि पूर्वानुमान की गुणवत्ता में सुधार करना चाहते थे, और बड़ी संख्या में पैरामीटर को कैसे ध्यान में रखा जाए, यह आप निर्धारित नहीं कर सकते। यहीं से मशीन लर्निंग का काम आया। हमने उस समय की भविष्यवाणी करना शुरू किया जो माली साइट के मापदंडों का उपयोग करके खर्च करेगा। साइटों के मापदंडों को खुले स्रोतों से लिया गया था, और "शिक्षकों" को ऐतिहासिक डेटा से लिया गया था। फिर साप्ताहिक सेवाओं के लिए सदस्यता पर सक्रिय ग्राहकों का एक छोटा सा आधार पहले से ही था।

नतीजतन, कार्य को निकाल दिया गया था, अधिकांश आवक कॉलों के लिए डेटा उपलब्ध थे, मक्खी पर व्यक्तिगत कीमतों को तैयार करना संभव था। शास्त्रीय स्वचालन - रोबोट काम करते हैं, लोग आराम करते हैं। फिर मुझे लगभग डेढ़ महीने तक घाटी में प्रधान कार्यालय में आने के लिए आमंत्रित किया गया।

इससे पहले, मैंने दूर से काम किया था, लगभग पूरी टीम दूरस्थ थी: यूएसए, भारत, ग्रीस, पोलैंड, रूस। टीम बहुत ही शांत थी, यह काम करने के लिए एक खुशी थी। मैं कई शांत कार्यों को करने में कामयाब रहा, अंत में मुझे टीम लीड एनालिटिक्स की स्थिति की पेशकश की गई। हमने बुनियादी ढांचे में कुछ सुधार किए, जिससे हमें कई बार हमारे द्वारा की गई परियोजनाओं की संख्या बढ़ाने की अनुमति मिली। फिर उन्होंने एक अन्य टीम के साथ एकजुट होने का प्रस्ताव रखा जो कर्मचारियों के लिए मार्गों के निर्माण के लिए सॉफ्टवेयर विकसित कर रही थी: 5 हजार ग्राहक, 150 माली, उनके लिए इष्टतम तरीके से कैसे प्राप्त करें। यह बहुत ही रोमांचक था, और अब यह मुझे प्रतीत होता है कि डेटा के मुकाबले कंप्यूटर विज्ञान के बारे में कार्य भी बहुत दिलचस्प हैं।

- लमोडा के समानांतर, आप कई प्रस्तावों पर विचार कर रहे थे, तो लमोडा के पक्ष में चुनाव क्यों किया गया? आपके लिए क्या महत्वपूर्ण था?

- हां, कई प्रस्ताव थे। लमोडा में मुझे क्या मिला? एक स्पष्ट रणनीति, मुझ से स्पष्ट अपेक्षाएं, विश्वास और वित्त में एक यथार्थवादी संसाधन योजना, यानी, उन्होंने मेरे लिए एक स्पष्ट कार्य निर्धारित किया: "हम अब यहां हैं, हमें यहां आने की जरूरत है, हम आर एंड डी विकसित करना चाहते हैं, हम एक्स निवेश करने के लिए तैयार हैं, हम इस तरह के और आर्थिक प्रभाव की उम्मीद कर रहे हैं" । वह सब है। इस बात के बारे में कोई तर्क नहीं कि अंतरिक्ष यान ब्रह्मांड के विस्तार को कैसे हल करेगा या रोबोट सभी को बदल देगा। प्लस एक ईमानदार कहानी है कि कंपनी कैसे कर रही है। सब कुछ पारदर्शी, स्पष्ट था, और यह, सामान्य तौर पर, मुझे रिश्वत देता था क्योंकि मुझे पूरा एहसास था कि मैं ऐसे लोगों की टीम में शामिल हो रहा हूं जो वास्तव में परिणाम-उन्मुख हैं और समझते हैं कि वे क्या चाहते हैं। इसके अलावा, उन्होंने मुझे इस क्षेत्र को विकसित करने के लिए कार्टे ब्लैंच दिया। मेरे लिए यह किसी प्रकार की व्यक्तिगत चुनौती थी, मुझे कभी भी इतनी बड़ी टीम को इकट्ठा करने का अवसर नहीं मिला। अब 17 लोग हैं, और हम अभी भी बढ़ रहे हैं।

- यह पहली कंपनी नहीं है जहां आप खरोंच से एक आर एंड डी विभाग का निर्माण करते हैं, एक टीम को इकट्ठा करते हैं। किसी कंपनी में शामिल होने पर पहले 5 कदम क्या हैं?

- आर एंड डी विभाग लमोड़ा में था और मुझसे पहले, 7 साल में भी कई टीमों और नेताओं को बदल दिया गया था। इसके अलावा, हमने वर्तमान टीम के लगभग आधे को अंदर इकट्ठा किया। तो वास्तव में खरोंच से नहीं।

एक नई कंपनी में पहले पांच चरण? एल्गोरिथ्म, मुझे लगता है, आर एंड डी के लिए विशिष्ट नहीं है; सिद्धांत रूप में, यह मामला हो सकता है यदि आप किसी नई कंपनी में कम से कम किसी तरह के नेतृत्व की स्थिति में आते हैं।

सबसे पहले, आपको कंपनी की वर्तमान रणनीति को समझने की जरूरत है, यह समझने के लिए कि कंपनी के लक्ष्य क्या हैं, KPI उपलब्धियों को मापेगा।

दूसरा यह वर्णन करना है कि कैसे, कंपनी में आपकी क्षमता या भूमिका को ध्यान में रखते हुए, आप इन KPI को प्रभावित कर सकते हैं, उपलब्ध उपकरणों और विचारों का कुछ सेट होना चाहिए। व्यवसाय की आवश्यकताओं और लक्ष्य स्थिति का वर्णन करें, अर्थात, हम आम तौर पर क्या चाहते हैं, और फिर उपलब्ध उपकरणों का मूल्यांकन करें। मशीन लर्निंग उनमें से केवल एक है, और हर कार्य के लिए इष्टतम नहीं है।

तीसरा बिंदु - आपको वर्तमान स्थिति - लोगों, दक्षताओं, प्रक्रियाओं, डेटा, उत्पादों, बुनियादी ढांचे, विशेष रूप से बुनियादी ढांचे का ऑडिट करने की आवश्यकता है।
सामान्य तौर पर, वर्तमान स्थिति के ऑडिट के बाद केवल 4 वें चरण पर वर्तमान स्थिति से लक्ष्य एक तक संक्रमण के लिए आगे की रणनीति का वर्णन करना संभव हो जाता है। अनिवार्य रूप से, यह बहुत काम है, जिसमें इच्छुक पार्टियों, हितधारकों के साथ बहुत सारे परामर्श शामिल हैं, जिसके आधार पर कई संभावित विकास परिदृश्यों को विकसित करने की आवश्यकता है। मेरे व्यवहार में, संसाधन लागत के संदर्भ में कम से कम 3 - रूढ़िवादी, यथार्थवादी और आक्रामक बनाना उपयोगी था। फिर यह सब आसान है: एक रणनीति चुनने के बाद, हम एक रोडमैप बनाते हैं, संसाधन अनुमान निर्दिष्ट करते हैं और काम करते हैं।

- आपके लिए डेटा साइंस क्या है?

- डेटा साइंस मेरा पसंदीदा टूल है। यह एक बहुत ही रोमांचक क्षेत्र है, यह गणित और भौतिकी की तरह है, जो आपके आसपास की दुनिया का पता लगाने का एक और तरीका है। यह पहली बार था जब मैंने इसे विशेष रूप से यैंडेक्स में स्पष्ट रूप से महसूस किया, जब हम खोज प्रश्नों के विश्लेषण में लगे हुए थे, हमने समझा कि उपयोगकर्ताओं को क्या चाहिए, वे उन्हें कैसे हल करते हैं, दुनिया में क्या हो रहा है। अर्थात्, आप जिस डेटा के साथ काम करते हैं, उस पर क्लिक करके आप दुनिया को देख सकते हैं। यह दिलचस्प है और मेरी राय में, जानने के अन्य तरीकों से अलग नहीं है, बस एक और "चैनल", इसे 7 वीं भावना मानें। यही बात "कंसल्टेंट प्लस" में भी हुई: हमने देखा कि कौन से उपयोगकर्ता समस्याओं को हल करते हैं जब वे अदालत के फैसले की तलाश करते हैं, जो कि लोगों को विशेष रूप से उत्तेजित करता है, उनके पास क्या विवाद हैं जिन्हें अदालत में हल करने की आवश्यकता है। अगर हम उस डेटा के बारे में बात करते हैं जिसे हम लमोडा में विश्लेषण करते हैं, तो यह कम रोमांचक नहीं है। खासकर जब आपको पता चलता है कि ब्लाउज और स्कर्ट एक ही के बजाय अलग-अलग रंगों में खरीदे जाते हैं। एक जिज्ञासु अवलोकन जिसके साथ आप जीवन में आगे बढ़ सकते हैं। आप डेटा के माध्यम से अपने आसपास की दुनिया के बारे में बहुत कुछ जान सकते हैं। इसलिए, मैं कहता हूं कि यह मेरा पसंदीदा उपकरण है। और यहाँ वह एक तरफ, एक संज्ञानात्मक उपकरण है, और दूसरी तरफ, एक सक्रिय उपकरण, इसकी मदद से आप कुछ नया बना सकते हैं।

- यदि आप एक व्यवसाय लेते हैं, तो आप व्यवसाय में डेटा को क्या भूमिका सौंपते हैं?

- यहाँ सबसे महत्वपूर्ण बात यह है कि प्रचार करने के लिए नहीं है। यदि हम व्यवसाय के बारे में बात करते हैं, तो डेटा, निश्चित रूप से, काम करना चाहिए। डेटा विश्लेषण के परिणाम लाभदायक होने चाहिए या लागत को कम करना चाहिए। अगर वे नहीं करते हैं, तो कुछ गलत हो गया है। उसी समय, डेटा-संचालित संस्कृति को शाब्दिक रूप से लेने की आवश्यकता नहीं है, हम डेटा पर भरोसा किए बिना निर्णय ले सकते हैं, यह सामान्य है। इसके अलावा, कुछ मामलों में यह केवल एक चीज है।

- बताइए, लमोडा में आप क्या प्रोजेक्ट कर रहे हैं? आपकी टीम द्वारा लागू की गई सबसे सफल परियोजना क्या है?

- संभवतः उल्लेख के लायक पहली चीज ए / बी परीक्षण का मंच है - वास्तव में, एक सेवा जो उपयोगकर्ताओं को समूहों में विभाजित करती है और प्रयोगात्मक सुविधाओं के चालू / बंद का प्रबंधन करती है। यह हमारे लिए महत्वपूर्ण क्यों है? क्योंकि सामान्य तौर पर इस क्षेत्र में, मशीन लर्निंग से संबंधित, विभिन्न परिकल्पनाओं और विचारों के निरंतर परीक्षण के बिना मौजूद नहीं हो सकते। हम पहले से नहीं जान सकते कि हमारे उपयोगकर्ता इसे कम या ज्यादा पसंद करेंगे। किसी भी नए विचार का परीक्षण किया जाना चाहिए। अमेज़ॅन दिलचस्प आंकड़े प्रदान करते हैं, वे कहते हैं कि 70% विचार जो वे परीक्षण करते हैं वह परीक्षण खो देते हैं। यह शांति से व्यवहार किया जाना चाहिए, भले ही सूचक अधिक हो। इसका मतलब है कि प्रति तिमाही 5 सफल परियोजनाओं को जारी करने के लिए,। 17 करना आवश्यक है। इसलिए, नियंत्रित प्रयोगों के संचालन के लिए एक विश्वसनीय मंच वह आधार है जिसके बिना उत्पाद विकास के मामले में आगे बढ़ना बिल्कुल असंभव है। हमारी महत्वाकांक्षी योजनाओं को देखते हुए, इस प्रणाली में कुछ उन्नयन करना आवश्यक था। पहला संस्करण मेरे सामने बनाया गया था, हमने इसे काफी अपडेट किया था: अब आप एक ही समय में अधिक प्रयोग कर सकते हैं, इससे पहले कि इस अर्थ में कुछ सीमाएं थीं।

- और क्या निर्देश?

- खोज, और यहां यैंडेक्स और Google जैसे बड़े खिलाड़ियों से मतभेद हैं, क्योंकि हम अपने विषय क्षेत्र को बहुत अच्छी तरह से काम कर सकते हैं, यह "इंटरनेट पर सार्वभौमिक खोज" की तुलना में संकीर्ण है। सभी रिश्तों का वर्णन करने के लिए, सब कुछ की एक ऑन्थोलॉजी करना असंभव है, लेकिन एक छोटे से विशिष्ट क्षेत्र में आप बहुत अच्छे निर्णय ले सकते हैं जो काम करेंगे। हम एक खोज इंजन के लिए अपनी भाषाविज्ञान कर रहे हैं जो विभिन्न संस्थाओं के बीच कुछ निहित संबंधों को ध्यान में रख सकता है। , , , , , , . , Tommy Hilfiger Tommy Jeans, . , — , — - . , , Lamoda.

, , , — . . , , , , .
, , , .

— , .

— . , . , , , , — . , , . , . , , .

— ? ? ?

— , : , , , , -. , -, . , . -, , , . .

4-6 . , . , - . . - , , – .

— Amazon 70% , Lamoda?

— , . , , . , – success, learning. . — . , , , , . - .

— , ? learning'e, .

— , . , . , , , . , , learning, , . ( , ) , , , . , , , .

— ? , , , . , ?

— , : , , . , , , . , , .

— , , Newprolab Lamoda, . , , , ?

— , , , , , , . ( Newprolab — . .), , - . . , Newprolab , . - , , , . , . 3 10 , , . . , , , , , .

— , , , , , , , .

— , , 4 , , Coursera, , . , , , . , , , , , , .



— « » , , . , ?

— – - . , , - , . - , . , . ? : - , . , . , , , , , , . , . , , , , - . , , .

— , -. , ? ?

— , «» «», , , , - . , - , . . , , , . , Lamoda . - , .

— , ?

— Slack ODS, , , . , , , , , , .

— , , . , , ?

— , : , . , , data science, . , , - .

— , , .

— , . . , , . , , - - , . — , , , , . , - - . , , , , , , , - , .

, — , , , . , , . : , , , . Ezhome — : data scientist, -, , . , - . , . , .

शायद यही कारण है कि मैं अपने काम से बहुत प्यार करता हूं, यह मुझे अपनी ताकत का उपयोग उन लक्ष्यों को प्राप्त करने की अनुमति देता है जो कंपनी और व्यक्तिगत रूप से मेरे लिए मूल्यवान हैं।