«Сингапур — это огромный хаб с деньгами и инвесторами, поэтому вариантов у меня много»

Об учёбе в Сингапуре

— Сейчас ты живёшь и учишься в Сингапуре. Почему выбрал этот город?

— Я мечтал о нём со дня, когда мы со школой поехали на Discovery Science Workshop, чтобы изучать биологию, химию и физику на экспериментах. Мы посещали разные места, например NEWater plant — предприятие, где делают воду из ничего. Они перерабатывают отходы и превращают их в воду. На вкус немного дистиллированная, но вода есть вода!

Сингапур в плане технологий очень продвинутый. Ещё мне понравился климат — вечное лето. Люди добрые, мотивированные, с богатой рабочей культурой. В одном городе крутятся большие деньги, и у людей за них здоровая конкуренция. Я подумал, что учёба в Сингапуре даст мне преимущество по сравнению с вузами других стран.

— Куда ты поступил?

— Я получил грант и поступил в Yale-NUS College — коллаборацию Йельского университета и Национального университета Сингапура. Это небольшое учебное заведение на 900 человек.

Обучение длится четыре года, строится по классической американской системе: первые два года — 10 модулей, которые должны взять все студенты. В модулях сочетаются обширные дисциплины: от философии политической мысли до количественного мышления. Сейчас я на втором курсе.

— И как тебе такой формат?

— Гуманитарных дисциплин всё же больше, и это единственное, что огорчает. Цель университета — научить нас soft skills. То есть не закладывать в голову конкретные знания, а давать навыки для изучения разных дисциплин. Например, чтобы мы могли использовать методы из философии в Data Science. Поражает, какие связи обнаруживаются между такими далёкими предметами.

— Первые два года вы изучаете общие дисциплины, а потом?

— Потом я планирую выбрать специальность Mathematical, Computational & Statistical Sciences, в рамках которой и буду изучать Data Science. Здорово, что навыки, которые я нарабатываю как дата-сайентист, можно будет перенести из одной сферы в другую, потому что я ещё не полностью уверен в выборе. Например, есть возможность перейти в бизнес-аналитику или software engineering — это то же машинное обучение.

— И всё же: почему для дальнейшего обучения ты выбрал именно Data Science?

— Data Science — это то, на что я с удовольствием трачу много времени. Это доказали ещё первые дататоны, в которых я участвовал. Я сидел за кодом по девять часов и не замечал, как летит время. К тому же в Data Science используется язык программирования Python. Когда изучаешь его документацию — будто читаешь английский текст. Даже не надо напрягаться.

— Какие ещё языки программирования тебе нравятся?

— Есть такой OCaml. Он не очень распространён, но наш университет использует его для начальных курсов по Computer Science. OCaml используют в сферах, где цена ошибки велика. Мне нравится, что в строчки кода вкладывается большая ответственность, а твоя задача — минимизировать риск.

— А как ты вообще увлёкся наукой, почему?

— Мой научный путь во многом определили школы, где я учился. Программы Nazarbayev Intellectual Schools и международного бакалавриата Haileybury Astana School как раз нацелены на исследовательскую работу и практику.

Я думал поступать на химическую или экологическую инженерию и нарабатывал портфолио в этом направлении. Например, разработал проект «Мокрый газон в качестве источника энергии»: за счёт фотосинтеза во время прорастания газона происходят химические реакции, которые приводят к выработке электрического тока.

— Что изменилось? Почему перешёл от инженерии к Data Science?

— В школе я увлекался физикой, химией и математикой и даже не брал специализацию по информатике. А когда подавал документы в университеты, я наконец осознал: химическая инженерия — слишком узкое направление. Я не смогу заниматься ей долго, мне нужна реальная связь с бизнесом. Data Science — как раз та комбинация наук, которую я искал.

Британская школа как мост в международные университеты

— Расскажи побольше о своём необычном школьном пути. Как работает программа международного бакалавриата?

— Международный бакалавриат — мост в международные университеты, интенсивная подготовка к ним. Я получил грант и попал туда после школы. Программа рассчитана на два года. Идея в том, чтобы изучать шесть предметов: три — на высоком уровне, три — на стандартном. Ещё есть общие модули вроде теории знаний и extended essay — исследовательская работа по типу курсовой. Я делал её по физике.

— На каком языке вас там учили?

— Обучение было на английском. Международный бакалавриат в принципе предлагается только на трёх языках: английском, французском и испанском.

— Ого, а как ты учил язык, чтобы свободно говорить и понимать?

— Я изучаю язык с шести лет. Сначала по общеобразовательной программе и учебникам. Кстати, знание английского долго было на среднем уровне, пока не погрузился в среду. В Nazarbayev Intellectual Schools уровень стал лучше: там преподавало несколько native speakers, с которыми я общался. А в британской школе англоговорящими были почти все.

О Skillbox в мемах

— Ты учишься в передовом вузе в Сингапуре. Зачем ты пошёл на курс по машинному обучению в Skillbox?

— В первые два года в списке общих дисциплин не было такого предмета, как Data Science, а времени брать элективы у меня не хватало. Но я хотел претендовать на стажировки по машинному обучению. Решил пойти на курс Skillbox, чтобы наработать hard skills — изучить языки программирования и технологии.

— Было ли то, что на курсе тебе давалось тяжело?

— Видеолекции и маленькие задания проходили без загвоздок, а вот с первой курсовой по аналитике я возился долго. Всё потому, что я опытным путём исследовал, какой уровень проработки и старания ждёт от меня Skillbox. Когда возникали вопросы — преподаватели сразу включались и помогали разобраться. Ещё очень пригодились обсуждения внутри общего чата: мы работали над одинаковыми вопросами, и коллеги часто предлагали код, который экономил моё время и усилия. Такого не найдёшь в гугле. В чате в принципе было много отзывчивых людей, да и я старался помочь, когда мог.

— Расскажи о каком-нибудь задании на курсе, которое тебе было интересно.

— Меня увлекла курсовая работа по машинному обучению. Skillbox предоставил реальные данные по пользователям мобильной сети. Нужно было построить модель и определить отток людей по разным критериям. Это было реалистично: настоящие данные и настоящая компания. Мы извлекали данные, очищали их, приводили в форму и обучали модель ML.