Natalia Szostak jest doktorem psychologii z wykształcenia, z pasji perkusistką w rockowym zespole, a dzięki kursowi Data Science w infoShare Academy wkroczyła do świata IT. O tym gdzie pracuje i co robi Natalia dowiecie się czytając nasz wywiad.
Co jest Twoją pasją? Co lubisz robić w wolnym czasie?
Moją największą pasją jest cięższa muzyka rockowa. W wolnym czasie gram na perkusji (również w zespole).
Na perkusji? Wow! Jak się zrodziła ta pasja?
Jako dziecko chodziłam do szkoły muzycznej, potem jako nastolatka grałam w zespole na klawiszach, a potem pomyślałam sobie, że perkusja to jednak najlepszy instrument! I jako osoba już dorosła postanowiłam ten instrument rozpracować.
Czym zajmowałaś się zanim zainteresowałaś się programowaniem?
Skończyłam studia z psychologii w UK, tam też zrobiłam doktorat z psychologii eksperymentalnej i zamierzałam rozpocząć karierę naukową. Potem wróciłam do Polski, pracowałam przy kilku grantach, ale pasja do psychologii zaczęła przemijać. Odkryłam, że część związana z analizą danych sprawiała mi największą przyjemność, więc postanowiłam się rozwijać w tym kierunku.
Dlaczego i na jakim etapie zdecydowałaś, że chcesz nauczyć się akurat Data Science?
W momencie kiedy pomyślałam o wejściu do IT poczytałam o różnych zawodach/ pozycjach i Data Science wydało mi się najbardziej odpowiednie dla mojego doświadczenia.
Kiedy pierwszy raz pomyślałaś o kursie programowania?
O kursie myślałam już od dłuższego czasu. W pracy naukowej, wykorzystywałam język R do analizy danych i pomyślałam, że warto by było się programowania lepiej nauczyć.
Nad jakimi formami nauki zastanawiałaś się przed rozpoczęciem nauki w infoShare Academy?
Gdyby nie infoShare Academy, skupiłabym się pewnie na kursach Data Science oferowanymi m.in. przez Udemy.
Czym Cię w takim razie przekonała infoShare Academy, że zdecydowałaś się na bootcamp?
Zależało mi na interakcjach z trenerami i innymi osobami, które też są zainteresowane tematem. Wiedziałam też, że najwięcej się nauczę jak będę miała z góry narzucony przedział czasowy do którego się muszę dostosować (na wykonanie prac domowych, projektów, itp.).
Co w tamtym momencie najbardziej Cię przerażało?
Braki w matematyce, niestety. Wciąż jeszcze muszę je nadrobić.
Czy musiałaś z czymś łączyć naukę?
Naukę łączyłam z pracą wykładowcy akademickiego, a od lutego również z pracą na etat jako Analityk IT, także pod koniec było ciężko.
Jak wyglądało przygotowanie do kursu i sama nauka?
Zrobiłam preworki, poczytałam o data science. Najwięcej uczyłam się na kursie poprzez robienie zadań domowych.
Jak oceniasz naukę zdalną?
W momencie kiedy ten sam trener prowadził blok, było bardzo ok. W momencie kiedy w bloku zmieniali się często prowadzący – bywało różnie. Nawet jakość połączenia czasem przeszkadzała (słabej jakości mikrofon itp.).
Wolałabyś uczyć się na sali szkoleniowej?
Nie ukrywam, że uczestniczenie w kursie online jest wygodne, ale z perspektywy czasu myślę, że bym się nauczyła więcej i szybciej będąc na sali szkoleniowej.
Jak wyglądała praca w grupie i współpraca z trenerami?
Umieliśmy sobie dobrze zorganizować pracę w grupie. Współpraca z trenerami też była ok – trenerzy byli pomocni, cierpliwi i wyrozumiali.
Opowiesz na czym polegał projekt, nad którym pracowałaś na kursie?
Z moją grupą napisaliśmy apkę, dzięki której mogliśmy rozpoznawać gesty języka migowego prezentowane do kamery i tłumaczyć je na litery.
Co z Twojej perspektywy jest najważniejsze w trakcie nauki? Jak to robić najefektywniej?
Na pewno uważać na zajęciach, robić ćwiczenia podczas zajęć. Jeśli coś będzie niezrozumiałe – powtórzyć materiał, również z nagranymi zajęciami. Wybrać sobie wieczór/ dzień na robienie zadań domowych i starać się być na bieżąco z materiałem.
Jak wyglądał proces szukania pracy po zakończeniu kursu?
Aplikowałam na ogłoszenia, które znajdowałam na LinkedIn, pracuj.pl
Kiedy znalazłaś pierwszą pracę?
Pracę znalazłam na początku lutego i w połowie lutego już zaczęłam pracę jako Analityk IT.
Gdzie teraz pracujesz i na czym polega Twoja praca jako Analityk IT?
Pracuję w DahliaMatic. Nie jest to do końca praca związana z Data Science, ale mam kontakt z SQL i programowaniem, choć tym razem jest to Javascript. Do moich obowiązków należą: analiza wymagań klienta, specyfikowanie procesów biznesowych w notacji BPMN, specyfikowanie interfejsów zgodnie z narzędziem wykorzystywanym do obiegu dokumentów, implementacja / parametryzacja rozwiązań w wykorzystywanym narzędziu, testowanie i wsparcie aplikacji.
Lubisz to co robisz?
Mimo, że nie jest to praca w pełni związana z analizą danych, to do biura przychodzę chętnie, więc myślę, że faktycznie lubię to, co robię.
Jak wyglądają dalsze plany co do rozwoju zawodowego?
Jak na razie jestem zadowolona z mojej pracy. Myślę, że dalej się będę rozwijać w Data Science we własnym zakresie. Chciałabym mieć szerokie kompetencje.
Jak z perspektywy czasu oceniasz decyzję o przebranżowieniu? Czy zrobiłabyś coś inaczej?
Myślę, że mogłam zacząć wcześniej się do tego przygotowywać.
W jaki sposób mogłabyś się wcześniej przygotować?
Mam braki w matematyce niestety, więc mogłam się bardziej na tym przed kursem skupić.
Jakie rady mogłabyś dać świeżo upieczonym programistom?
Uczcie się matematyki, praktykujcie programowanie często i w skupieniu, nie zapominajcie o dalszym rozwoju.
Dziękuję za rozmowę.
Rozmawiała: Magdalena Walasek
Data Science
Dane stały się prawdziwym skarbem XXI wieku. Dzięki analizie danych bank określa ryzyko kredytowe, a producent soków sprawia, że produkowany przez niego sok z owoców zebranych z różnych zakątków świata będzie miał zawsze taki sam smak. Facebook na danych o swoich użytkownikach zarabia co roku miliardy dolarów. Coraz większa liczba firm odkrywa korzyści, jakie płyną ze zbierania i obrabiania danych. Mocniejsze i tańsze komputery sprawiają, że Data Science jest dostępna dla coraz mniejszych firm, co przekłada się na wzrost zapotrzebowania na specjalistów od danych.
Dla kogo? To idealna ścieżka dla ludzi, którzy lubią rozumieć, jakie procesy rządzą dzisiejszym światem i chcą mieć na nie wpływ. Data Scientist to hybryda hackerów danych, analityków, osób o wysokich kompetencjach komunikacyjnych oraz zaufanych doradców. To połączenie potężne – i rzadko spotykane. To także świetny punkt wyjścia do rozwoju w innych dziedzinach.
👉 Weekendowy bootcamp Data Science (przebranżowienie)
👉 Wieczorowy kurs Machine Learning (nauka podstaw)
👉 Kurs analiza danych w Pythonie (dla pracujących z danymi)
Przeczytaj: Data Science – pasjonująca branża z wysokim zarobkami >>
