Женский взгляд в IT: как работают сотрудницы ВКонтакте над проектами соцсети
Женский взгляд в IT: как работают сотрудницы ВКонтакте над проектами соцсети

Женский взгляд в IT: как работают сотрудницы ВКонтакте над проектами соцсети

8 марта, 20247 минут на чтение

Многие уверены, что программирование — это история преимущественно для парней, однако последние годы этот стереотип рушится. В IT всё чаще можно встретить девушек.

«Код Дурова» пообщался с программистами-разработчиками ВКонтакте — Элеонорой Пословской и Дарьей Дятловой. Мы узнали, как они пришли в IT и что делают для соцсети, поговорили о важности машинного обучения и о том, почему ИИ в первую очередь заменяет творческие профессии.

Наша первая героиня с детства была очарована компьютерами: в школе активно проявляла себя на уроках информатики, а также программировала на олимпиадах и «для себя». Тогда же проявилась и страсть к естественным наукам, в том числе к математике. В результате у Элеоноры появилась мечта — стать специалистом по Data Science:

Мечтать о работе ВКонтакте я начала не сразу. Меня привлекли большими данными и котиками — мне очень нравился рыжий кот Персик, маскот платформы. Теперь у меня есть его плюшевая игрушка,а также классная команда датасаентистов, ура!

Путь к сегодняшней профессии у Дарьи формировался долго и трансформировался в процессе осознания области. Изначально интересовалась аналитикой, так как ей хотелось быть ближе к бизнесу и помогать принимать решения, основываясь на больших данных.

Позже Дарья ознакомилась с исследованиями в области машинного (machine learning, ML, — прим. ред) и глубокого обучения:

ML в какой-то момент стал интересен не как инструмент, с помощью которого мы что-то создаём для бизнеса, а как предметная область.

Образование

Элеонора училась в СПбГУ на прикладной математике и информатике, параллельно поступив в Computer Science Center на направления Data Science и Software Engineering. Универ дал ей хорошую теоретическую базу по любой математике, но для лучшего понимания программирования и современных методов анализа данных ей приходилось много чего изучать на курсах:

Во время учёбы для меня стало открытием, насколько важна конкуренция при обучении чему-либо. На занятиях по ML мы часто сдавали домашние задания в формате соревнований по улучшению качества своих моделей.

В месте, где бы я остановилась, приняв первый результат за приемлемый, конкуренция подстёгивала думать, искать и совершенствовать решения. Поэтому участие в разных олимпиадах, хакатонах, Data Science-соревнованиях — это не только для опытных специалистов, а must have для всех.

В бакалавриате Дарья училась на HR, но уже на старших курсах начала интересоваться большими данными и готовиться к поступлению в магистратуру по машинному обучению в питерский НИУ ВШЭ:

Все курсы в магистратуре были полезными — математическая статистика, алгоритмы, методы оптимизации и глубокое обучение. Еще у нас была возможность посещать некоторые курсы CSC и ШАДа чему я была очень рада. В ШАДе, например, я слушала курс по ML в звуке, так как очень хотела работать с аудио.

Но самое важное, что дала мне магистратура, — комьюнити. Мы помогали и помогаем друг другу до сих пор, со многими работаем в одной компании и даже в одной команде. Это большие профессионалы и очень добрые ребята.

Работа ВКонтакте

К середине последнего года обучения Элеонора приняла от экс-преподавателя предложение пройти собеседование на вакансию аналитика. Интервьюеры впечатлились навыками, но решили, что для позиции их недостаточно. Тогда Элеонора успешно сдала тестовое задание на позицию младшего специалиста по Data Science: она работает ВКонтакте уже чуть более 3-х лет:

Сейчас работаю в отделе рекомендаций сообществ, где отвечаю за развитие этого направления. Мы занимаемся не только рекомендациями, но и любым ML вокруг сообществ, их контента, аудитории и, конечно, поддержкой аналитики и данных о сообществах.

Я занимаюсь улучшением алгоритмов рекомендаций и аналитикой, но больше всего люблю продумывать, реализовывать и оптимизировать архитектуры наших рекомендательных систем.

Элеонора также принимает участие в хакатонах или внутренних конференциях. Например, недавно она рассказывала, как её команда участвовала в редизайне каталога сообществ. Она вспоминает, что тогда самым трудным было сделать доклад интересным для всех.

Дарья начинала путь ВКонтакте со стажировки в команде прикладных исследований — там она ставила эксперименты по синтезу речи с эмоциями. В команду, которая занимается R&D-задачами в области обработки текста, звука и изображений при помощи ML, её взяли на позицию джуна:

Я продолжила свои эксперименты с синтезом, в результате которых спустя год удалось написать научную статью. Её приняли на воркшоп, и я ездила презентовать свою работу во Францию. Сейчас я мидл в той же команде и занимаюсь research-задачами: изучаю статьи по ML в звуке, придумываю, как можно их улучшить, пишу код, ставлю эксперименты.

По её мнению, главная польза от машинного обучения сегодня заключается в том, что оно даёт возможность автоматизировать большую часть рутинных задач и помогает человеку справляться с ними быстрее и точнее:

Человечеству следует адаптироваться к технологиям, которые помогут быть эффективнее, чтобы оставаться конкурентоспособным.

Исследования в ML. Зачем они компаниям?

Чтобы создавать конкурентоспособные решения бизнесу, необходимо уметь применять технологии, которые меняют рынок, считает Дарья. И ML — одна из таких технологий:

Люди, которые занимаются исследованиями – глубоко разбираются в своей предметной области и несут свою экспертизу внутрь компании. Развивая и поддерживая исследовательский отдел, компания получает специалистов в ML, которые передают лучшие наработки в своей области продуктовым командам, тем самым уменьшая time to market и улучшая продукт.

Дарья уверена, что исследования — это также хорошая история для HR-бренда, потому что все IT-специалисты сегодня хотят работать с хайповыми моделями и людьми, которые в них разбираются, «а исследования как раз про это».

В сфере ML новые решения быстро приходят на смену старым, но жизнь ML-разработчика скорее становится проще, подчёркивает Дарья. За него постоянно придумывают и обучают модели, работающие ещё быстрее и лучше, поэтому «всегда есть пространство для манёвра — что можно адаптировать под свои нужды и где посмотреть код»:

С исследованиями чуть сложнее: с одной стороны, много информации и примеров, как и что улучшить. С другой, пока ставишь эксперименты, может выйти статья, в которой делают то же, поэтому нужно постоянно следить за свежими работами, быстро ставить эксперименты и проверять гипотезы.

Прогресс ИИ — не без нюансов

Кажется, что популярные ИИ-модели сегодня в первую очередь заменяют творческие профессии, а не тяжёлый труд человека — как в мечтах о прогрессе и фантастических рассказах. Элеонора предполагает, что есть два объяснения этому явлению: доступность данных для обучения и то, что многие наши идеи на самом деле не так оригинальны, как нам хотелось бы:

Для использования большинства фреймворков обучения нейросетей необходимо представить данные — входные сигналы — в цифровом формате. Для текста, изображений, звука и видео это не составляет большого труда, ведь мы ежедневно наслаждаемся подобным контентом в интернете.

Результат работы модели также декодируется в подобный формат без проблем, что позволяет одной нейросети без устали сохранять на диск тонны оригинальных картинок с котиками — лишь бы хватило ресурсов. А для работы с реальностью уже необходим манипулятор, часто уникальный под каждую задачу.

Творчество человека зачастую базируется на переосмыслении и сочетании уже существующих идей, техник и стилей, однако ИИ способен выполнять подобные задачи, комбинируя различные элементы из набора данных, считает Элеонора:

Современные алгоритмы могут обнаруживать сложные взаимосвязи и создавать новизну, анализируя и комбинируя готовые примеры. Это позволяет ИИ генерировать оригинальные работы, которые могут восприниматься как творческие. Нейросеть может предложить вам что-то новое и оригинальное, но пока не способна оценить причинно-следственные связи. Поэтому к результатам её работы стоит относиться критически.

Команда, стресс и отдых

У Дарьи в команде больше мальчиков, нежели девушек, но ей «суперкомфортно» и вайб ребят совпадает. По наблюдениям Элеоноры, девушки чаще откликаются на вакансии, связанные не с Data Science, а с аналитикой, где как раз меньше парней:

У нас же прогрессивный и здравомыслящий коллектив, так что я не встречала каких-то предрассудков или неодобрения по поводу себя, только тихое восхищение. В работе откликается желание заботиться о коллегах и по возможности помогать с решением их проблем, отчего ко мне любят направлять ребят на менторство 😊.

Элеоноре бывает непросто при погружении во множество разных контекстов, например, когда несколько коллег одновременно приходят с вопросами и уточнениями:

Я думаю, что лучше не допускать многозадачности, иначе растёт риск начать путаться, тратить время на воспоминания, отвлекаться. В таких ситуациях могут помочь уточняющие вопросы: что именно нужно, как скоро и точно ли нужен ответ именно от тебя.

А вот Дарья иногда тревожится. Она понимает, что область ML развивается очень быстро, поэтому старается постоянно учиться чему-то новому:

Успокаивают только результаты, которыми можно гордиться. На пути помогает привычка к планированию и подтверждение профессионализма от коллег. А вообще стресс — двигатель прогресса, если его в меру!

В нерабочее время Дарья предпочитает играть в большой теннис. По её словам, он требует всё внимание: «и, кроме мяча, уже ни о чём не думаешь». Элеонора любит как настольные, так и компьютерные игры: для общения играет с друзьями, например, в битву боевых магов, а воскресный вечер может провести с любимой стратегией или симулятором.

"Это я строю систему добычи электричества и кислорода в Oxygen Not Included"
Ещё иногда на меня накатывают волны креативности, и я пишу какие-нибудь интересные посты у себя на странице или в своих уютных сообществах ВКонтакте, стараясь не скатываться в повседневщину 😊.

Рекомендации девушкам, начинающим свой путь в IT

Вдумчиво выбирайте то, что планируете изучать. Сейчас объём доступной для изучения информации настолько огромен и разнообразен, что есть возможность выбирать лучшее из лучшего, при этом абсолютно бесплатно. Я бы посоветовала найти себе кого-нибудь в роли наставника или вписаться в профильный чат: очень важно получать ответы на свои вопросы и оценку усилий, — Элеонора Пословская.

Не забывайте, что карьера — это важная составляющая вашей жизни, но вы больше, чем программист, и это не делает вас слабым специалистом, — Дарья Дятлова.
8 марта, 2024

Сейчас читают

Картина дня

Свежие материалы

Свежие материалы