Как работает оценка качества ML специалиста внутри команды

📌 Заполни анкету прямо сейчас и забронируй место на курс со скидкой 10% Анкета предзаписи: https://vk.cc/cO375f
Курс «База ML»: https://clck.ru/3NKV8t
Курс «ML в бизнесе»: https://clck.ru/3NKVBF
Telegram MLinside: https://t.me/+xPCRRLylQh5lMmI6
Почему тебя не повышают, даже если ты круто кодишь и знаешь ML? Ты можешь знать, что такое градиентный бустинг, ROC-AUC и как деплоить модель в онлайн. Но всё ещё годами сидеть на одном грейде. Почему? Александр Дубейковский — ML-эксперт (3 года в Яндексе), выпускник ШАД и ментор — рассказывает, как на самом деле внутри команд и big tech компаний оценивают ML-специалистов. Что влияет на рост — и что тормозит даже сильных инженеров. В этом видео: • 6 ключевых критериев оценки ML-инженеров: от soft skills до прод-результатов • Почему просто улучшать метрики — недостаточно • Как понять, что ты вырос, если тебе не дают нового грейда • Почему путь через «собес и новый оффер» бывает быстрее • Как сделать так, чтобы рост был не только по факту, но и в должности Подходит тем, кто: • уже работает в ML и хочет расти • не понимает, почему коллег повышают, а его нет • хочет перейти с junior или middle на следующий уровень • думает, как выстроить карьеру и не выгореть через полгода Это часть серии MLinside — без мотивационного шума и иллюзий. Только честно, как всё работает внутри команд. Если хочешь разобраться, как перейти на следующий грейд и наконец-то получать больше — смотри до конца. Таймкоды: 00:00 – Вступление и проблема оценки ML-инженеров 02:16 – Критерий №1: автономность и менеджерство 04:27 – Критерий №2: экспертиза в ML и Data Science 09:08 – Критерий №3: культура разработки и код 11:42 – Критерий №4: ориентация на бизнес и метрики 12:54 – Критерий №5: коммуникация и софтскилы 15:26 – Критерий №6: развитие себя и обучение других