Як PhD у Франції привів до сумнівів

Привіт! Я Марта, мені 29. Я завжди була інтроверткою, яка шукає сенси. У школі я обожнювала математику: не за формули, а за можливість знаходити структуру в хаосі. Мій кумир — Маріам Мірзахані, перша жінка, яка отримала медаль Філдса. Я вирішила: я також хочу показати, що дівчина може бути сильною в логіці, в аналізі, в точності.
Я закінчила університет зі спеціальністю «математика», а пізніше поїхала у Францію на PhD. Ще під час навчання в університеті я свідомо вивчала французьку — мені було цікаво відкривати інші культури, і я мріяла коли-небудь спробувати себе за кордоном. Це рішення стало дуже вдалим: у Франції програма навчання була французькою, і мій рівень мови дозволив мені швидко адаптуватися.
Але в якийсь момент усвідомила: теоретичні дослідження мене не наповнюють. Мені хочеться розуміти, що моя робота впливає на реальність. Я пам’ятаю, як мій друг після захисту PhD сказав, що його статтю прочитає максимум десятеро людей. Я тоді задумалась: а чи не хочу я, щоб моя робота приносила користь тисячам — прямо зараз? І тоді я почала цікавитися даними.

Перший проєкт, що дав енергію

Все змінилось, коли я вперше спробувала побудувати модель прогнозу продажів на основі відкритих даних — і вибрала тему, яка мені справді близька. Я пройшла безкоштовний курс із машинного навчання й створила pet-проєкт: передбачення попиту на книги в онлайн-магазині.
Я обрала саме книги, бо ще з дитинства обожнюю читати — і мені було цікаво перевірити, чи можна передбачити, які жанри продаватимуться найкраще. Мене захопив сам процес — від очищення даних до перших візуалізацій і точності моделі. Це було як розв’язувати задачі з математики — тільки на реальних прикладах. Я відчула, що знайшла своє середовище.

Страх коду і пошук підтримки

На початку було важко. Я не мала досвіду програмування, боялась коду й не розуміла, з чого почати. Я не знала, що таке pandas, не розуміла різницю між supervised і unsupervised learning. Часто зупинялась на рівні «теорія зрозуміла, а як реалізувати — ні». Було самотньо — у моєму оточенні ніхто не вчив Data Science.
Я почала шукати спільноти, приєдналась до кількох Slack-каналів, іноді просто ставила запитання на Stack Overflow, навіть якщо боялась виглядати наївною. Але я не здалась.
Я занурилась у курси, читала книги, практикувалась. Я зробила помилки. Багато. Але з кожною новою візуалізацією, з кожним простим прогнозом, з кожним рядком коду — я набиралась впевненості. І поступово з’явився мій перший проєкт, який я не соромилась додати в портфоліо.

Тестове, яке підтвердило, що я — в темі

Я подалась на першу аналітичну роль. У тестовому завданні треба було дослідити набір даних про онлайн-курси й зробити рекомендації для покращення платформи. Я все зробила вручну — в Jupyter Notebook, із графіками, поясненнями, гіпотезами.
Через два дні мені написали: “Ваше рішення — одне з найчіткіших. Ви побудували грамотні візуалізації, а структура пояснень дуже логічна. Давайте поговоримо.”
Я не отримала ту роботу — але це було не головне. Я зрозуміла, що вже всередині. Що я Data Scientist, бо вже вмію не просто читати теорію — а бачити сенс за числами.