124 Системний аналіз

«Системний аналіз» — спеціальність для тих, хто хоче навчитися бачити математику в навколишньому світі та розв’язувати будь-які задачі методами цієї науки.

Від викладачів на Днях відкритих дверей можна дізнатися, що системний аналіз — це сукупність методів, які ґрунтуються на використанні ЕОМ і орієнтовані на дослідження складних систем (технічних, економічних, екологічних).

Спробуємо простіше.

Мета системного аналізу — розв'язання будь-якої проблеми максимально вигідним шляхом. У його основі лежить комплекс загальнонаукових, експериментальних, природничо-наукових, статистичних та математичних методів. Хто ж такий системний аналітик?

Це спеціаліст, який здатен розробити проєкт для розв'язання поставленої задачі незалежно від сфери діяльності: від аналізу фондових ринків та ризиків на біржі до оцінки стану здоров’я людини по відео. В ІПСА приділяється значна увага вивченню необхідних для цього наук. Освітня програма спрямована на поглиблене вивчення різноманітних математичних дисциплін: математичний аналіз, лінійна алгебра та аналітична геометрія, дискретна математика, теорія ймовірностей та статистика. Звісно, програмування теж є: від «Hello, world!» до роботи з базами даних та нейронними мережами. На старших курсах ти можеш обрати предмети відповідно до напряму, в якому хочеш надалі працювати: машинне навчання, аналіз економічних даних, веборієнтована розробка тощо.

Questions & answers:

Наскільки актуальні знання дає спеціальність?

Математичні дисципліни. Знання з фундаментальних дисциплін, як-от математичний аналіз чи лінійна алгебра, є актуальними, оскільки на потрібному для застосування рівні не надто змінилися за останні 50-100 років. Більш сучасні предмети на зразок теорії ігор чи статистики викладачі адаптують під сьогодення, знайомлять з новітніми досягненнями цих наук.

Програмування. На першому курсі вивчаються базові теми, які є певною підготовкою до більш спеціалізованих дисциплін. На старших курсах можна обирати для вивчення предмети в цікавому для тебе напрямку. Викладачі підтримують актуальність свого матеріалу незалежно від напряму: пропонують для вивчення сучасні алгоритми та теоретичне підґрунтя для їх застосування.

Чи складно вчитися?

Складно, оскільки для освоєння математики першого курсу потрібно докладати багато зусиль та витрачати багато часу. Доведеться старатися для того, щоб розібратися в матеріалі.

Чи є студенти, що йдуть зі спеціальності? Чому вони це роблять?

Такі випадки часом трапляються. Відбувається це, наприклад, тому, що деякі студенти в певний момент розуміють, що хочуть реалізувати себе в іншій сфері, або якщо з самого початку вони не були мотивовані та не приділяли навчанню достатньо часу.

Чи обов'язково навчатися в університеті, щоб здобути цю спеціальність?

Університет розширює твої можливості. Тут інформація подається структуровано, що допомагає навчатися більш ефективно, особливо це стосується математичних дисциплін.

Ким ти станеш, закінчивши спеціальність?

Системні аналітики, які вчилися в нашому інституті, працюють не лише в українських компаніях, а й у закордонних корпораціях.

Основні дві сфери роботи випускників — ІТ та аналітика. Ось найпоширеніші професії:

• Software developer — розробник програмного забезпечення.
• Machine learning engineer — фахівець з машинного навчання, що займається створенням штучних нейронних мереж, які здатні розпізнавати зображення, аналізувати тексти, розуміти мову людини.
• Data scientist — спеціаліст, що вивчає проблеми аналізу, обробки та представлення різноманітних даних у цифровій формі.
• Project manager — фахівець, головним завданням якого є управління проєктами: розставлення пріоритетів, планування виконання завдань, контроль, комунікації, а також оперативне розв'язання проблем.
• Business analyst — людина, яка виявляє проблеми бізнесу замовника та знаходить їх вирішення.
• Big data engineer — спеціаліст, що працює з великими наборами інформації, для яких необхідно застосовувати спеціальні методи обробки та аналізу.

Системний аналіз — спосіб розвитку мозку та шлях до самовдосконалення. В ІПСА ти отримаєш цінну базу та величезні можливості для успішної кар'єри — системне мислення і ґрунтовна підготовка дозволять працювати в будь-якому напрямі IT-сфери. Головне — чітко визначити мету та працювати для її досягнення.

Student feedback

Кому порадиш цю спеціальність?

Тим, хто готовий самостійно багато працювати над освоєнням спеціальності, але хоче отримати непогану базу.

Людям, які не вирішили чим конкретно вони хочуть займатися, але впевнені, що щось пов'язане з ІТ. Спеціальність надає прекрасну математичну базу, теоретичне забезпечення для подальшого розвитку у сфері, яка вам цікава. Але не розраховуйте, що дійсно будете працювати системним аналітиком. Якщо роботодавці і публікують оголошення на таку позицію, то мають на увазі зовсім не те, чому нас навчають.

Тим, хто хоче себе розвивати в Data Science та системному аналізі. Через достатньо сильну як математичну базу, так і навички програмування, обробки даних, запросто можна влаштуватися аналітиком даних, розробником, тестувальником, тобто на ту роботу, яку твоя мама називає «айтішною».

Студенти також відмічають напружений темп навчання (в особливості перші два роки), значення самостійної праці та старанності в опануванні як університетських дисциплін , так і обраної сфери для майбутньої кар'єри, та попереджають про ненайкращу якість деяких предметів, пов'язаних із застосуванням отриманих математичних знань.

Як ІПСА повпливав на пошук / вибір першої роботи?

Майже ніяк... Всі знання з ML отримав з онлайн-курсів. Звісно, ІПСА варто подякувати за нормальні знання з теорії ймовірностей, статистики, оптимізації, лінійної алгебри і матана, але важко сказати, чи можна було б обійтись без такої кількості матеріалу.

Допомогли курси АСД, КМ, ТіК. За роки навчання зрозумів що мені більше подобається створювати складні системи аніж їх «аналізувати».

Статус «студента ІПСА» посприяв працевлаштуванню перед іншими джунами.

ІПСА допоміг визначитись з напрямком, дав фундамент, з яким легше заглиблюватись в професію. Саме ІПСА в резюмешці — не принципово, але такий невеликий плюсик до першого враження.

Часто важливим фактором також називали комунікацію з людьми, як от: порада курсів від одногрупника, знайомство з засновниками компанії, використання попереднього досвіду інших чи просто корисна реклама. Близько 26 % респондентів не відмічають впливу інституту на працевлаштування.

Ким працюють ІПСАшники?

Analyst (Business / Data / System / BI / Product Analyst)

Детальніше про посаду

Middle BA
Обов'язки: збір вимог, спілкування зі стейкхолдерами, аналіз конкурентів тощо.

System Analyst
Працюємо по Scrum, в мої обов'язки входить отримання задачі від PO та пошук рішення як бізнесового (дотримання бізнес-вимог, продумання UX), так і системного (які сервіси використати, написати нові АПІ / використати існуючі, обробка даних в БД), написання задач розробникам, документація вимог.

Analyst
Консолидация данных из разных источников, анализ качества данных, анализ бизнес процессов на основании отчетов, оптимизация/улучшение этих бизнес процессов и отчётности по ним, частично разработка новых отчетов (техническая реализация).

Data Scientist (Data / Big Data / ML / Computer Vision Engineer, Data Scientist)

Детальніше про посаду

Data Scientist
В обов'язки входить збір даних, EDA, preprocessing, написання моделей, написання обгорток, презентації моделей на всіх рівнях, введення своїх моделей та перенавчання.

Data Scientist
Пайплайни трансформації даних, missing data problems, пошук відповідностей в датасетах як з табличними фічами, так і з ембеддінгам (в т.ч. і комп. віжн моделей). Підготовка і викат алгоритмів і моделей в продакшн.

Machine Learning Engineer
Дослідження, побудова на основі цих досліджень POC, Побудова системи для захисту від атак у соц мережах, емейлі, корпоративних каналах (slack, Microsoft teams), дата майнінг, очистка даних, імплементація системи / моделей, перетренування моделей на нових даних.

Machine Learning Engineer
Аналіз трафіку на фрод, оптимізація певних параметрів.

Senior DL / Lead в Respeecher Робимо Voice Conversion повністю на нейронках. Обов'язки: розробляти, покращувати нейронки, адаптувати їх для роботи на Проді; трохи менеджити роботу команди.

Як і де застосовувався вивчений матеріал із математичних дисциплін?

Побудова розподілів, вибір найбільш релевантних факторів для прийняття рішень моделі, взяття підвибірки з даних зберігаючі параметри розподілів, пошук ваг на основі статистики та оптимізації, робота з різними нормами для порівняння відстані між різними векторами.

Не застосовувався) З того що вивчається в ІПСА, менше 2% відстотків якось застосовується в індустрії. І те, це якісь речі, без яких скоріш за все можна жити, і оперувати ними як блек-боксом. З іншого боку, коли тобі читають хардкорну матешу — базові речі усвідомлюються самі собою, тому математичні аспекти науки про дані ніяких труднощей вже не викликають.

Теорія керування — БАЗА DSP (Digital Signal Processing). МАТАН і всі *АНИ (включаючи ФУНКАН), Лінійка, а також Теор Вер, Мат Стат, Теор Оптимізації — БАЗА і не тільки для DL. Дискретка + Прога (в тому числі запарний C/C++) — програмування, як основний інструмент. Насправді, 90% технічних предметів так чи інакше були в нагоді. Навіть якісь дивні предмети пізніше повилазили в певних задачах. ПРОТЕ СІСАН (як мінімум в тому вигляді, в якому він в нас є) *автор не відмічає особливої важливості предмету —примітка редактора*.

Цікаві запитання з інтерв'ю

• Яка найбільша невдача на попередній роботі?
• Як пояснити дитині Principal Component Analysts?
• Чому метод найменших квадратів мінімізує саме таку норму?
• Які умови розв‘язку лінійних рівнянь?
• Які є умови стаціонарності випадкового процесу?
• Який метод використовується для пошуку параметрів в ARMA?
• Який тип збіжності використовується в законі великих чисел?
• Довірчі інтервали та задачі теорії ймовірностей з монеткою)

Back-End Developer

Детальніше про посаду

Стек: Java, Kotlin, Spring, Mongo, Akka, Project Reactor, NATS, Kafka
Розробка АПІ для роботи та налаштування девайсів IoT системи, суперечки з embedded розробниками :), розробка usability фічей для роботи з системою, робота з бінарними протоколами передачі даних на TCP/IP.

Стек: Java, Spring, Quarkus
Розробка бекенд ПО для ОSS, BSS систем. Конкретно мій відділ займається кеш-мікросервісом для продукту (зберігання, модифікація даних та видача іншим мікросервісам по запиту).

Замітки ветеранів

Рецензії написані випускником та студентом четвертого курсу 124 спеціальності. У відгуках збережена автентична лексика, тому вони можуть сприйматися суб'єктивними та не зовсім делікатними. Читайте на свій страх і ризик...

ІПСА — неймовірно сильний старт для AI / ML (мабуть ІПСА, ФІОТ, ФТІ, ПМ, УКУ (тут під питанням) — породжують «реальних» спеціалістів в цій сфері, які відчувають і хочуть відчувати чому, як, коли працює модель, а коли — ні. Тому що 90% інших «спеців» в цій сфері щось тренують, а що — не зрозуміло, з досвіду інтрев'ю, які проводив сам). Проте важливо зрозуміти, що ти реально хочеш робити. Якщо Інженерія / Research — твій вибір, то вчи КОЖЕН предмет (крім СІСАНа).
А щодо рівня освіти, звичайно мало сучасної практики. Не знайдеш норм доп курс — буде дуже складно самотужки входити в тему (проте повністю реально).

Складно сказати, кому насправді потрібна 124 спеціальність. На момент мого буття абітурою (2017-2018) СА виглядала як спеціальність з купою сильної математики і «якимось» програмуванням. Насправді ж виявилося, що сильна математика дається досить вибірково (приклад — програми матана і функана на 1 і 2 потоках в часи мого 1-2 курсу, відсутність деяких математичних дисциплін на 2 потоці тощо), а її застосування мало кому зрозуміло, бо спочатку ти на 2 курсі вивчаєш строго математичну теорії стійкості і гармонічний аналіз (або не вивчаєш, якщо ти в 3-5 групах), а потім приходиш на 3 курсі на теорію керування (між іншим, це те саме «управління» в назві САУ), а там використовують теми з цих дисциплін, але в примітивно-тупому вигляді, наче предмет викладають студентам якогось технічного ПТУ. А про предмет, на честь якого названо всю спеціальність, я промовчу — таку шизофренію навіть не хочеться коментувати... :)
Але!
З тих змін, що почались з прибиранням САФРа та введенням вибіркових предметів, є надія, що зі 124 вдасться зліпити щось путнє: нормальну математику нікуди не прибирають, але також з'являються ML-орієнтовані предмети (як-от ІСППР або Reinforcment Learning), на яких видно, куди цю математику можна застосувати. Тому, якщо таке «переформатування» дійсно вдасться, то 124 можна радити тим, хто хоче займатися ML / DS, але при цьому знати математику не на рівні «вишмату» 1 курсу якогось нематематичного факультету.