Глеб Важенин

Своей историей поделился Важенин Глеб, выпускник 2019 года кафедры Прикладной математики (№31). Глеб рассказал, как простой парень из Череповца, имея большую силу воли и амбиции, может стать руководителем направления анализа данных и машинного обучения в крупнейшем банке России.

Привет, можешь, пожалуйста, рассказать о себе? Кто ты и где учился?

В.Г.: Я приехал в Москву из промышленного города Вологодской области - Череповца. В школе отличником не был, любил физику, не любил математику. В момент первой встречи с МИФИ я сразу понял, что моё место тут. Меня очень тепло встретили ребята, работавшие в приёмной комиссии в тот год.

Я начал обучение в МИФИ на факультете "Ф", 13 кафедра. (Теплофизика, сейчас ИЯФиТ). Со второго семестра я стал получать повышенную стипендию за общественную деятельность в вузе.

Как ты учился? Сложно ли было? Почему ты перевелся?

В.Г.: На момент моего поступления у меня был самый низкий балл ЕГЭ в группе, что очень мотивировало меня, т.к мои одногруппники действительно имели более сильную подготовку. Первые два семестра я не видел ничего, кроме учебы, мне нужно было не вылететь (а еще была цель перевестись на бюджет). Я всегда упорно работал и добивался своей цели. Первый семестр я всё ещё отставал от своих одногруппников, и сейчас понимаю, что преподаватели на первой сессии оценивали меня не столько за знания, сколько за усердие.

В начале второго курса у меня возникли серьёзные финансовые проблемы, в связи с чем я начал искать варианты заработка. На своём примере я считаю, что работать и учиться можно. Отсутствие свободного времени сильно дисциплинирует, и работа благотворно сказывается на учебе. Достаточно быстро я понял, что у меня есть порядка 20 часов в неделю, которые я могу посвятить постоянной работе, и меня пригласили в стартап заниматься машинным обучением (на самом деле меня вдохновила пойти в IT одна очень умная девочка, которая училась на тот момент на 31 кафедре).

Отработав в стартапе семестр, я понял, что математика и машинное обучение - это то, чем я хочу заниматься, и захотел перевестись с физики на что-нибудь более близкое к математике. То есть я подобрал не работу по специальности, а наоборот :). Под влиянием старшего брата, а также ребят, которые учились в тот момент на "Т" факультете, я решил переводиться на 31 кафедру (Прикладная математика). Когда появилось бюджетное место, меня перевели.

Третий курс я начинал на 31 кафедре, что называется, с чистого листа. Я не знал ни ребят, ни преподавателей, ни состав кафедры. На тот момент я уже получал порядка 50 тыс. рублей в стартапе, уделяя работе довольно много времени. Пятый семестр был самым сложным для меня, учебы было очень много, преподаватели жесткие, на халяву рассчитывать не приходилось. Но я продолжал учебу, хоть и хотелось в то же время не потерять работу и продолжать развиваться в индустрии машинного обучения. Режим дня в то время был очень напряженный, без выходных!

К счастью, удалось сохранить и работу, и даже повышенную стипендию. К тому же я привык к такому графику, понял, где нужно поднапрячься, а где можно расслабиться, и уже спокойно доучивался. Последний курс провел в роли старшего консультанта в центре компетенции по прикладному анализу данных PwC, даже успевал фрилансить.

Можешь рассказать про свой диплом? С чем он был связан?

В.Г.: В конце второго курса Павел Рябов (зам. зав. кафедры) предложил мне сделать научно-исследовательскую работу совместно с Институтом Нейрохирургии им. Н.Н. Бурденко под руководством Александры Далечиной. Этот проект вылился в мой диплом, его тема: "Использование методов машинного обучения для прогнозирования выживаемости пациентов с метастатическим поражением головного мозга после радиохирургического лечения на аппарате "Гамма Нож". Другими словами, мы прогнозировали выживаемость пациентов в зависимости от множества факторов для того, чтобы более персонализировано подбирать лечебные опции. Это была по-настоящему уникальная возможность совместить индустрию машинного обучения с нейрохирургией, мы первые в России попробовали такой метод прогнозирования и получили неплохие результаты. За два года работы мы выступали на различных конференциях, а также написали множество научных работ, которые попали в российские и международные журналы. Работа в этом направлении до сих пор ведётся, у студентов третьего курса есть возможность в этом поучаствовать :).

Кем ты работаешь на данный момент?

В.Г.: На данный момент я Руководитель направления анализа данных и машинного обучения в Сбербанке (подразделение SberНадежность). Параллельно я преподаю анализ данных в Высшей школе экономики на направлениях "Прикладной анализ данных" и "Прикладная математика и информатика" (меня пригласили после выступления от PwC на большой технической конференции).

Расскажи про дальнейшие планы.

В.Г.: Я поступил в Northeastern, университет в Бостоне, однако пандемия и хорошая должность в Сбербанке немного изменила мои планы. Однако я очень хочу получить опыт работы в США, поэтому свою мечту не оставляю, веду работу в этом направлении.

Кем ты видел себя пару лет назад? Что изменилось за это время?

В.Г.: Я отчетливо стал понимать, чем я хочу заниматься, к концу второго курса, и далее просто формировал необходимые для себя условия развития. С этого момента ничего не изменилось - меня всё также зажигает анализ данных и машинное обучение. Эта сфера очень динамична, не успеваешь заскучать, постоянно какие-нибудь новые спецэффекты :)

Как повлиял на тебя университет и кафедра?

В.Г.: На мой взгляд, университет — это в первую очередь люди. Именно окружение мотивирует тебя, заставляется ставить цели и двигаться к ним. Я очень благодарен судьбе, что мне довелось учиться именно в МИФИ, здесь лучшие студенты и преподавательский состав.

Благодаря кафедре, я получил невероятный опыт работы в индустрии, он до сих пор очень высоко ценится работодателями. Например, на собеседованиях с интересом слушают про прогнозирование выживаемости пациентов с метастазами (а ведь это моя дипломная работа!). Кафедра помогла получить те знания, что мне были необходимы для успешного продвижения в индустрии машинного обучения, так как это в первую очередь математика.