डेटा सायन्स तुम्हाला जाहिरातींची विक्री कशी करते? युनिटी इंजिनिअरची मुलाखत

एका आठवड्यापूर्वी, युनिटी अॅड्समधील डेटा सायंटिस्ट निकिता अलेक्झांड्रोव्ह, आमच्या सोशल नेटवर्क्सवर बोलले होते, जिथे ते रूपांतरण अल्गोरिदम सुधारतात. निकिता आता फिनलंडमध्ये राहते आणि इतर गोष्टींबरोबरच, त्याने देशातील आयटी जीवनाबद्दल सांगितले.

आम्ही तुमच्यासोबत मुलाखतीचा उतारा आणि रेकॉर्डिंग शेअर करतो.

माझे नाव निकिता अलेक्झांड्रोव्ह आहे, मी तातारस्तानमध्ये मोठा झालो आणि तिथल्या शाळेतून पदवी प्राप्त केली आणि गणिताच्या ऑलिम्पियाडमध्ये भाग घेतला. त्यानंतर, त्यांनी हायर स्कूल ऑफ इकॉनॉमिक्समध्ये संगणक विज्ञान विद्याशाखेत प्रवेश केला आणि तेथेच त्यांची पदवी पूर्ण केली. माझ्या 4थ्या वर्षाच्या सुरुवातीला मी एक्सचेंज स्टडीवर गेलो आणि फिनलंडमध्ये एक सेमेस्टर घालवला. मला ते तिथे आवडले, मी आल्टो विद्यापीठात पदव्युत्तर कार्यक्रमात प्रवेश केला, जरी मी तो पूर्णपणे पूर्ण केला नाही - मी सर्व अभ्यासक्रम पूर्ण केले आणि माझा प्रबंध लिहायला सुरुवात केली, परंतु माझी पदवी न घेता युनिटी येथे काम करण्यास निघालो. आता मी युनिटी डेटा सायंटिस्ट येथे काम करतो, विभागाला ऑपरेट सोल्यूशन्स म्हणतात (पूर्वी याला कमाई म्हणतात); माझी टीम थेट जाहिराती वितरीत करते. म्हणजेच, इन-गेम जाहिरात - जेव्हा तुम्ही मोबाइल गेम खेळता तेव्हा दिसते आणि उदाहरणार्थ, अतिरिक्त आयुष्य मिळवण्याची आवश्यकता असते. मी जाहिरात रूपांतरण सुधारण्यासाठी काम करत आहे - म्हणजे, खेळाडूला जाहिरातीवर क्लिक करण्याची अधिक शक्यता बनवते.

कसे हलवले?

प्रथम, मी एक्सचेंज सेमिस्टरचा अभ्यास करण्यासाठी फिनलंडला आलो, त्यानंतर मी रशियाला परतलो आणि माझा डिप्लोमा पूर्ण केला. मग मी Aalto विद्यापीठात मशीन लर्निंग/डेटा सायन्समध्ये मास्टर्स प्रोग्राममध्ये प्रवेश केला. मी एक्सचेंज स्टुडंट असल्याने मला इंग्रजीची परीक्षाही द्यावी लागली नाही; मी ते सहज केले, मला माहित आहे की मी काय करत आहे. मी आता येथे 3 वर्षांपासून राहत आहे.

फिनिश आवश्यक आहे का?

जर तुम्ही येथे बॅचलर पदवीसाठी अभ्यास करणार असाल तर ते आवश्यक आहे. पदवीधरांसाठी इंग्रजीमध्ये फारच कमी कार्यक्रम आहेत; तुम्हाला फिनिश किंवा स्वीडिश आवश्यक आहे - ही दुसरी राज्य भाषा आहे, काही विद्यापीठे स्वीडिशमध्ये शिकवतात. परंतु मास्टर्स आणि पीएचडी प्रोग्राम्समध्ये, बहुतेक प्रोग्राम इंग्रजीमध्ये असतात. जर आपण दैनंदिन संप्रेषण आणि दैनंदिन जीवनाबद्दल बोललो, तर येथे बहुतेक लोक इंग्रजी बोलतात, सुमारे 90%. फिनिश भाषेशिवाय लोक साधारणपणे एका वेळी अनेक वर्षे जगतात (माझा सहकारी 20 वर्षे जगतो).

अर्थात, जर तुम्हाला इथे राहायचे असेल, तर तुम्हाला फॉर्म भरण्याच्या पातळीवर किमान फिन्निश भाषा समजून घेणे आवश्यक आहे - आडनाव, नाव इ.

शिक्षणाची गुणवत्ता रशियन फेडरेशनमधील विद्यापीठांपेक्षा वेगळी आहे का? ते कनिष्ठ उपकरणासाठी सर्व आवश्यक आधार प्रदान करतात?

गुणवत्ता वेगळी आहे. मला असे वाटते की रशियामध्ये ते एकाच वेळी बर्‍याच गोष्टी शिकवण्याचा प्रयत्न करीत आहेत: भिन्न समीकरणे, स्वतंत्र गणित आणि बरेच काही. खरं तर, तुम्हाला अतिरिक्त साहित्य घेणे आवश्यक आहे, एक कोर्सवर्क किंवा प्रबंध म्हणून, स्वत: काहीतरी नवीन शिका, काही अभ्यासक्रम घ्या. येथे मास्टर्स प्रोग्राममध्ये माझ्यासाठी हे सोपे होते; मला काय चालले आहे ते बरेच काही माहित होते. पुन्हा, फिनलंडमध्ये, बॅचलर अद्याप एक विशेषज्ञ नाही; अजूनही अशी विभागणी आहे. आता, जर तुमच्याकडे पदव्युत्तर पदवी असेल, तर तुम्हाला नोकरी मिळू शकते. मी म्हणेन की फिनलंडमधील मास्टर्स प्रोग्राममध्ये सामाजिक कौशल्ये महत्त्वपूर्ण आहेत, त्यात सहभागी होणे, सक्रिय असणे महत्त्वाचे आहे; संशोधन प्रकल्प आहेत. जर तुमच्यासाठी स्वारस्य असलेले संशोधन असेल आणि तुम्हाला अधिक खोलात जायचे असेल तर तुम्ही प्राध्यापकांचे संपर्क मिळवू शकता, या दिशेने काम करू शकता आणि विकसित करू शकता.

म्हणजेच, उत्तर "होय" आहे, परंतु आपण सामाजिकरित्या सक्रिय असणे आवश्यक आहे, ती अस्तित्वात असल्यास प्रत्येक संधीला चिकटून राहणे आवश्यक आहे. माझा एक मित्र व्हॅलीमधील स्टार्टअपमध्ये काम करण्यासाठी गेला होता - विद्यापीठात एक कार्यक्रम आहे जो योग्य स्टार्टअप्स शोधतो आणि मुलाखतीची व्यवस्था करतो. मला वाटते की तो नंतर CERN मध्ये गेला.

फिनलंडमधील कंपनी कर्मचाऱ्यांना कसे प्रेरित करते, त्याचे फायदे काय आहेत?

स्पष्ट (पगार) व्यतिरिक्त, सामाजिक फायदे आहेत. उदाहरणार्थ, पालकांसाठी प्रसूती रजेची रक्कम. आरोग्य विमा, स्टॉक, पर्याय आहेत. सुट्टीचे दिवस असामान्य जमा आहेत. मुळात काही खास नाही.

आमच्या ऑफिसमध्ये सॉना आहे, उदाहरणार्थ.

कूपन देखील आहेत - दुपारच्या जेवणासाठी, सार्वजनिक वाहतुकीसाठी, सांस्कृतिक आणि क्रीडा कार्यक्रमांसाठी (संग्रहालये, क्रीडा) ठराविक रक्कम.

मानवतेचा विद्यार्थी आयटीमध्ये प्रवेश घेण्यासाठी काय सुचवू शकतो?

शालेय अभ्यासक्रमाची पुनरावृत्ती करून एचएसईमध्ये प्रवेश करायचा? प्रोग्रामरची अनेकदा गणितीय पार्श्वभूमी/ऑलिंपियाड असते...

मी अर्थातच तुमचे गणित सुधारण्याचा सल्ला देतो. परंतु शालेय अभ्यासक्रमाची पुनरावृत्ती करणे आवश्यक नाही. अधिक तंतोतंत, आपल्याला काहीही आठवत नसेल तरच त्याची पुनरावृत्ती केली पाहिजे. याशिवाय, तुम्हाला कोणत्या आयटीमध्ये जायचे आहे हे ठरवावे लागेल. फ्रंट-एंड डेव्हलपर होण्यासाठी, तुम्हाला गणित माहित असणे आवश्यक नाही: तुम्हाला फक्त फ्रंट-एंड कोर्सेस घेणे आणि शिकणे आवश्यक आहे. माझ्या मैत्रिणीने नुकतेच Accenture च्या अभ्यासक्रमात प्रवेश घेण्याचे ठरवले, ती सध्या Scala शिकत आहे; ती मानवतावादी नाही, परंतु तिला प्रोग्रामिंगचा अनुभव नव्हता. तुम्हाला काय प्रोग्रॅम करायचा आहे आणि कशावर अवलंबून आहे, तुम्हाला वेगळ्या प्रमाणात गणिताची आवश्यकता आहे. अर्थात, मशिन लर्निंग स्पेशॅलिटीला एक ना एक प्रकारे गणित आवश्यक आहे. परंतु, जर तुम्हाला फक्त प्रयत्न करायचे असतील तर, अनेक भिन्न ट्यूटोरियल आहेत, माहिती उघडली आहे, ठिकाणे आहेत जिथे तुम्ही न्यूरल नेटवर्कसह खेळू शकता किंवा ते स्वतः तयार करू शकता किंवा रेडीमेड डाउनलोड करू शकता, पॅरामीटर्स बदलू शकता आणि ते कसे बदलते ते पहा. हे सर्व प्रेरणा किती मजबूत आहे यावर अवलंबून असते.

जर ते गुप्त नसेल तर - पगार, अनुभव, तुम्ही कशावर लिहाल?

मी Python मध्ये लिहितो - मशीन लर्निंग आणि डेटा सायन्ससाठी ही एक सार्वत्रिक भाषा आहे. अनुभव - विविध अनुभव होते; मी अनेक कंपन्यांमध्ये एक साधा अभियंता होतो, मी मॉस्कोमध्ये अनेक महिने इंटर्नशिपवर होतो. युनिटीपूर्वी पूर्णवेळ नोकरी नव्हती. मी देखील तेथे इंटर्न म्हणून आलो, 9 महिने इंटर्न म्हणून काम केले, नंतर ब्रेक घेतला आणि आता मी एक वर्षापासून काम करत आहे. पगार स्पर्धात्मक आहे, प्रादेशिक सरासरीच्या वर. नवशिक्या तज्ञ 3500 EUR पासून कमावतील; हे कंपनीनुसार बदलते. सर्वसाधारणपणे, 3.5-4 हा प्रारंभिक पगार आहे.

तुम्ही कोणती पुस्तके आणि ट्यूटोरियल शिफारस करता?

मला विशेषतः पुस्तकांमधून शिकायला आवडत नाही - माझ्यासाठी फ्लायवर प्रयत्न करणे महत्वाचे आहे; रेडीमेड काहीतरी डाउनलोड करा आणि ते स्वतः वापरून पहा. मी स्वतःला अधिक प्रयोग करणारा समजतो, त्यामुळे मी पुस्तकांसाठी मदत करू शकत नाही. पण मी येथे काही मुलाखती आणि थेट प्रक्षेपण पाहिले, जिथे दुसरा वक्ता पुस्तकांबद्दल तपशीलवार बोलतो.

विविध ट्यूटोरियल आहेत. तुम्हाला एखादे अल्गोरिदम वापरून पहायचे असल्यास, अल्गोरिदम, पद्धत, पद्धती वर्गांचे नाव घ्या आणि ते शोधामध्ये प्रविष्ट करा. पहिली लिंक म्हणून जी काही येईल, मग बघा.

ते किती काळ स्वच्छ राहते?

करानंतर - तुम्हाला कर अधिक 8% घ्यावा लागेल (जो कर नाही, परंतु कर आहे) - पगाराचा 2/3 शिल्लक आहे. दर डायनॅमिक आहे - तुम्ही जितके जास्त कमवाल तितका जास्त कर.

कोणत्या कंपन्या जाहिरातीसाठी अर्ज करतात?

तुम्हाला हे समजून घेणे आवश्यक आहे की युनिटी / युनिटी जाहिराती मोबाइल गेमच्या जाहिरातीमध्ये व्यस्त आहेत. म्हणजेच, आमच्याकडे एक कोनाडा आहे, आम्ही मोबाइल गेममध्ये चांगले पारंगत आहोत, तुम्ही ते युनिटीमध्ये तयार करू शकता. एकदा तुम्ही गेम लिहिल्यानंतर, तुम्हाला त्यातून पैसे कमवायचे आहेत आणि कमाई हा एक मार्ग आहे.
कोणतीही कंपनी जाहिरातीसाठी अर्ज करू शकते – ऑनलाइन स्टोअर्स, विविध आर्थिक अनुप्रयोग. प्रत्येकाला जाहिरातीची गरज असते. विशेषतः, आमचे मुख्य क्लायंट मोबाइल गेम डेव्हलपर आहेत.

तुमची कौशल्ये सुधारण्यासाठी कोणते प्रकल्प सर्वोत्तम आहेत?

चांगला प्रश्न. आम्ही डेटा सायन्सबद्दल बोलत असल्यास, तुम्हाला ऑनलाइन कोर्स (उदाहरणार्थ, स्टॅनफोर्ड आहे) किंवा ऑनलाइन विद्यापीठाद्वारे स्वतःला अपग्रेड करणे आवश्यक आहे. असे विविध प्लॅटफॉर्म आहेत ज्यासाठी तुम्हाला पैसे द्यावे लागतील - उदाहरणार्थ, Udacity. गृहपाठ, व्हिडिओ, मार्गदर्शन आहेत, परंतु आनंद स्वस्त नाही.

तुमची आवड जितकी संकुचित असेल (उदाहरणार्थ, काही प्रकारचे मजबुतीकरण शिक्षण), प्रकल्प शोधणे अधिक कठीण आहे. तुम्ही kaggle स्पर्धांमध्ये सहभागी होण्याचा प्रयत्न करू शकता: kaggle.com वर जा, तेथे अनेक वेगवेगळ्या मशीन लर्निंग स्पर्धा आहेत. तुम्ही असे काहीतरी घेता ज्याला आधीपासूनच काही प्रकारची बेसलाइन जोडलेली असते; डाउनलोड करा आणि ते करणे सुरू करा. म्हणजेच, बरेच मार्ग आहेत: आपण स्वतः अभ्यास करू शकता, आपण ऑनलाइन कोर्स घेऊ शकता - विनामूल्य किंवा सशुल्क, आपण स्पर्धांमध्ये भाग घेऊ शकता. जर तुम्हाला Facebook, Google वगैरे वर नोकरी शोधायची असेल, तर तुम्हाला अल्गोरिदमिक समस्या कशा सोडवायच्या हे शिकणे आवश्यक आहे - म्हणजे, तुम्हाला LeetCode वर जावे लागेल, मुलाखती पास होण्यासाठी तुमचे कौशल्य तेथे मिळवावे लागेल.

मशीन लर्निंग प्रशिक्षणासाठी लहान रोडमॅपचे वर्णन करा?

सार्वत्रिक असल्याचा आव न आणता मी तुम्हाला आदर्शपणे सांगेन. तुम्ही प्रथम युनिमध्ये गणिताचा अभ्यासक्रम घ्या, तुम्हाला रेखीय बीजगणित, संभाव्यता आणि आकडेवारीचे ज्ञान आणि समज आवश्यक आहे. त्यानंतर, कोणीतरी तुम्हाला एमएलबद्दल सांगतो; जर तुम्ही मोठ्या शहरात रहात असाल, तर एमएल अभ्यासक्रम देणार्‍या शाळा असाव्यात. सर्वात प्रसिद्ध म्हणजे SHAD, Yandex School of Data Analysis. जर तुम्ही पास झालात आणि तुम्ही दोन वर्षे अभ्यास करू शकता, तर तुम्हाला संपूर्ण एमएल बेस मिळेल. तुम्हाला संशोधन आणि कामात तुमची कौशल्ये आणखी वाढवावी लागतील.

इतर पर्याय असल्यास: उदाहरणार्थ, टिंकोव्हकडे ग्रॅज्युएशननंतर टिंकॉफमध्ये नोकरी मिळविण्याच्या संधीसह मशीन लर्निंगचे अभ्यासक्रम आहेत. हे तुमच्यासाठी सोयीचे असल्यास, या अभ्यासक्रमांसाठी साइन अप करा. विविध प्रवेश थ्रेशोल्ड आहेत: उदाहरणार्थ, SAD मध्ये प्रवेश चाचण्या आहेत.
जर तुम्हाला नियमित कोर्सेस घ्यायचे नसतील, तर तुम्ही ऑनलाइन कोर्सेससह सुरुवात करू शकता, ज्यापैकी पुरेसे जास्त आहेत. ते तुमच्यावर अवलंबून आहे; जर तुम्हाला चांगले इंग्रजी, चांगले असेल तर ते शोधणे सोपे होईल. नसल्यास, कदाचित तेथे देखील काहीतरी आहे. तीच शेड व्याख्याने सार्वजनिकरित्या उपलब्ध आहेत.
एक सैद्धांतिक आधार प्राप्त केल्यानंतर, आपण पुढे जाऊ शकता - इंटर्नशिप, संशोधन आणि याप्रमाणे.

मशीन लर्निंग स्वतः शिकणे शक्य आहे का? तुम्ही असा प्रोग्रामर भेटलात का?

मला वाटतंय हो. तुमच्याकडे फक्त मजबूत प्रेरणा असणे आवश्यक आहे. कोणीतरी स्वतःहून इंग्रजी शिकू शकते, उदाहरणार्थ, परंतु एखाद्याला अभ्यासक्रम घेणे आवश्यक आहे आणि ही व्यक्ती शिकू शकेल असा एकमेव मार्ग आहे. एमएलच्या बाबतीतही तेच आहे. जरी मी प्रोग्रामरला ओळखत नाही ज्याने सर्व काही स्वतःहून शिकले आहे, कदाचित माझ्या खूप ओळखी नाहीत; माझे सर्व मित्र नेहमीच्या पद्धतीने शिकले. मी असे म्हणू इच्छित नाही की तुम्हाला अशा प्रकारे 100% अभ्यास करणे आवश्यक आहे: मुख्य गोष्ट म्हणजे तुमची इच्छा, तुमचा वेळ. अर्थात, जर तुमच्याकडे गणिताचा पाया नसेल, तर तुम्हाला तो विकसित करण्यासाठी बराच वेळ द्यावा लागेल.
डेटा सायंटिस्ट होण्याचा अर्थ काय हे समजून घेण्याव्यतिरिक्त: मी स्वतः डेटा सायन्स करत नाही.
संशोधन म्हणून. आमची कंपनी ही प्रयोगशाळा नाही जिथे आम्ही स्वतःला सहा महिने प्रयोगशाळेत बंद करून पद्धती विकसित करतो. मी थेट उत्पादनासह काम करतो आणि मला अभियांत्रिकी कौशल्ये आवश्यक आहेत; काय कार्य करते हे समजून घेण्यासाठी मला कोड लिहिण्याची आणि अभियांत्रिकी कौशल्ये असणे आवश्यक आहे. डेटा सायन्सबद्दल बोलताना लोक अनेकदा ही वैशिष्ट्ये वगळतात. पीएचडी केलेल्या लोकांच्या न वाचता, भयंकर, अनस्ट्रक्चर्ड कोड लिहिल्याच्या आणि उद्योगात जाण्याचा निर्णय घेतल्यानंतर त्यांना मोठ्या समस्या आल्याच्या अनेक कथा आहेत. म्हणजेच, मशीन लर्निंगच्या संयोजनात, एखाद्याने अभियांत्रिकी कौशल्यांबद्दल विसरू नये.

डेटा सायन्स ही एक अशी स्थिती आहे जी स्वतःबद्दल बोलत नाही. डेटा सायन्सशी संबंधित असलेल्या कंपनीत तुम्हाला नोकरी मिळू शकते आणि तुम्ही SQL क्वेरी लिहाल किंवा साधे लॉजिस्टिक रिग्रेशन असेल. तत्वतः, हे देखील मशीन लर्निंग आहे, परंतु प्रत्येक कंपनीला डेटा सायन्स म्हणजे काय याची स्वतःची समज असते. उदाहरणार्थ, फेसबुकवरील माझ्या मित्राने सांगितले की डेटा सायन्स म्हणजे जेव्हा लोक सांख्यिकीय प्रयोग करतात: बटणावर क्लिक करा, परिणाम गोळा करा आणि नंतर ते सादर करा. त्याच वेळी, मी स्वतः रूपांतरण पद्धती आणि अल्गोरिदम सुधारतो; इतर काही कंपन्यांमध्ये या विशेषतेला मशीन लर्निंग इंजिनियर म्हटले जाऊ शकते. वेगवेगळ्या कंपन्यांमध्ये गोष्टी वेगळ्या असू शकतात.

तुम्ही कोणती लायब्ररी वापरता?

आम्ही Keras आणि TensorFlow वापरतो. PyTorch देखील शक्य आहे - हे महत्वाचे नाही, ते आपल्याला सर्व समान गोष्टी करण्याची परवानगी देते - परंतु काही क्षणी ते वापरण्याचा निर्णय घेतला गेला. विद्यमान उत्पादनासह ते बदलणे कठीण आहे.

युनिटीमध्ये केवळ डेटा सायंटिस्टच नाहीत जे रूपांतरण अल्गोरिदम ऑप्टिमाइझ करतात, परंतु गेमट्यून ही एक अशी गोष्ट आहे जिथे तुम्ही विविध ट्यूटोरियल वापरून नफा किंवा ठेवण्याच्या बाबतीत मेट्रिक्स सुधारता. समजा कोणीतरी खेळ खेळला आणि म्हणाला: मला समजत नाही, मला स्वारस्य नाही - त्याने तो सोडला; काहींसाठी हे खूप सोपे आहे, परंतु त्याउलट, त्याने देखील सोडले. म्हणूनच गेमट्यूनची आवश्यकता आहे - गेमरच्या क्षमतेवर किंवा गेमिंग इतिहासावर आधारित किंवा ते अॅप-मधील एखादी वस्तू किती वेळा खरेदी करतात यावर आधारित गेमच्या अडचणींना अनुकूल करणारा एक उपक्रम.

युनिटी लॅब देखील आहे - तुम्ही ते देखील गुगल करू शकता. तेथे एक व्हिडिओ आहे जिथे तुम्ही धान्याचा बॉक्स घेता आणि त्याच्या मागील बाजूस मेजसारखे गेम आहेत - परंतु ते वाढीव वास्तवाशी सुसंगत आहेत आणि तुम्ही कार्डबोर्डवरील व्यक्तीला नियंत्रित करू शकता. खूप मस्त दिसतेय.

युनिटी जाहिरातींबद्दल तुम्ही थेट बोलू शकता. जर तुम्ही एखादा गेम लिहायचा आणि तो प्रकाशित करून पैसे कमवायचे ठरवले तर तुम्हाला काही कठीण समस्या सोडवाव्या लागतील.

मी एका उदाहरणाने सुरुवात करेन: Apple ने iOS 14 लाँच करण्याची घोषणा केली. त्यात, संभाव्य गेमर ऍप्लिकेशनमध्ये जाऊ शकतो आणि म्हणू शकतो की तो त्याचा डिव्हाइस-आयडी कोणासोबतही शेअर करू इच्छित नाही. मात्र, जाहिरातीचा दर्जा ढासळणार हे तो मान्य करतो. परंतु त्याच वेळी, हे आमच्यासाठी एक आव्हान आहे कारण आम्ही तुम्हाला ओळखू शकलो नाही, तर आम्ही विशिष्ट मेट्रिक्स गोळा करू शकणार नाही आणि आमच्याकडे तुमच्याबद्दल कमी माहिती असेल. गोपनीयता आणि डेटा संरक्षणासाठी अधिक वचनबद्ध असलेल्या जगात काम ऑप्टिमाइझ करणे डेटा सायंटिस्टसाठी अधिक कठीण होत आहे - कमी आणि कमी डेटा, तसेच उपलब्ध पद्धती आहेत.

युनिटी व्यतिरिक्त, फेसबुक आणि गुगल सारखे दिग्गज आहेत - आणि असे दिसते की, आम्हाला युनिटीच्या जाहिरातींची गरज का आहे? परंतु तुम्हाला हे समजून घेणे आवश्यक आहे की हे जाहिरात नेटवर्क वेगवेगळ्या देशांमध्ये वेगळ्या पद्धतीने कार्य करू शकतात. तुलनेने बोलायचे झाल्यास, टियर 1 देश आहेत (अमेरिका, कॅनडा, ऑस्ट्रेलिया); टियर 2 देश (आशिया), टियर 2 देश आहेत (भारत, ब्राझील). जाहिरात नेटवर्क त्यांच्यामध्ये वेगळ्या पद्धतीने कार्य करू शकतात. वापरलेल्या जाहिरातींचा प्रकार देखील महत्त्वाचा आहे. हा नेहमीचा प्रकार आहे, किंवा "पुरस्कृत" जाहिराती - जेव्हा, उदाहरणार्थ, गेम संपल्यानंतर त्याच ठिकाणाहून सुरू ठेवण्यासाठी, तुम्हाला जाहिरात पाहण्याची आवश्यकता असते. वेगवेगळ्या प्रकारच्या जाहिराती, वेगवेगळे लोक. काही देशांमध्ये, एक जाहिरात नेटवर्क चांगले कार्य करते, इतरांमध्ये, दुसरे. आणि अतिरिक्त टीप म्हणून, मी ऐकले आहे की Google चे AdMob एकत्रीकरण युनिटी पेक्षा अधिक जटिल आहे.

म्हणजेच, तुम्ही युनिटीमध्ये गेम तयार केल्यास, तुम्ही युनिटी जाहिरातींमध्ये आपोआप समाकलित आहात. फरक म्हणजे एकत्रीकरणाची सहजता. मी काय शिफारस करू शकतो: मध्यस्थी म्हणून एक गोष्ट आहे; त्याच्या वेगवेगळ्या पोझिशन्स आहेत: जाहिरात प्लेसमेंटसाठी तुम्ही "वॉटरफॉल" मध्ये पोझिशन्स सेट करू शकता. तुम्ही असे म्हणू शकता, उदाहरणार्थ, हे: मला प्रथम फेसबुक, नंतर Google, नंतर युनिटी दाखवायचे आहे. आणि, जर Facebook आणि Google ने जाहिराती न दाखवण्याचा निर्णय घेतला, तर Unity करेल. तुमच्याकडे जितके जास्त जाहिरात नेटवर्क असतील तितके चांगले. ही गुंतवणूक मानली जाऊ शकते, परंतु तुम्ही एकाच वेळी वेगवेगळ्या जाहिरात नेटवर्कमध्ये गुंतवणूक करत आहात.
जाहिरात मोहिमेच्या यशासाठी काय महत्त्वाचे आहे याबद्दल देखील आपण बोलू शकता. खरं तर, येथे काही विशेष नाही: जाहिराती तुमच्या अर्जाच्या सामग्रीशी संबंधित असल्याची तुम्हाला खात्री करणे आवश्यक आहे. तुम्ही, उदाहरणार्थ, "अ‍ॅप जाहिराती माफिया" साठी YouTube शोधू शकता आणि जाहिराती सामग्रीशी कशी जुळत नाहीत ते पाहू शकता. होमस्केप्स (किंवा गार्डनस्केप्स?) नावाचे एक अॅप देखील आहे. मोहीम योग्यरित्या सेट केली आहे की नाही हे महत्त्वाचे आहे: जेणेकरून इंग्रजीमध्ये जाहिरात इंग्रजी भाषिक प्रेक्षकांना आणि रशियन भाषिक प्रेक्षकांना रशियनमध्ये दर्शविली जाईल. बर्‍याचदा यात चुका असतात: लोकांना ते समजत नाही, ते यादृच्छिकपणे स्थापित करतात.
तुम्हाला वेगवेगळे मस्त व्हिडिओ तयार करावे लागतील, फॉरमॅटचा विचार करा, किती वेळा अपडेट करायचे याचा विचार करा. मोठ्या कंपन्यांमध्ये, विशेष लोक हे करतात - वापरकर्ता संपादन व्यवस्थापक. जर तुम्ही एकल विकासक असाल तर तुम्हाला याची गरज नाही, किंवा विशिष्ट वाढ साधल्यानंतर तुम्हाला याची गरज आहे.

तुमच्या भविष्यातील योजना काय आहेत?

मी आता जिथे आहे तिथे अजूनही कार्यरत आहे. कदाचित मला फिन्निश नागरिकत्व मिळेल - हे 5 वर्षांच्या वास्तव्यानंतर शक्य आहे (जर 30 वर्षांपेक्षा कमी असेल तर, जर त्या व्यक्तीने दुसर्या देशात हे केले नसेल तर तुम्हाला सेवा करणे देखील आवश्यक आहे).

तुम्ही फिनलंडला का गेलात?

होय, आयटी तज्ञांना जाण्यासाठी हा फार लोकप्रिय देश नाही. बरेच लोक कुटुंबासह स्थलांतर करतात कारण येथे चांगले सामाजिक फायदे आहेत - बालवाडी, पाळणाघरे आणि आई-वडिलांसाठी प्रसूती रजा. मी स्वतःला का हलवले? मला ते इथेच आवडले. मला कदाचित ते कुठेही आवडेल, परंतु फिनलंड सांस्कृतिक मानसिकतेच्या अगदी जवळ आहे; रशियामध्ये नक्कीच फरक आहेत, परंतु समानता देखील आहेत. ती लहान, सुरक्षित आहे आणि ती कधीही मोठ्या संकटात अडकणार नाही. ही काही पारंपारिक अमेरिका नाही, जिथे तुम्हाला पसंत नसलेले अध्यक्ष मिळू शकतात आणि यामुळे काहीतरी सुरू होईल; आणि ग्रेट ब्रिटन नाही, ज्याला अचानक EU सोडायचे आहे आणि समस्या देखील असतील. येथे फक्त 5 दशलक्ष लोक आहेत. कोरोनाव्हायरस महामारीसह, फिनलंडने इतर देशांच्या तुलनेत बऱ्यापैकी सामना केला.

आपण रशियाला परत जाण्याची योजना आखत आहात?

मी अजून जाणार नाही. असे करण्यापासून मला काहीही प्रतिबंधित होणार नाही, परंतु मला येथे आरामदायक वाटते. शिवाय, जर मी रशियामध्ये काम केले तर मला सैन्यात नोंदणी करावी लागेल आणि मला मसुदा तयार केला जाईल.

फिनलंडमधील मास्टर प्रोग्राम्सबद्दल

खास काही नाही. जर आपण व्याख्यानांच्या सामग्रीबद्दल बोललो, तर तो फक्त स्लाइड्सचा संच आहे; तेथे सैद्धांतिक साहित्य आहे, सरावासह एक परिसंवाद आहे, जिथे या सिद्धांताचा सन्मान केला जातो, त्यानंतर या सर्व सामग्रीची (सिद्धांत आणि कार्ये) परीक्षा.

वैशिष्ट्य: त्यांना मास्टर प्रोग्राममधून बाहेर काढले जाणार नाही. तुम्ही परीक्षा उत्तीर्ण न झाल्यास, तुम्हाला पुढील सेमिस्टरमध्ये हा कोर्स करावा लागेल. अभ्यासाच्या एकूण वेळेवर फक्त मर्यादा आहे: बॅचलर पदवीसाठी - 7 वर्षांपेक्षा जास्त नाही, पदव्युत्तर पदवीसाठी - 4 वर्षे. तुम्ही एक कोर्स वगळता सर्वकाही दोन वर्षांत सहज पूर्ण करू शकता आणि 2 वर्षांपर्यंत वाढवू शकता किंवा शैक्षणिक अभ्यासक्रम घेऊ शकता.

मॉस्को आणि फिनलंडमधील काम खूप वेगळे आहे का?

मी म्हणणार नाही. त्याच आयटी कंपन्या, तीच कामे. सांस्कृतिक आणि दैनंदिन दृष्टीने, ते सोयीचे आहे, काम जवळपास आहे, शहर लहान आहे. किराणा दुकान माझ्यापासून एका मिनिटाच्या अंतरावर, जिम तीन, काम पंचवीस, घरोघरी. मला आकार आवडतात; मी याआधी अशा आरामदायक शहरांमध्ये कधीच राहिलो नाही, जिथे सर्वकाही हाताशी आहे. सुंदर निसर्ग, समुद्रकिनारा जवळ आहे.

पण कामाच्या बाबतीत, मला वाटते की सर्वकाही, प्लस किंवा मायनस, समान आहे. फिनलंडमधील आयटी श्रमिक बाजारपेठेबाबत, मशीन लर्निंगच्या संदर्भात, काहींनी लक्षात घ्या की एमएलशी संबंधित वैशिष्ट्यांसाठी, पीएचडी किंवा किमान पदव्युत्तर पदवी आवश्यक आहे. मला विश्वास आहे की नजीकच्या भविष्यात हे बदलेल. येथे अजूनही एक पूर्वग्रह आहे: जर तुमच्याकडे बॅचलरची पदवी असेल, तर तुम्ही प्रशिक्षित तज्ञ होऊ शकत नाही, परंतु जर तुमच्याकडे पदव्युत्तर पदवी असेल, तर तुमच्याकडे स्पेशलायझेशन आहे आणि तुम्ही काम करू शकता. आणि जर तुमच्याकडे पीएचडी असेल तर सर्वकाही पूर्णपणे छान आहे आणि तुम्ही आयटी संशोधन करू शकता. जरी, मला असे वाटते की, ज्या लोकांनी पीएचडी पूर्ण केली आहे ते देखील उद्योगात पूर्णपणे समाकलित होऊ शकत नाहीत आणि कदाचित हे समजत नाही की उद्योग हा केवळ अल्गोरिदम आणि पद्धती नाही तर व्यवसाय देखील आहे. जर तुम्हाला व्यवसाय समजत नसेल, तर तुम्ही कंपनी कशी वाढवू शकता आणि ही संपूर्ण मेटा-सिस्टम कशी कार्य करते हे मला कळत नाही.

म्हणून पदवीधर शाळेत जाण्याची आणि लगेच नोकरी शोधण्याची कल्पना खूप कठीण आहे; जर तुम्ही बॅचलर डिग्री घेऊन फिनलंडला गेलात, तर तुम्ही नाव नाही. तुम्हाला सांगण्यासाठी काही कामाचा अनुभव असणे आवश्यक आहे: मी Yandex, Mail, Kaspersky Lab, इ. येथे काम केले आहे.

फिनलंडमध्ये 500 EUR वर कसे जगायचे?

आपण जगू शकता. जर तुम्ही विद्यार्थी असाल, तर तुम्हाला शिष्यवृत्ती मिळणार नाही हे समजून घेणे आवश्यक आहे; EU पैसे देऊ शकते, परंतु केवळ एक्सचेंज विद्यार्थ्यांसाठी. जर तुम्ही फिनलंडमधील विद्यापीठात प्रवेश करत असाल तर तुम्ही कसे जगाल हे समजून घेणे आवश्यक आहे. अनेक पर्याय आहेत; जर तुम्ही पीएचडी ट्रॅकसह मास्टर प्रोग्राममध्ये नोंदणी केली असेल (म्हणजे एकाच वेळी मास्टर प्रोग्राम आणि पीएचडीमध्ये), तर पहिल्या वर्षापासून तुम्ही संशोधन कार्य कराल आणि त्यासाठी पैसे मिळवाल.
लहान, परंतु विद्यार्थ्यासाठी ते पुरेसे असेल. दुसरा पर्याय म्हणजे अर्धवेळ नोकरी; उदाहरणार्थ, मी एका विशिष्ट अभ्यासक्रमासाठी शिकवणी सहाय्यक होतो आणि दरमहा 400 EUR मिळवले.

तसे, फिनलंडला चांगले विद्यार्थी फायदे आहेत. तुम्ही वसतिगृहात 300 किंवा 200 EUR प्रति खोलीत जाऊ शकता, तुम्ही विद्यार्थ्यांच्या कॅन्टीनमध्ये ठराविक किमतीत खाऊ शकता (तुम्ही तुमच्या प्लेटवर ठेवलेली प्रत्येक गोष्ट 2.60 EUR आहे). काहीजण 2.60 पर्यंत जेवणाच्या खोलीत नाश्ता, दुपारचे जेवण आणि रात्रीचे जेवण करण्याचा प्रयत्न करतात; तुम्ही असे केल्यास, तुम्ही 500 EUR वर जगू शकता. पण हे अगदी किमान आहे.

तुम्हाला प्रोग्रामर व्हायचे असेल तर तुम्ही कुठे जाऊ शकता?

तुम्ही हायर स्कूल ऑफ इकॉनॉमिक्स, मॉस्को इन्स्टिट्यूट ऑफ फिजिक्स अँड टेक्नॉलॉजी - एफआयव्हीटी आणि एफयूपीएम किंवा मॉस्को स्टेट युनिव्हर्सिटीच्या कॉम्प्युटर सायन्स अँड कॉम्प्युटिंग कमिटीमध्ये, उदाहरणार्थ, कॉम्प्युटर सायन्स फॅकल्टीमध्ये नावनोंदणी करू शकता. आपण सेंट पीटर्सबर्ग मध्ये देखील काहीतरी शोधू शकता. पण मला मशीन लर्निंगची नेमकी परिस्थिती माहीत नाही, हा विषय गुगल करून पहा.

मला असे म्हणायचे आहे की प्रोग्रामर होण्यासाठी केवळ प्रशिक्षण पुरेसे नाही. शक्य तितक्या लवकर संपर्क साधण्यासाठी एक सामाजिक व्यक्ती असणे, त्यांच्याशी बोलणे आनंददायी असणे महत्वाचे आहे. संपर्क ठरवू शकतात. कंपनीला वैयक्तिक शिफारशी इतर अर्जदारांपेक्षा मूर्त फायदा देतात; तुम्ही फक्त रिक्रूटरचे स्क्रीनिंग वगळू शकता.

स्वाभाविकच, फिनलंडमधील जीवन पूर्णपणे विलक्षण नाही - मी हललो आणि सर्व काही लगेच थंड झाले. कोणत्याही स्थलांतरितांना अजूनही संस्कृतीचा धक्का बसतो. वेगवेगळ्या देशांमध्ये वेगवेगळे लोक, भिन्न मानसिकता, वेगवेगळे कायदे असतात. उदाहरणार्थ, येथे आपण स्वत: करांची काळजी घेणे आवश्यक आहे - कर कार्ड स्वतः भरा; कार खरेदी करणे, घर भाड्याने घेणे—बर्‍याच गोष्टी वेगळ्या पद्धतीने काम करतात. तुम्ही हलवायचे ठरवले तर ते खूप अवघड आहे. येथील लोक फारसे सामाजिक नाहीत, सेंट पीटर्सबर्ग सारखे हवामान आहे - नोव्हेंबर-डिसेंबरमध्ये 1-2 सनी दिवस असू शकतात. काहींना इथे नैराश्यही येते; ते आत्मविश्वासाने येतात की त्यांची येथे खूप गरज आहे, परंतु असे घडत नाही आणि त्यांना दुसऱ्याच्या नियमांनुसार खेळून पैसे कमवावे लागतील. तो नेहमीच धोका असतो. तुम्हाला परत जावे लागेल अशी शक्यता नेहमीच असते कारण तुम्ही त्यात बसणार नाही.

इच्छुक प्रोग्रामरना तुम्ही कोणता सल्ला द्याल?

तुम्हाला खरोखर काय स्वारस्य आहे हे समजून घेण्यासाठी मी तुम्हाला शक्य तितके प्रयत्न करण्याचा सल्ला देतो. एका क्षेत्रात अडकून न जाण्याचा प्रयत्न करा: Android विकास, फ्रंटएंड/बॅकएंड, Java, Javascript, ML आणि इतर गोष्टी वापरून पहा. आणि, मी आधीच म्हटल्याप्रमाणे, तुम्हाला सक्रिय असणे आवश्यक आहे, संपर्क साधणे, जे घडत आहे त्यामध्ये स्वारस्य असणे आवश्यक आहे; मित्र, सहकारी, ओळखीचे काय करत आहेत. कार्यशाळा, सेमिनार, व्याख्याने, लोकांना भेटायला जा. तुमच्याकडे जितके अधिक कनेक्शन असतील, तितकेच मनोरंजक गोष्टी काय घडत आहेत हे समजून घेणे सोपे होईल.

खेळांव्यतिरिक्त युनिटी कुठे वापरली जाते?

युनिटी हे शुद्ध गेम इंजिन म्हणून थांबवण्याचा प्रयत्न करीत आहे. उदाहरणार्थ, हे CGI व्हिडिओ रेंडर करण्यासाठी वापरले जाते: जर तुम्ही कार विकसित करत असाल, उदाहरणार्थ, आणि तुम्हाला जाहिरात करायची असेल, तर तुम्हाला नक्कीच चांगला व्हिडिओ बनवायचा असेल. मी ऐकले आहे की युनिटी चा उपयोग आर्किटेक्चरल प्लॅनिंगसाठी देखील केला जातो. म्हणजेच जिथे व्हिज्युअलायझेशन आवश्यक आहे तिथे युनिटी वापरता येते. तुम्ही गुगल केले तर तुम्हाला मनोरंजक उदाहरणे मिळतील.

तुम्हाला प्रश्न विचारायचा असल्यास, सर्व सोशल नेटवर्क्सवर मला मोकळ्या मनाने शोधा.

आधी काय झालं

1. इलोना पापवा, Facebook वर वरिष्ठ सॉफ्टवेअर अभियंता - इंटर्नशिप कशी मिळवायची, ऑफर कशी मिळवायची आणि कंपनीत काम करण्याबद्दल सर्व काही
2. बोरिस यांजेल, यांडेक्स येथील एमएल अभियंता - जर तुम्ही डेटा सायंटिस्ट असाल तर मूक तज्ञांच्या श्रेणीत कसे सामील होऊ नये
3. अलेक्झांडर कालोशिन, सीईओ लास्टबॅकेंड - स्टार्टअप कसा सुरू करायचा, चिनी बाजारपेठेत प्रवेश कसा करायचा आणि 15 दशलक्ष गुंतवणूक कशी मिळवायची.
4. Natalya Teplukhina, Vue.js कोर टीम सदस्य, GoogleDevExpret - GitLab वर मुलाखत कशी पास करायची, Vue डेव्हलपमेंट टीममध्ये कसे जायचे आणि स्टाफ-इंजिनियर बनायचे.
5. Ashot Oganesyan, DeviceLock चे संस्थापक आणि तांत्रिक संचालक - जो तुमचा वैयक्तिक डेटा चोरतो आणि पैसे कमवतो.
6. सानिया गॅलिमोवा, RUVDS मधील मार्केटर - मानसोपचार निदानासह कसे जगायचे आणि कार्य कसे करावे. एक्सएनयूएमएक्स भाग. एक्सएनयूएमएक्स भाग.
7. इल्या काश्लाकोव्ह, Yandex.Money च्या फ्रंट-एंड विभागाचे प्रमुख - फ्रंट-एंड टीम लीडर कसे बनायचे आणि त्यानंतर कसे जगायचे.
8. व्लाडा राऊ, मॅकिन्से डिजिटल लॅब्समधील वरिष्ठ डिजिटल विश्लेषक - Google मध्ये इंटर्नशिप कशी मिळवायची, सल्लामसलत कशी करावी आणि लंडनला जावे.
9. रिचर्ड "लेव्हलॉर्ड" ग्रे, गेमचे निर्माता ड्यूक नुकेम 3D, SiN, रक्त - त्याच्या वैयक्तिक जीवनाबद्दल, आवडत्या खेळांबद्दल आणि मॉस्कोबद्दल.
10. व्याचेस्लाव ड्रेहर, 12 वर्षांचा अनुभव असलेले गेम डिझायनर आणि गेम निर्माता - गेम, त्यांचे जीवन चक्र आणि कमाईबद्दल
11. आंद्रे, गेम अकादमीचे तांत्रिक संचालक - व्हिडिओ गेम तुम्हाला वास्तविक कौशल्ये विकसित करण्यात आणि तुमची स्वप्नातील नोकरी शोधण्यात कशी मदत करतात.
12. अलेक्झांडर वायसोत्स्की, Badoo मधील आघाडीचे PHP विकासक - Badoo मधील PHP मध्ये हायलोड प्रकल्प कसे तयार केले जातात.
13. आंद्रे इव्हस्युकोव्ह, डिलिव्हरी क्लबचे डेप्युटी सीटीओ - 50 दिवसांत 43 ज्येष्ठांना कामावर घेण्याबद्दल आणि हायरिंग फ्रेमवर्क कसे ऑप्टिमाइझ करावे याबद्दल
14. जॉन रोमेरो, डूम, क्वेक आणि वोल्फेन्स्टाईन 3D या गेमचे निर्माता - डूम कसे तयार केले गेले याबद्दलच्या कथा
15. पाशा झोव्हनर, हॅकर्स फ्लिपर झिरोसाठी तामागोचीचा निर्माता - त्याच्या प्रकल्पाबद्दल आणि इतर क्रियाकलापांबद्दल
16. तात्याना लँडो, Google मधील भाषिक विश्लेषक - Google सहाय्यकाला मानवी वर्तन कसे शिकवायचे
17. Sberbank मधील कनिष्ठ ते कार्यकारी संचालकापर्यंतचा मार्ग. अलेक्सी लेव्हानोव्ह यांची मुलाखत

स्त्रोत: www.habr.com