HANNA PYLIEVA ПРО ІТ 🚀

Ваша головна перевага в аналітиці – це..

Ваш поточний досвід!

Робота з людьми, розуміння бізнес-процесів, досвід в сейлз відділі, знання з SEO, маркетингу чи філології – це не те, що треба ховати в резюме. Навпаки: саме цей бекграунд у поєднанні з технічними навичками робить вас зрілим і цінним спеціалістом!

Кейси наших студентів вже підтвердили наші слова 😉

Галина Свобода, 40 років, отримала офер на $900

Прийшла на курс із податкової сфери без жодного досвіду в IT. Системно вчилася, виконувала ДЗ, пройшла наше наставництво з працевлаштування, і… отримала офер дата-аналітикинею в технологічну компанію на $900!

Дарія Рубльова, 31 рік, з ресторанної індустрії в аналітику даних

Дарія теж прийшла на курс без досвіду в BI-системах, SQL. Вже під час курсу створила власне портфоліо, навчилась кодити і успішно відповідає на складні технічні питання зі співбесід. 

Вікторія Шеін, 29 років, змінила роботу і підвищила ЗП x2 ще ПІД ЧАС навчання

Мала на меті опанувати Python, SQL та A/B-тестування. Навіть не закінчивши курс до кінця, пройшла співбесіду, перейшла в Data Analytics і подвоїла свій дохід!

Звісно, сам лише вік чи перегляд лекцій не гарантують офер. Потрібна залізна система: актуальні інструменти, практичні проєкти в портфоліо та впевненість на співбесідах.

І ця система вже доступна на моєму курсі «Аналітик даних + AI»:

✔️ Ви опановуєте Python, SQL, Power BI, Tableau та AI-асистентів; 
✔️ Збираєте 2 кейси в портфоліо на реальних бізнес-даних; 
✔️ Працюєте з кар'єрним центром до першого оферу.

Ми стартуємо вже 16.11.26. Якщо відчуваєте, що час змінити своє життя на краще – чекаю на вас))

Напишіть ➕ в коментарях і наша команда зв’яжеться з вами для безкоштовної консультації 🙌

Дякуємо всім, хто прийшов на наш безкоштовний вебінар! 🔥

Чат розривався від питань (за що я вам дууууже вдячна!)

Зібралось дуже багато людей з різними запитами: хтось тільки придивляється до IT, хтось уже щодня працює з Excel, а хтось просто заплутався в туторіалах з YouTube і не знає, що вчити далі.

Що ми встигли розібрати за ці 2 години?

👉 Що насправді відбувається на ринку у 2026–2027 роках;
👉 Реальні зарплати на старті (від $800) і як рости далі;
👉  Чому штучний інтелект не забере роботу у аналітиків, а стане помічником;
👉 Чіткий покроковий план: як пройти шлях від нуля до першого оферу.

Навіть під час ефіру ми з командою отримували купу теплих слів.

Дуже цінно знати, що для багатьох цей вебінар став переломним моментом, після якого все стало на свої місця. 

Але розуміння, куда рухатися – це половина справи. Щоб перетворити це розуміння на реальну професію, потрібно багато практикуватися. 

У програмі курсу «Аналітик даних + AI» ми зробили фокус саме на цьому: 80% практики, створення реальних кейсів, SQL, Power BI, Python, AI-асистенти й постійний супровід Senior-аналітиків.

Що ви отримаєте в результаті курсу?

Усі навички, необхідні для роботи аналітиком даних в ІТ + вміння працювати з великими даними з Python, впевненість у навичках і готовність до працевлаштування!

Ми не залишимо вас один на один із пошуком роботи, адже особисто зацікавлені в успіху кожного випускника. Ваші офери та підвищення – найкращий показник якості нашого курсу. 

Не чекайте наступного року, щоб покращити своє життя.

Переходьте за посиланням, вивчайте програму та забронюйте своє місце в групі!

Чекаю на вас на 14-му потоці ❤️

Ви вже маєте половину навичок аналітика даних, і навіть не здогадуєтеся про це

Якщо ви працюєте з CRM, рекламними показниками, таблицями чи фінансовими звітами, то ВЖЕ займаєтеся аналітикою. І вмієте помічати відхилення, шукати закономірності й робити висновки.

Що ж тоді потрібно, щоб повністю перейти в цю сферу?

👉 База з тех. інструментів

На старті важливо розібратися з Excel або Google Sheets, SQL, інструментами візуалізації на кшталт Power BI чи Tableau. Python можна додавати для автоматизації та складніших задач.

+ розуміти, як використовувати AI у роботі аналітика. Та і взагалі зараз часто можна побачити у ІТ-вакансіях вимогу “знати, як працювати з АІ”. Тож я б радила передивитись цей пункт не лише майбутнім аналітикам.

👉 Вміння ставити правильні запитання до даних

Аналітик має розуміти:

- Чому впали продажі?
- Який канал залучає найцінніших клієнтів?
- Де бізнес втрачає гроші?
- Що змінилося і як це пояснити команді?

👉 П-р-а-к-т-и-к-а

Можна переглянути десятки курсів і знати визначення всіх інструментів. Але на співбесіді важливо показати, як ви застосовуєте ці знання.

Тому потрібні реальні задачі, власні проєкти, портфоліо та розуміння того, як презентувати свої висновки.

Я НЕ вважаю, що Data Analytics – це супер легко. Але це цілком реалістичний напрям для тих, хто готовий системно вчитися й застосовувати знання на практиці. 

Я побудувала курс “Аналітик даних + AI” саме з таким СИСТЕМНИМ підходом: від базових інструментів до практичних проєктів, створення портфоліо та підготовки до співбесід.

Якщо хочете зрозуміти, чи підходить вам цей напрям 👇

Пишіть ➕ у коментарях  – надішлю всі деталі.

Можливо, ваш поточний досвід буде тим самим perfect match для аналітики 😏

ВЖЕ СЬОГОДНІ 🔥

о 19:30 за Києвом я проведу живий безкоштовний вебінар “АНАЛІТИК ДАНИХ У 2027: ПРОФЕСІЯ, ЯКУ НЕ ЗАМІНИТЬ AI”

Що в програмі?

1️⃣ Чи реально змінити професію після 30-35 років та знайти першу роботу без досвіду?
2️⃣ Які задачі вирішує аналітик даних у сучасних компаніях?
3️⃣ Які навички потрібні для старту та як їх швидко здобути?
За реєстрацію ви отримаєте бонус – відео-практикум “Успішна співбесіда в ІТ”.

А ще бонуси під час вебінару 🤩

Чек-лист “Задачі аналітика даних” і гайд “ТОП-5 ресурсів для пошуку роботи аналітику даних у 2027”

Якщо давно хотіли перейти в нову сферу – it's tiiiiiime!

Переходьте за посиланням та забирайте покроковий алгоритм входу в аналітику даних 🙌

Хто допомагає нашим студентам на шляху до першого оферу? 🤍

Друзі, сьогодні хочу познайомити вас із командою Data Loves Academy.

Це спеціалісти, до яких ви зможете звернутися з різними питаннями протягом навчання: від нерозуміння складного SQL-запиту до підготовки профілю на LinkedIn.

Кураторки: які супроводжують вас у чаті протягом навчання
Я чудово розумію, що навчання не завжди йде за планом. Іноді завдання займає більше часу, ніж очікували, іноді важко поєднувати дедлайни з роботою, а іноді просто не зрозуміло, чому код не працює.

Наші кураторки допомагають не загубитися в цьому процесі, розібратися з організаційними питаннями та отримати потрібний фідбек.

Анастасія Коваль – кураторка студентського чату

Анастасія – Junior Big Data Engineer у SoftServe, розвиває практичні навички у сфері Data Engineering та роботи з Big Data.

Вона має практичний досвід роботи з аналітичними та BI-проєктами, Python, SQL й працює з Big Data 

Магістр із системного аналізу та Data Science
Супроводжує наших студентів із 2023 року. 

Якщо у вас виникли труднощі з кодом, Анастасія допоможе розібратися, де шукати помилку, як підійти до задачі і поділиться практичним досвідом роботи.

Катерина Забазна – кураторка з перевірки домашніх завдань

Катерина має понад 3 роки досвіду в SAP у Німеччині, Working Student в Organisational Change Management та AI Analytics Projects. Має практичний досвід роботи з AI-аналітикою та впровадженням data-driven рішень у міжнародній компанії. Також здобуває освіту в ДТЕУ та Heidelberg University за напрямом Computer Science і має сертифікат SAP Analytics Cloud.

Катерина перевіряє домашні завдання й дає детальний фідбек, щоб ви могли зрозуміти свої помилки та виправити їх. А ще може поділитися власним досвідом: як поєднувати навчання з роботою, опановувати нові навички й адаптуватися до вимог європейського ринку.

Поліна Ісаєнко – кураторка курсу з фрілансу

Поліна понад 4 роки працює з Upwork і зараз вона Upwork Lead Generation Specialist у компанії, що створює AI-рішення для бізнесу.

Вона починала як фрілансерка, самостійно вивела свій профіль на першу сторінку глобального пошуку та побудувала стабільний потік клієнтів.

Якщо вам цікаво спробувати фріланс, Поліна допоможе розібратися, як оформити профіль, презентувати свої навички потенційним замовникам і шукати перші проєкти. Навіть якщо досвіду поки небагато.

Результати, які досягли клієнти після роботи з Поліною:

👉 Профілі клієнтів (в тому числі старі й неактивні) піднімалися з сотень сторінок пошуку на 1-шу сторінку за цільовими запитами
👉 Клієнти виходили з $0 на $10,000+ на платформі
👉 Замість разових замовлень з'явилися постійні проєкти й регулярна робота
👉 Перші помітні зміни в профілі вже за 1 день після консультації, суттєве зростання за 1 місяць роботи
👉 Старі неактивні профілі повертались у конкурентну видачу і знову приносили клієнтів

Ментори, які проводять групові дзвінки

Вони проводять Q&A зустрічі, допомагають розібратися зі складними ML та аналітичними задачами та знайти оптимальні підходи.

Наші ментори діляться практичним досвідом і підкажуть, як застосовувати знання для вирішення реальних бізнес-задач.

А коли справа доходить до пошуку роботи?

Тут теж є до кого звернутися 😏 IT-рекрутер допомагає підготуватися до виходу на ринок праці:

👉 ви зрозумієте, що треба робити саме вам аби отримати запрошення на тех.співбесіду та офер
👉 розберетеся, як представити попередній досвід у резюме;
👉 навчитеся адаптувати резюме до вакансій і вимог ATS-систем.

Так ви зможете поступово підготуватися до пошуку роботи й розуміти, на що звернути увагу на кожному етапі. Процес пошуку роботи не буде таким складним, якщо поруч буде людина, яка підтримає і допоможе.

Для мене було важливо зібрати команду, за допомогою якої студенти можуть навчатися, запитувати, помилятися, виправляти помилки і отримувати бажаний результат.  

Хочете перейти в більш затребувані сфери в ІТ?

Напишіть ➕ в коментарях і наша команда зв’яжеться з вами для безкоштовної консультації: ми розповімо як підібрати навчання саме під ваші цілі 🙌

Дивіться який класний мем на лінкедині знайшла.
Сподобався 😁

Чому люди місяцями вивчають Data Analytics, але не можуть отримати перший офер? 🤔

На мою думку, цей перехід обумовлений тим, що на більшості курсах вчать лише теорії і роботі з іграшковими, майже ідеальними для роботи даними. І ось цей перехід від вивчення інструментів до самостійної аналітичної роботи лишається найскладніший для початківців.

На перших технічних інтерв’ю здебільшого вирішує ваше мислення, а не тільки знання з конкретних інструментів.

Що змінюється, коли ви починаєте мислити як аналітик?

👉 Замість запиту «що порахувати?» з'являється запитання «що ми хочемо з'ясувати?»

Припустимо, інтернет-магазин зафіксував падіння продажів на 15%.

Можна одразу побудувати графік і показати динаміку. Але це лише перший крок. Щоб зрозуміти причину, потрібно розкласти показник на складові: кількість відвідувачів, конверсію в замовлення, середній чек. А далі вже перевірити, чи однаково змінилася ситуація в різних каналах, категоріях товарів і періодах.

На кожному етапі виникають нові запитання, а наступний крок залежить від попередніх результатів.

SQL допомагає отримати дані, Python – провести глибший аналіз, Power BI – показати закономірності. Проте послідовність дослідження визначає сама аналітична задача.

👉 Тому навчальні задачі мають готувати до роботи з НЕідеальними даними

У навчальному завданні зазвичай зрозуміло, з якими даними працювати й до якого результату потрібно прийти. У реальній роботі вихідні дані можуть бути неповними, показники – неоднозначними, а запит від команди – сформульованим дууууже загально.

Наприклад, маркетингова команда хоче зрозуміти, чому зросла вартість залучення клієнта. Аналітику потрібно уточнити, як саме рахують витрати й залучених клієнтів, за який період порівнювати показники та чи змінилася якість трафіку.

Тобто ви не тільки маєте правильно написати код, а й перевірити припущення, зрозуміти обмеження даних і пояснити, наскільки обґрунтованим є висновок.

Цей підхід я заклала в основу курсу «Аналітик даних + AI»

Студенти послідовно опановують Excel, SQL, Python, Power BI та AI-інструменти, працюють над практичними проєктами з “брудними” даними й отримують деталізований зворотний зв'язок від кураторів після виконаного ДЗ. 

👉 Такі НЕтипові проєкти мають потрапляти у ваше портфоліо

Дашборд може виглядати бездоганно, а код – працювати без помилок. Але що саме роботодавець дізнається про вас із цих матеріалів?

Сильний проєкт (наприклад, повний аналіз даних маркетплейса або ж дослідження поведінки користувачів онлайн-платформ) дає змогу простежити весь процес: яку проблему ви взяли в роботу, які дані використали, чому обрали конкретний метод, що виявили та які рекомендації можете запропонувати на основі результатів.

Ну і ➕ ви точно підготуєтеся до співбесіди під час створення таких проєктів, бо навчитеся пояснювати власні рішення, обговорювати альтернативні підходи й аргументувати висновки. 

На результат також впливають вимоги конкретної вакансії, рівень конкуренції, якість резюме, портфоліо й те, як кандидат презентує свій досвід.

Тому пошук роботи варто включати в план навчання заздалегідь: аналізувати вакансії, визначати вимоги до Junior Data Analyst, співвідносити їх зі своїми навичками й тренуватися пояснювати рішення на прикладах власних проєктів.

Вчитеся аналітиці самостійно і не знаєте, куди рухатися далі?
Залишайте➕ у коментарях.

Ми з командою розберемо ваші цілі та підкажемо, як саме вам побудувати системне навчання без втрати часу!

*консультація абсолютно безкоштовна 👀

ЗБЕРІГАЙТЕ ЦЮ ДАТУ 🔥

22.10 о 19:30 за Києвом ми зустрінемось на безкоштовний вебінар «АНАЛІТИК ДАНИХ У 2027: ПРОФЕСІЯ, ЯКУ НЕ ЗАМІНИТЬ AI»

Що саме ми розглянемо під час вебінару?

✅ чи реально змінити професію після 30, 35 і навіть 40 років
✅ чи реально знайти першу роботу зовсім початківцю у 2027 році і що для цього потрібно
✅ що конкретно робить аналітик даних у компаніях і за що йому платять гроші?
✅ чому аналітика – одна з найстабільніших і найперспективніших ролей в ІТ навіть на фоні AI
✅ які навички реально потрібні для старту в Data Analytics і як їх здобувати без витраченого часу та сил
✅ на яку зарплату можна розраховувати в перший рік після старту та як буде змінюватись ваш дохід в наступні 2–3 роки
✅ що я робила і рекомендую робити своїм студентам, аби швидше вийти на офер в ІТ і стабільний дохід

Якщо ви вже давно придивляєтеся до IT, але не знаєте, з чого розпочати — цей вебінар для вас. 

Ми розберемося, чи підходить вам аналітика даних і які кроки варто зробити далі.

💻 Участь безкоштовна, потрібна лише реєстрація ОСЬ ТУТ
📅 22 жовтня о 19:30

Чекаю на вас! 😉

Натрапила на цей пост і прямо кожне слово відгукнулося 👏

По-перше, круто бачити рекрутерів, які справді розуміють технічну глибину AI, а не просто шукають ключові слова))

По-друге, я якраз нещодавно у своєму відео піднімала цю тему: просто підключити API від ChatGPT і повернути відповідь юзеру – це ще не AI-інжиніринг.

Справжній AI-інжиніринг починається там, де з'являється масштаб (10+ тисяч юзерів) і реальні проблеми бізнесу:

❌ Коли юзери юзери можуть почати використовувати ваш сервіс замість своєї платної підписки на чат GPT. І для цього треба промптами обмежувати їх таке використання.

❌ Коли зростає latency (затримка відповіді) і люди просто йдуть

❌ Коли бот починає плутати дати, ціни чи галюцинувати, коли розповідає, наприклад, про послуги компанії

AI-інженер працює з RAG, агентами, evaluation, моніторингом у продакшені та оптимізацією витрат.

Бачити, що ринок і рекрутери шукають саме таких людей – це любоввв ✨

Скільки заробляє Junior Data Analyst? 👀

І чи реально отримати офер на $1 000+, якщо раніше ви взагалі не працювали з даними?

Подивімося на цифри й історії тих, хто вже пройшов цей шлях 👇

Які зарплати в Україні?

За даними DOU за червень 2026 року, медіанна зарплата Junior Data Analyst становить $900-1 200.

На старті пропозиції можуть бути й нижчими, наприклад, $700-900. Багато залежить від компанії, вимог до кандидата, його практичних навичок і попереднього досвіду.

Якщо ви вже працювали в іншій сфері, цей досвід теж може стати в пригоді. Особливо якщо у вашій роботі були цифри, звітність, дослідження або пошук закономірностей.

Деякі наші випускники теж починали без ключових навичок в аналітиці, але завдяки вже наявним знанням з інших сфер, змогли отримати конкретні результати:

1️⃣ Євгенія Русакова: + $600 після переходу з технічного спеціаліста для онлайн курсів на позицію Data Analyst.

«На новій роботі я зрозуміла, що інакше почала підходити до задач — читати формули крок за кроком, розбиратись як рухається показник і як можна спростити рішення»

2️⃣ Владислав Кійченко: +25% до ЗП після закінчення курсу «Аналітик даних + АІ».

«Перед курсом я мав класичне комбо сумнівів: "Чи вийде у мене?" та "Чи не замінить аналітиків ШІ?".

Тепер знаю точно: знання та база, які дає Data Loves Academy, плюс навичка роботи з ШІ – це мегакрута суперсила. Саме вона дає тобі величезну перевагу на співбесідах, навіть коли у твоєму резюме ще немає комерційного досвіду»

3️⃣ Маргарита Лещук: + 20% до доходу в державній службі

«Я починала свій шлях з повного незнання пайтон, навіть маркдаун був для мене чимось космічним. Тепер це те, що я використовую щодня і можу нагенерувати купу ідей для покращення і оптимізації роботи»

Що з роботою на іноземні компанії?

Віддалена робота на міжнародному ринку може давати змогу заробляти більше. Але тут немає єдиної зарплати для всіх джунів: усе залежить від компанії, країни, формату співпраці та вимог до кандидата.

Для таких вакансій часто потрібна англійська на рівні, достатньому для робочого спілкування, а також готовність виконувати технічні завдання й пояснювати свої рішення на співбесіді.

А як зрозуміти, на яку зарплату можете претендувати САМЕ ВИ?

На це впливають і знання SQL та Python, і розуміння бізнес-контексту, і навіть те, як ви презентуєте свої проєкти. Наприклад, на співбесіді можуть попросити пояснити, чому ви обрали певний спосіб аналізу, як перевірили результати та які висновки зробили. Звісно, що кандидат, який вміє це пояснювати – матиме більшу цінність на ринку.

Якщо ви теж придивляєтеся до аналітики даних, варто заздалегідь розібратися, які навички потрібні для старту і чи реально це зробити з вашим досвідом.

З цим ми можемо допомогти на безкoштовній консультації.
Після неї вам буде простіше скласти план навчання й розуміти, куди рухатися.

Пишіть ➕, щоб отримати всі деталі 👇🏼

“Буде складно, і я впораюся”: як дисципліна та підтримка перетворюють початківця на Data Analyst?

Найкращий показник якісного навчання – це момент, коли людина щиро каже: “Так, тепер я можу називати себе аналітиком даних”.

Навіть незважаючи на те, що в кожного з новачків своя стартова точка: хтось уже вчив SQL, а хтось майже не працював із формулами в Excel. 

Тому я завжди наголошую, що все залежить від того, наскільки ви готові викладатися на самому курсі.

Подивіться, як змінилося відчуття власної цінності у нашої студентки Інни Полякової з 10-го потоку “Аналітик даних + АІ” за 8 місяців навчання 👇

Точка 🤍

✅ Практично відсутній досвід роботи з Excel/Google Spreadsheets (навіть із базовими формулами). З інструментів раніше лише поверхово знала SQL.
✅ Майже не мала уявлення, що таке аналіз даних.
✅ Була готова виділяти 20 годин на тиждень, ретельно занотовувати лекції, повторювати за викладачем, виходити на зідзвони та додатково підтягнути англійську.

Точка 🤍

✔️ З'явилося чітке та впевнене відчуття: “Я – аналітик даних”.
✔️ Отримала якісну базу та фундаментальні знання, через які отримала підвищення доходу на 44%!
✔️ Настільки полюбила процес та академію, що вирішила не зупинятися на базовій аналітиці й одразу пішла далі на наш курс із “Machine Learning & AI Engineering”!

“Дуже вдячна Ганні та кураторам за це навчання. Я отримала дуже цінні знання, підтримку, відчуття, що я можу робити складні речі – це точно позитивно вплинуло на мою самооцінку”.

Тож коли є системна програма, фідбек від менторів та ваші 20 годин фокусу на тиждень – складні речі ТОЧНО стануть зрозумілими.

А якщо ви бажаєте так само – пишіть ➕ і моя команда проконсультує вас щодо обраного напряму 🤗

ОГОЛОШУЮ БЛАГОДІЙНИЙ ЗБІР з НРКастом х DOU! 🔥

Час об'єднуватися й діяти! ⚡️

З командою Data Loves Academy приєднуюсь до збору НРКастом х DOU на Наземний Роботизований Комплекс "Верблюд"

Наша ціль – 25 000 ₴!

UPD: за годину ми зібрали 25 тис грн! Тому вирішили подвоїти СУМУ! Збираємо 50 тис на РНК "Верблюд"

Найголовніше – це допомога хлопцям і дівчатам на фронті. Але ми хочемо віддячити кожному з вас за підтримку, тому підготували круті бонуси! 🎁

За БУДЬ-ЯКИЙ донат (хоч 1 ₴ - мінімальної суми немає!)

Ви отримуєте доступ до мого живого майстер-класу “AI-аналітик особистих фінансів з Claude” (+ доступ до запису на 1 місяць)!

👉 Коли? 26.10.2026 о 19:00 (2 години).

Для кого? Для всіх від 16 до 60+ років без досвіду в ІТ чи фінансах і без технічної освіти!

Що буде на МК?

Робота з Claude для аналізу банківських виписок, побудова Excel-таблиць витрат, автоматичне планування бюджету, оптимізація токенів та виявлення помилок AI.

Як результат, ви отримаєте готовий інструмент для власних фінансів та навички аналізу даних через AI!

За кожен донат від 300 ₴: ви отримуєте 1 шанс виграти MacBook Pro M5 у межах розіграшу від DOU! (Більше донатів по 300 ₴ = більше шансів забрати MacBook!)

А за НАЙБІЛЬШИЙ донат збору:

Я проведу особисту 1-годинну консультацію з вашого запитання на вибір:

⚪️ Початок роботи в ІТ
⚪️ Куди розвивати карʼєру в ІТ
⚪️Розвиток особистого бренду 

Як долучитися та забрати бонус?

1️⃣ Переходьте за посиланням на банку Mono та робіть свій донат: https://send.monobank.ua/jar/8eUKecCdby 

2️⃣ Надсилайте скріншот підтвердження в дірект @data_loves_academy в інст

3️⃣ Отримуйте посилання на закритий чат МК!

Кожна гривня має значення! Давайте закриємо цей збір максимально швидко та підставимо плече нашим захисникам! 🇺🇦

Яку ІТ-професію обрати саме вам?

Хочу сказати одну просту річ: не гоніться за хайпом, бо це прямий шлях до вигорання ще на етапі навчання 🙃

Почати треба з того, що вас МЕНШЕ ДРАТУЄ робити щодня. Бо робота з даними різна:

👉 Є Data Analytics: тут вам доведеться дивитися, чому продажі впали саме сьогодні і куди зникають гроші в бізнесі? Дата-аналітики проводять A/B- тестування та різноманітні аналізи. Будують звіти, на основі яких надають компанії рекомендації щодо прийняття необхідних рішень. Вони допомагають зрозуміти поведінку клієнтів, оптимізувати бізнес-процеси та підвищити ефективність маркетингових кампаній.

👉 AI Engineering – це спеціаліст, що зосереджений на інтеграції моделей та застосуванні в продукті. Йому підвладна розробка АІ в межах конкретного програмного рішення. Він шукає відповідь на запитання, як створити штучний інтелект.

👉 Data Science – для тих, хто любить математику, шукати приховані зв'язки і будувати моделі, які передбачають майбутнє. На основі історичних даних ви будете створювати МL-моделі, нейронні мережі та прогнози. Ці моделі дозволяють автоматизувати процеси, передбачати майбутні тенденції та приймати більш точні та ефективні рішення. Data Scientists використовують складні алгоритми та техніки для аналізу великих обсягів даних, і таким чином зможете виявляти приховані закономірності та взаємозв’язки.

👉 Software / ML Engineering – якщо вам цікаво розробляти моделі, щоб вони витримували тисячі запитів на секунду і не ламались від великої к-ті юзерів. ML Engineer відповідає за супровід моделей машинного навчання від досліджень та експериментів аж до їх впровадження у виробництво. Вони зосереджуються на створенні масштабованих систем машинного навчання, що легко підтримуються та забезпечують реальну бізнес-цінність.

І головне, про що майже всі мовчать, але я скажу)) Ваш бекграунд у маркетингу, фінансах чи навіть продажах – це величезний плюс для першої роботи в IT. Програмування можна вивчити за кілька місяців, а от розуміння бізнесу зсередини робить вас сильними спеціалістами (доведено моїми студентами)👌

Якщо хочете розібратися, як вам стартувати в ІТ і чи треба це взагалі – пишіть ➕у коментах 👇

Що вам дасть сильна база з SQL + Python? 👇

Коли я тільки-тільки починала вивчати Python, SQL і роботу з даними, у мене була одна велика проблема:

Я взагалі не розуміла, за яку саме тайтл-назву у вакансіях мені хапатися. Всюди вимагають цього базису, але ролі абсолютно різні.

З часом і досвідом я зрозуміла одну річ: знання цієї бази – універсальний ключ. З ним можна розвиватись в 4 різних напрямах.

Насправді головне – це обрати ту професію, де вам реально буде кайфово працювати щодня. Інакше все навчання пройде дарма))

1️⃣ Data Analyst, якщо подобається обробляти історичні дані

Використовуючи Python і SQL, ви шукаєте відповіді на питання “Що сталося і чому?”. Наприклад: чому впали продажі, які користувачі приносять найбільше прибутку чи куди краще вкласти бюджет. Це найкоротший шлях, щоб показувати компаніям, як заробляти більше.

2️⃣ Data Scientist, якщо хочете передбачати майбутнє

На цій самій базі ви вчитеся будувати алгоритми, які прогнозують поведінку людей. Наприклад, які пісні порадити користувачу в Spotify або який клієнт збирається скасувати підписку наступного місяця.

Якщо ви дуже азартна людина, яка хоче тестувати свої рішення для бізнесу – вам сюди.

3️⃣ ML Engineer, якщо ви більше програміст за духом))

Тут ті ж знання Python і даних переходять у інженерні рішення. Ви тренуєте моделі й загортаєте їх у потужний код, щоб системи працювали миттєво й не ламалися, навіть коли на сайт заходять мільйони людей.

4️⃣ AI Engineer, якщо хочете бути on the same page з трендами в ІТ

Найдинамічніший напрям зараз! Використовуючи базу коду та даних, ви інтегруєте штучний інтелект у реальні продукти: створюєте розумних асистентів, автоматизуєте рутину й будуєте AI-сервіси.

Це все реально ТІЛЬКИ з базою Python + SQL! І ви вже стаєте затребуваним спеціалістом із можливістю вибору професію.

А якби вам треба було обрати свій напрям просто зараз, що б ви обрали?

Якщо досі не знаєте відповідь – пишіть ➕ і ми вас проконсультуємо)

Ви взагалі пам’ятаєте, що я виступаю на WAWtech by DOU у Варшаві?!

Вже 26-27 листопада я буду розказувати всю жорстку правду про створення свого додатку SQLGuru.

А ще: той самий справжній вайбкодинг, і про те, як виживати, коли вся команда – це «я + я + ще трошки я» 😅

І ми з командою вирішили: ну як я можу поїхати сама без вас?))

Тому ми РОЗІГРУЄМО 5 промокодів на ЗНИЖКУ 50% на квитки WAWtech by DOU! 🎁 

*Діє і на Regular, і на Pro!

Умови максимально прості. Усі деталі ми зібрали в Inst 👈

Результати будуть протягом тижня. Промокоди діють до 26 листопада, але квитки просто тануть, тож встигніть позмагатися за свій! 😉

Боже, як я хочу побачитися з вами у Варшаві! Будемо розбирати AI і просто кайфувати від виступів! Хто зі мною? ❤️

Наскільки реально зайти в МL, якщо вам 30,40,45+?
Ще й як можливо!

Ваш вік – це просто така суперсила, ви не уявляєте ❤️

Скільки наших студентів стартували в 30-40+ і вже активно працюють і рухають індустрію вперед)) Але я проти казок про легкий вхід в сферу і успішний успіх. Тож щоб цей перехід дійсно стався, треба з адекватністю оцінити всі “за” і ”проти”:

По-перше, з яким досвідом ви стартуєте. Якщо ви вже працювали в IT (QA, аналітика, розробка) – вам відверто простіше, бо ви знаєте базу. Якщо ви заходите в МЛ з фінансів, логістики чи інженерії – ви вже розумієте, як працюють гроші та бізнес. Вам пояснити задачу НАБАГАТО простіше, ніж людині взагалі без жодного досвіду в 20+.

По-друге, У ML не вийде проскочити на копіюванні відповідей із Claude. Доведеться розібратися з Python, базовою математикою, SQL і розумінням, як модель взагалі запускається в продукті.

По-третє, скільки часу ви готові виділяти на навчання. У всіх є робота, родина, побут. Тому я розумію, що вчитися днями безперервно не вийде, і це ок. Але виділити свої 8-12 годин на тиждень і регулярно кодити – це MUST. Система дуже важлива. 

Ну і звичайно треба буде попрацювати з его. Навіть якщо ви зараз керуєте відділом або маєте високий статус у своїй професії, у ML доведеться на якийсь час знову стати джуном. Досвід допоможе швидко вирости далі, це факт, але обійняти керівні посади з нуля ви не зможете. 

Утім є і інший шлях: наприклад, використати нові навички як підсилення для поточної професії. В нас була студентка, яка скористалась новими навичками і стала лідом в своїй сфері. Тож не зупиняйтеся на досягнутому ніколи))

Вік нічого не вирішує. Вирішує тільки те, чи є у вас ресурс і бажання включитися в роботу.

І якщо ви маєте таке бажання – дуже чекаю на вас на курсі. Сьогодні – останній день, коли можна долучитися до 6-го потоку «Machine Learning & AI Engineering».

Я не обіцяю вам легкого шляху, але дам чітку базу, дійсно класну, експертну перевірку домашніх завдань менторами та і реальні проєкти в портфоліо, які ви сміливо зможете показати роботодавцю 

Пишіть ➕ у коментарі або в дірект і ми зв'яжемося, скинемо програму і чесно підкажемо, куди краще рухатися саме з вашим досвідом 🙌

Кому я НЕ раджу йти в ML? 🛑

Зараз довкола AI багато хайпу, і здається, що це «легка професія з високими чеками». 

Але я за чесний відгук про ML.

Тож щоб ви не витрачали свій ресурс даремно, я поділюся: кому підійде та НЕ підійде мій курс:

❌ Тим, хто чекає швидкого результату за кілька тижнів. Опанувати ML з нуля або вирости до продакшн-рівня вимагає часу, системності та фокусу.

❌ Тим, хто не хоче багато практикуватися. Якщо ви просто хочете подивитись лекцію під каву на фоні – ви не досягнете тут успіху. Тут потрібно писати код і працювати з даними ЩОДНЯ.

❌ Тим, хто не готовий шукати першопричини. Моделі постійно галюцинують 🤷 Якщо вас дратують такі рутинні таски – буде важко.

❌ Тим, хто боїться коду та даних. Python, SQL, математичні метрики та алгоритми – це ваші щоденні робочі інструменти.

Кому цей шлях ТОЧНО підійде: 

✅ Ви хочете системно перейти в AI/ML і шукаєте системний шлях 
✅ Ви готові інвестувати час у практику і розумієте, що сильні навички будуються через реальні задачі.
✅ Ви прагнете створити портфоліо, за яке не буде соромно перед техлідами та рекрутерами.
✅ Ви хочете змінити вектор кар'єри (з розробки, QA, аналітики чи навіть нетехнічної сфери) і мати більший дохід. Я теж свого часу обрала ІТ саме за це, тому чудово вас розумію))

Зараз діє остання можливість приєднатися до 6-го потоку курсу «Machine Learning & AI Engineering».

Набір закривається вже сьогодні (10.10), а наступний потік за цією програмою буде аж у 2027 році.

Якщо ви впізнали себе в другій категорії й готові працювати на результат – чекаю на вас на курсі. Ваш час – дорогоцінний ресурс, і я його дуже ціную. 

Пишіть➕у коментарі, щоб отримати детальний план програми та забронювати своє місце!

Як зробити свою версію вірусного ролика з котиком-лицарем 🐈⚔️

Зі своєю історією. Де маленька дівчинка — це ви в дитинстві. Доросла жінка, яка вкриває її плащем, забирає меч і натомість дає іграшку, — ви зараз 🤍

ІНСТРУКЦІЯ

До поста прикріплюю:
• першим — відео-референс (треба буде завантажити при генерації);
• другим — котика з різних ракурсів для створення маленького персонажа.

Ще знадобляться ваше дитяче фото, актуальне фото та зображення іграшки. Можна взяти улюблену іграшку з дитинства 🧸

Модель використовувала Seedance 2.5

1. Готуємо персонажів

ПРОМПТИ ДЛЯ ЦЬОГО ЕТАПУ СКИНУ НИЖЧЕ

Спочатку створюємо два окремі зображення: себе в дитинстві та себе дорослу в обладунках.

Для дитячої версії я завантажила в ChatGPT своє дитяче фото та попросила перенести обладунки й позу з референса котика, зберігши мої риси обличчя. Деякі моделі можуть не пропустити фото людини, наприклад, Nano Banana не пропустив.

Для дорослої — своє фото й референс обладунків. Тут раджу знайти власний, щоб створити свого персонажа. Або можна заскрінити мій з відео вище.

Важливо одразу вказати параметри: повний зріст, природні пропорції, обличчя як на фото, плащ обов’язково. Для обох персонажів — однаковий колір металу. Ну, мені було то важливо))

Якщо додаєте кілька зображень для генерації, поясніть роль кожного: звідки брати обличчя, звідки — обладунки, а звідки — позу. Інакше АІ може взяти рандомно що захоче звідки захоче.

2. Збираємо відео в Higgsfield

Можна в іншій мережі для генерації відео, але я кориснуюсь Higgsfield, в мене річна підписка.

Завантажуємо відео-референс і три зображення: сбее дитину, себе дорослу та іграшку.

Обираємо формат 4:3 і тривалість 15 секунд.

У промпті прив’язуємо ролі до відповідних референсів: відео задає сцену, вітер і рух камери, а зображення — зовнішність персонажів та іграшки.

3. Прописуємо дії по секундах

ПРОМПТ В КОМЕНТАРІ ДАЛІ 👌

На початку дитина налякана, мружиться від вітру й тримає меч вістрям угору.

Доросла підходить, дивлячись на дитину, присідає та турботливо вкриває її голову краєм свого плаща. Потім забирає меч і дає іграшку.

Доросла випрямляється, дитина притуляється до неї головою. Наприкінці доросла встромляє меч у землю, камера віддаляється, а вітер продовжує розвівати плащ.

4. Деталі, на яких я витратила кілька спроб (і годин) 😅

В МОЄМУ ПРОМПТІ ТО ВСЕ ВЖЕ Є

— «Обличчя має бути видно» модель може зрозуміти як «дивитися в камеру». Тому прописуємо: персонажі дивляться одне на одного.

— «Накрити плащем» може перетворитися на фату на голові дорослої. Уточнюємо: плащ кріпиться до її плечей, його край накриває голову дитини, голова дорослої відкрита.

— «Мружиться» може по-різному — типу як страшно, чи типу просто затуляє очі. Потрібні конкретні реакції: здригається від поривів, стискає меч, напружує плечі, тривожно визирає між поривами.

— Зовнішність краще довести до бажаного результату ще на картинках: перевірити обличчя, зріст, пропорції та колір очей.

Оригінальну музику найнадійніше додати вже під час монтажу.

Повний промпт для відео та промпти для підготовки персонажів залишу в коментарях 👇