Сон, Хайнлайн и тупые шутки: 5 неочевидных способов не бросить Data Science

В интернете гуляет шутка, что научиться программировать так же легко, как перевести часы. Солнечные. Через дорогу. На испанский. Примерно так я и чувствовала себя, когда решила зайти в Data Science.

Последние десять лет я работаю с текстами и лайфстайл‑контентом. То есть профессионально нахожусь по ту сторону статей «10 способов не выгореть», «Как сохранить мотивацию» и «Почему важно разбивать большую цель на маленькие шаги». Я прекрасно знаю этот набор: составьте план, занимайтесь регулярно, хвалите себя за прогресс, не сравнивайте себя с другими, не забывайте отдыхать. И самое неприятное — эти советы действительно работают.

Но где‑то между линейной регрессией, матрицами, первым проектом, градиентным бустингом и кодом, который вчера работал, а сегодня почему‑то решил начать новую жизнь, я обнаружила проблему: чтобы выдержать длинный марафон обучения Data Science, стандартного набора мне недостаточно.

Потому что иногда дело не в дисциплине. Бывает так, что ты прилежно сидишь перед ноутбуком уже третий час и всё равно не понимаешь ни строчки. А ещё периодически после недели, в которую ты наконец почувствовала себя почти разумным человеком, открывается следующий спринт — и выясняется, что предыдущая неделя была просто вводной разминкой перед настоящим унижением. В крайних ситуациях хочется не «правильно организовать обучение», а закрыть ноутбук, завернуться в одеяло и никогда больше не произносить слово sklearn.

Входные данные для захода в ДС у меня были так себе, но я не бросила. Не потому, что обнаружила в себе железную волю или научилась вставать в пять утра. Просто постепенно собрала собственный набор приёмов, которые помогают мне продолжать, когда привычная мотивация уже закончилась. Некоторые из них выглядят довольно странно. Например, пойти спать. Почитать Хайнлайна. Превратить непонятный алгоритм в идиотскую шутку. О них и будет эта статья.

Не понимаешь — отойди от ноутбука

Один из главных страхов гуманитария, который заходит в Data Science, звучит так: «Ну всё, сейчас начнутся формулы, и меня попросят на выход». У меня было примерно так же.

Побороть этот страх помогла Барбара Оакли с книгой «Думай как математик». Одна мысль там повторяется настолько настойчиво, что начинаешь подозревать: автор знает, как именно ты учишься.

Если долго бьешься над задачей, раздражаешься и просто водишь глазами по знакомым строчкам, усиливать нажим бессмысленно. Оакли советует бросить задачу на время и переключиться.

Она пишет о двух режимах мышления: сфокусированном и рассеянном. В первом мы сознательно ковыряем задачу палочкой. Во втором уходим пить чай, а мозг без лишнего начальства продолжает что‑то переставлять у себя на складе.

Раньше я считала непонятую формулу личным вызовом: надо сидеть до победного. Через полтора часа формула всё ещё не сдавалась, зато я уже успевала разочароваться в математике, собственном интеллекте и местами в цивилизации.

Теперь маркер простой: если третий круг чтения абзаца не дал новых знаний, четвертый вряд ли подарит озарение. Пора пройтись, поесть, переключиться или лечь спать.Сон вообще оказался одним из самых недооцененных учебных инструментов. И это не только мое впечатление: сон связан с консолидацией новой информации. 

Образ студента, который ночью сидит над конспектами с кофе и взглядом героя Достоевского, почему‑то считается романтичным. Но после тридцати, когда весь рабочий день и так состоит из текстов, цифр и решений, недосып быстро превращает обучение в сеанс спиритизма: смотришь в код и ждешь, когда смысл явится сам.

У меня это работает почти пугающе наглядно. Вечером новая тема не собирается: термины знакомые, слова русские, а смысла между ними не завезли. Утром открываю тот же материал — и уже узнаю понятия, вижу связи, понимаю, куда двигаться дальше. Мне нравится думать, что за ночь информация впитывается в мозг, как размягченное масло в теплый хлеб. Вчера лежала сверху отдельным холодным куском. Сегодня уже часть бутерброда.

Дневной сон слишком большая роскошь, поэтому в обед я включаю треки с пометкой power nap: десять‑двадцать минут с закрытыми глазами, слушаю инструкции психолога, расслабляюсь и в конце готова к новым вызовам и победам.

Если после этого задача, которую я час безуспешно бодала, вдруг начинает решаться, значит, это была не прокрастинация. Это был апдейт системы.

Собери свою систему поддержки

В ноябре, когда всё только начиналось, я взяла маленький камень, написала на нём «Всё могу» и положила рядом с ноутбуком. Он там до сих пор лежит.

Я человек довольно скептический, поэтому подозреваю, что карьеру в Data Science мне всё‑таки строит не камень. Гораздо полезнее сомнительного декора стола оказались две фразы, которые я придумала себе.

В первые месяцы я говорила: «Сначала всем сложно. Давай ещё поучимся и посмотрим, что будет дальше. Стрёмно бросать, толком не попробовав». Примерно с мая аргументация поменялась: «Ты уже больше половины прошла. Теперь стрёмно и жалко бросать после всего, что сюда вложено».

С точки зрения учебника по мотивации вторая фраза вообще подозрительно напоминает ловушку невозвратных затрат. Но мне она помогает — и это, пожалуй, главное. Потому что универсальные «ты справишься», «поверь в себя» и «путь в тысячу ли начинается с первого шага» лично у меня вызывают скорее желание закатить глаза. А эти фразы работают, потому что они мои. Я точно знаю, на какую кнопку они нажимают именно во мне.

На камне, кстати, написано «Всё могу» только потому, что он маленький. Если бы рядом со столом помещался булыжник весом в полтонны, я бы выгравировала на нём мысль Джордана Элленберга из «Как не ошибаться». Он сравнивает освоение знания с камнем у моря, до которого постепенно добирается прилив. Сначала вода вообще не достаёт. Потом касается края. Потом накрывает всё чаще. И однажды камень, который стоял на суше, оказывается уже частью моря.

С Data Science у меня происходит примерно так же. Первый раз видишь «линейную регрессию», «градиентный бустинг» или какой‑нибудь cross_val_score — это чужая штука из учебника, к которой хочется подходить в защитных перчатках. Потом термин встречается ещё раз. Потом ты используешь его в проекте. Потом ошибаешься. Потом чинишь ошибку. Потом объясняешь кому‑нибудь другому — и внезапно обнаруживаешь, что страшное слово уже давно живёт у тебя в голове без регистрации и даже платит коммуналку.

Большинству тем, разумеется, недостаточно попасться на глаза один раз. Им нужно пять, десять, пятнадцать встреч. И когда очередная тема кажется мне совершенно непроходимой, я стараюсь не требовать от себя немедленного понимания. Возможно, это просто первая волна ещё не докатилась до камня.

Превращай непонятное в образы

Я не открыла Америку и не изобрела мнемотехнику, когда решила превращать страшное и непонятное в яркие образы, которые вызывают хоть какую‑то эмоцию кроме желания закрыть урок.

Всё началось со слова «стохастический». Я увидела его в учебнике — и почему‑то перед глазами немедленно возник Ктулху. Не спрашивайте. Вот так работает мой мозг. Тогда я решила не сопротивляться и превратить обучение в игру, а себя — в ДС‑воина. Созвучие аббревиатуры будущей профессии с любимой вселенной супергероев довольно быстро довело идею до логического финала: комиксов.

Так началась эпопея Маши в созданных ИИ картинках. В ней precision превратился в охранника‑параноика, который лучше десять раз не пустит своего, чем пропустит чужого. А бэггинг я запомнила через семейство Бэггинсов: много хоббитов собираются вместе, голосуют по важному вопросу — и коллективное решение обычно надежнее мнения одного особенно самоуверенного родственника.

И это оказалось гораздо полезнее, чем просто перечитывать определения. Когда термин привязан к смешной сцене, персонажу или собственной дурацкой ассоциации, он перестает быть стерильной строчкой из учебника. В следующий раз я вспоминаю сначала параноика‑охранника или собрание хоббитов — а за ними подтягивается и смысл.

Постепенно таких образов накопилось столько, что я стала складывать их в отдельный канал. Но дело здесь не в канале и даже не в комиксах. У кого‑то вместо них будут мемы, схемы цветными ручками, стишки, песни или совершенно неприличные ассоциации, которые точно нельзя показывать преподавателю.

Главное — перестать считать, что сложную тему обязательно нужно запоминать на том языке, на котором ее написал учебник.

Не можешь учиться — оставайся рядом

Списки литературы «по теме» давно не вызывают у меня того восторга, что в пятом классе. Но и иллюзий, что одного курса хватит, чтобы однажды проснуться великим дата‑сайентистом, у меня нет. Поэтому я пошла на компромисс: начала с книг, которые больше похожи на развлечение, чем на продолжение учебы.

Первой была цветастая «Статистика и котики», после которой слово «дисперсия» перестало звучать как диагноз. Потом — уже упомянутый Джордан Элленберг с «Как не ошибаться», который показывает, что математика вообще довольно нагло расползается по обычной жизни: от вероятности опоздать на самолет до ошибок, которые мы совершаем, подделывая данные.

Следом пришел Сет Стивенс‑Давидовиц с «Все лгут» и Big Data в самой человеческой форме. Например, в соцсетях женщины охотно называют мужей «зайками» и «лучшими друзьями», а для поисковика используют нелицеприятные определения для супругов — вплоть до «почему мой муж придурок». Оказывается, ДС может пересекаться с психологией и социологией, и именно этот стык стал интересовать меня сильнее всего. 

А потом я вообще добралась до Хайнлайна. «Чужак в чужой стране» формально к Data Science отношения не имеет, зато подарил миру слово «грокать» — понимать что‑то настолько глубоко, что оно становится частью тебя. Да и главный герой, человек, выросший на Марсе и пытающийся разобраться в нелогичном человечестве, временами подозрительно напоминает мне ИИ, которому выдали нашу цивилизацию без документации.

В итоге даже отдыхаю я теперь как‑то околодээсно. Но в этом как раз и есть польза. Если сегодня я не способна еще раз посмотреть на GridSearchCV, то ещё могу прочитать десять страниц книги или посмотреть короткое видео. А ещё можно позависать в тренажере с давно пройденным материалом, чтобы одновременно получить удовольствие, от того, что всё просто и «помочь синтаксису поприлипать к пальцам». Последнее выражение не моё, но оно мне очень нравится.

Так Data Science постепенно перестает быть местом, куда я каждый вечер прихожу учиться. Он становится средой, в которой я живу.

Дозируй истерики

Я учусь уже десять месяцев и всё равно периодически впадаю в панику. У моего мозга даже есть плейлист избранных хитов: «Я пошла учиться слишком поздно», «Ниша заполнена, джунов как собак нерезаных», «Я ничего не понимаю, только делаю вид» и бессмертная классика «Придется понижать когорту». Мне эти песни давно надоели. Мозг почему‑то считает, что они прекрасно выдерживают репит.

Поэтому мы заключили соглашение: истерить можно, но дозированно. Не больше пяти раз за спринт и максимум по пятнадцать минут. В такие моменты я примерно как тот суслик из мема: внешне просто стою, внутри ору. Потом время выходит — и становится легче.

Пожалуй, главное, что я за эти месяцы поняла: мне вообще не обязательно каждый день доказывать себе, что решение пойти в Data Science было гениальным. Я не собираюсь завтра найти работу на 800 тысяч, послезавтра стать великим дата‑сайентистом, а к пятнице спасти человечество удачно подобранной моделью.

Сегодняшняя задача гораздо скромнее. Открыть следующую главу. Узнать что‑нибудь новое. Получить еще один инструмент, который вчера казался магией. Может быть, заметить еще одну связь, которую раньше не видела. И понемногу тренировать мышление, которое за эти десять месяцев действительно стало другим — более внимательным к данным, причинности, случайности и слишком красивым объяснениям.

Наверное, в этом и заключается мой главный способ не бросить Data Science. Не требовать от себя постоянно хотеть учиться и не ждать, что страх однажды исчезнет. Мне можно паниковать. Уставать. Иногда разрешаю себе даже лежать лицом в подушку и драматично сообщать мирозданию, что градиентный бустинг победил.

Единственное правило — не принимать в эти пятнадцать минут решений о собственном будущем. Потому что паника всегда говорит голосом последней ошибки: «Вот видишь, ты не понимаешь. Значит, не поймешь никогда». А десять месяцев учебы говорят совсем другое. 

Мне не нужно сегодня быть твердо уверенной в том, что я обязательно стану отличным дата‑сайентистом. Мне достаточно открыть следующий урок. Потом еще один. И однажды обнаружить, что очередное страшное слово, перед которым я вчера стояла на берегу, уже давно стало частью моего моря.

А если по дороге опять накроет — ничего страшного.

Пятнадцать минут на истерику у меня еще есть. Но на то, чтобы сдаться, — нет.