Сергей Тимакин поступил на «Бизнес-информатику» в РУТ МИИТ с суммарным баллом ЕГЭ 225 — по его собственной оценке, средний результат для хорошиста. Профильной математической школы за плечами не было. Поворотным моментом стал второй курс: после знакомства с базами данных он быстро освоил SQL и почти случайно отправил резюме на позицию стажёра по BI-отчётности в МГТС. Первый же отклик обернулся оффером и полноценной 40-часовой рабочей неделей параллельно с очной учёбой.
В МГТС Тимакин проработал около десяти месяцев, освоив инструменты формирования BI-отчётности и построения аналитических витрин. На третьем курсе он перешёл в MWS, потратив на поиск около 20 откликов и три собеседования. Там он занимался capacity-отчётностью — построением дашбордов и работой с разнородными источниками данных. По его словам, именно в MWS он начал становиться специалистом, а не просто исполнителем задач. Гибридный график — три дня удалённо, два в офисе — позволял посещать нужные пары без потери производительности. После более чем года в MWS последовал переход в Озон.
К четвёртому курсу Тимакин столкнулся с проблемой, знакомой многим практикующим аналитикам: рутинные задачи перестают давать профессиональный рост, а объективную оценку своей работы внутри компании получить сложно. Перед ним встал выбор между органическим ростом внутри работодателя и структурированным обучением в профильной магистратуре. Он выбрал второе — и подал заявление в онлайн-магистратуру НИЯУ МИФИ, запущенную совместно с Яндекс Практикум по программе «Специалист по работе с данными и ИИ».
За два года сменил три компании: МГТС → MWS → Озон, каждый раз повышая уровень задач.
Программа построена полностью дистанционно: лекции и практические занятия синхронизированы через Яндекс Календарь, записи хранятся на Яндекс Диске, организационный чат ведётся в корпоративном мессенджере Пачка. Система оценивания прозрачная: в начале семестра кураторы — по одному от МИФИ и от Яндекса — озвучивают проходные баллы и дедлайны. После открытия последнего задания по теме у студентов есть более двух недель на его выполнение.
Наиболее показательна практическая часть. Задания по машинному обучению проходят в соревновательном формате на Kaggle: студенты работают с реальными датасетами — от месторождений нефти до стоимости услуг репетиторов — исследуют данные, генерируют признаки и сравнивают модели в лидерборде. Отдельный блок по Python включал создание двухсервисной системы LLM-консультаций: студенты реализовывали интеграцию с OpenRouter через API и строили интерфейс на базе телеграм-бота. За первый год программы охвачены математическая статистика, теория вероятностей, базовый и продвинутый Python, A/B-тестирование и классические алгоритмы машинного обучения.
История Тимакина отражает более широкую тенденцию на рынке: спрос на аналитиков данных с практическим опытом стабильно высок, однако конкуренция на стажёрские позиции за два года заметно выросла — сам он признаёт, что повторить свой первый оффер с единственного отклика сегодня было бы значительно сложнее. Онлайн-магистратуры от технологических компаний в партнёрстве с вузами становятся для работающих специалистов альтернативой очному обучению: они дают структуру и академический статус без необходимости жертвовать занятостью.
