Перейти к контенту
Quantoros
Войти

Quantoros / личное менторство

ML через
практику.

ML / Data Science / Python / C++ / CUDA

Реальные данные, проекты и личный разбор решений. Для первой работы в ML, перехода из разработки и следующего шага в карьере.

Обсудить менторство Как устроено обучение

Первый ознакомительный созвон бесплатно.

Модели / исследование / практика
Machine LearningData ScienceML EngineeringQuant Research

Обо мне

От разработки
к ML и Quant

Я Даниил, работаю в prop trading. Мой путь — от Python-бэкенда к ML и Quant. В европейских стартапах занимался аналитическими системами и видеоаналитикой.

На менторстве делюсь этим опытом через проекты на реальных данных. Вместе строим модели, проверяем гипотезы и доводим решения до результата.

Помогал ученикам получать офферы в ML/AI-команды. Готовлю к техническим интервью, в том числе на английском. Учимся разбирать задачи, объяснять свои решения и уверенно обсуждать проекты.

Около 4 000 € в месяц до налогов — средняя зарплата в ML по кейсам моих учеников.

Профиль на 2R Мой Telegram-канал
Даниил — ментор Quantoros
Quantoros01 — Mentor
ДаниилPython → ML → Quant
Prop trading / исследования / разработка
Практический опыт. Личная работа.

С какой задачей можно прийти

Первая работа

Собрать техническую базу, сделать проекты и подготовиться к первой позиции в Python или ML.

Переход в ML

Использовать опыт разработки и освоить то, чего не хватает для работы с данными и моделями.

Следующая позиция

Закрыть пробелы, систематизировать опыт и подготовиться к более сильным командам.

Как проходит работа

От данных
до своего решения

В основе обучения — работа над проектами. Реальные данные с Kaggle и авторские задачи из моего опыта: от подготовки данных и первой модели до экспериментов и оценки качества.

Теорию разбираем по ходу практики: чтобы выбрать метод, понять ошибку или улучшить решение. Каждую тему сразу применяем в коде, без долгого погружения в абстракции.

  1. Выбираем цель и проект

    Отталкиваемся от твоего опыта и интересующих вакансий. Подбираем проект и собираем последовательность спринтов с конкретным результатом в каждом.

  2. Работаем с данными

    Работаешь над задачами с Kaggle и авторскими проектами на основе моего опыта. Готовишь данные, строишь первую модель, проводишь эксперименты и сравниваешь результаты.

  3. Разбираем и улучшаем

    Вместе смотрим код, метрики и ошибки. Проверяем, можно ли доверять результату, обсуждаем другие подходы и дорабатываем решение. Здесь же разбираем нужную теорию.

  4. Готовимся к интервью

    Учимся объяснять решения и защищать выводы на своих проектах. Дорабатываем резюме, проводим пробные интервью и разбираем обратную связь от компаний. При необходимости — на английском.

Между встречами можно присылать вопросы, код и промежуточные результаты. В кабинете — текущий спринт, материалы и критерии готовности. Прогресс и обратная связь сохраняются там же.

Пример спринта

Из backend-разработки в ML / 02

Логистическая регрессия и выбор модели

Выполнено следующее ДЗ Zoomcamp: модель converted, оценка признаков и выбор регуляризации по validation accuracy.

Бинарная классификация · One-hot кодирование · Взаимная информация · Логистическая регрессия · Отбор признаков и регуляризация

DataTalks.Club / Задание курса

ML Zoomcamp 2025 · Homework 3, вопросы 1–6

EN
  • Data preparation; Questions 1–2: мода industry и корреляции
  • Split the data; Question 3: mutual information только по train
  • Question 4: one-hot и LogisticRegression baseline
  • Questions 5–6: feature elimination и пять значений C
Открыть практику: ML Zoomcamp 2025 · Homework 3, вопросы 1–6, в новой вкладке
Результат спринта

0 / 4 выполнено

Программа

Что будем
разбирать

Программа зависит от твоего уровня и цели. Уже знакомые темы пропускаем, пробелам уделяем больше времени.

Основное направление

ML / Data Science

  • Python, алгоритмы и работа с данными.
  • Математика и статистика для выбранной позиции.
  • Классическое ML, метрики и проверка моделей.
  • Kaggle, авторские проекты и разбор решений.
  • Deep Learning и Computer Vision по задаче.
  • Технические интервью и обсуждение проектов.

02

Python

  • Программирование и качество кода.
  • Алгоритмы и структуры данных.
  • Практические задачи и проекты.
  • Интервью под выбранные вакансии.

03

Карьера и интервью

  • Резюме и представление реального опыта.
  • Пробные и реальные собеседования.
  • Подготовка на английском.
  • Поиск российских и зарубежных позиций.
Quant / HFTОтдельное направление

Для тех, кто хочет двигаться в Quant Research или инженерные роли в торговых компаниях. Состав подготовки и требования к базе обсуждаем отдельно.

Quant Research. Вероятность, статистика, алгоритмы, исследовательский процесс и Python.

Инженерные роли. C++, низколатентные системы. CUDA и специализированные задачи по конкретной цели.

Формат и стоимость

Формат работы

Личное менторство

Регулярная совместная работа над твоей подготовкой: от текущего уровня до выбранной технической цели.

  • Личные созвоны, обычно раз в неделю
  • Индивидуальный план и обратная связь между встречами
  • Kaggle и авторские проекты на реальных данных
  • Разбор кода, проектов и технических задач
  • Пробные интервью, резюме и поиск работы
  • База материалов и общая группа менти
Обсудить менторство

Без коммерческого опыта

Предоплата 30 000 ₽ + постоплата по договору

или Предоплата 20 000 ₽ + постоплата по договору

С опытом или при смене специальности

Предоплата 30 000 ₽ + постоплата по договору

или Предоплата 60 000 ₽ + постоплата по договору

Расчёт постоплаты и порядок платежей фиксируем в договоре до начала работы.

Возврат предоплаты

Можно запросить частичный возврат предоплаты. Из суммы вычитается стоимость уже пройденного материала и времени нашей работы. Условия и порядок расчёта закреплены в договоре.

Разовая работа

Для конкретного запроса. Первый ознакомительный созвон бесплатный и не заменяет полноценную консультацию.

Пробное техническое собеседование
10 000 ₽
Консультация по конкретному запросу
10 000 ₽
Разбор и доработка резюме
15 000 ₽

Перед началом

Частые вопросы

Можно начать без коммерческого опыта?

Да. Начинаем с текущего уровня и строим подготовку под первую работу. Срок заранее не обещаем.

Подойдёт ли менторство, если я уже работаю?

Да. Можно подготовиться к следующей позиции, закрыть пробелы или перейти в ML из другой разработки.

Как часто проходят встречи?

Обычно раз в неделю. Конкретный ритм согласовываем.

Можно готовиться к зарубежным интервью?

Да. Работаем с резюме, представлением проектов и техническими интервью на английском.

Есть ли фиксированная программа и срок?

План индивидуальный. Темп зависит от стартового уровня, цели и времени на подготовку.

Как сочетаются теория и практика?

Основная работа — проекты на реальных данных: задачи на Kaggle и авторские проекты из моего опыта. Теорию разбираем, когда она нужна для задачи, и сразу применяем в коде. Лекции и тексты доступны в кабинете, а решения и ошибки обсуждаем вместе.

Можно ли вернуть предоплату?

Да, можно запросить частичный возврат. Из предоплаты вычитается стоимость уже пройденного материала и времени нашей работы. Условия и порядок расчёта закреплены в договоре.

Что происходит после оффера?

По договорённости сопровождение может продолжиться после выхода на работу, в том числе во время испытательного срока.

Первый шаг

Обсудим
твою задачу

Напиши, какой у тебя опыт, куда хочешь двигаться и что сейчас мешает. На первом созвоне разберём, как можно построить подготовку.

Написать в Telegram

Личный Telegram · @oudser