Rusteam · Rusteam · Jun 24, 2020 · Jun 18, 2020 · Jun 20, 2020 · Jun 20, 2020
diff --git a/404.html b/404.html
@@ -1,6 +1,6 @@
 ---
 permalink: /404.html
-layout: default
+layout: post
 ---
 
 <style type="text/css" media="screen">
@@ -20,6 +20,5 @@
 <div class="container">
   <h1>404</h1>
 
-  <p><strong>Page not found :(</strong></p>
-  <p>The requested page could not be found.</p>
+  <p><strong>Страница не найдена :(</strong></p>
 </div>
diff --git a/_includes/nav.html b/_includes/nav.html
@@ -0,0 +1,5 @@
+<nav style="display: flex; flex-direction: row; justify-content: space-around;">
+	<a href="/">Главная</a>
+	<a href="/about">Об авторе</a>
+	<a href="#mc_embed_signup">Подписаться</a>
+</nav>
diff --git a/_includes/subscribe.html b/_includes/subscribe.html
@@ -0,0 +1,27 @@
+<!-- Begin Mailchimp Signup Form -->
+<div id="mc_embed_signup">
+<form action="https://github.us10.list-manage.com/subscribe/post?u=fca409e29bab69cb5b90aa126&amp;id=9e8221085c" method="post" id="mc-embedded-subscribe-form" name="mc-embedded-subscribe-form" class="validate" target="_blank" novalidate>
+    <div id="mc_embed_signup_scroll">
+	<h2>Подписаться на новые посты</h2>
+<div class="mc-field-group">
+	<h3>Вариант 1:</h3>
+	<label for="mce-EMAIL">Email:</label>
+	<input type="email" value="" name="EMAIL" class="required email" id="mce-EMAIL">
+</div>
+	<div id="mce-responses" class="clear">
+		<div class="response" id="mce-error-response" style="display:none"></div>
+		<div class="response" id="mce-success-response" style="display:none"></div>
+	</div>    <!-- real people should not fill this in and expect good things - do not remove this or risk form bot signups-->
+    <div style="position: absolute; left: -5000px;" aria-hidden="true"><input type="text" name="b_fca409e29bab69cb5b90aa126_9e8221085c" tabindex="-1" value=""></div>
+    <div class="clear"><input type="submit" value="Отправить" name="subscribe" id="mc-embedded-subscribe" class="button">
+</div>
+    </div>
+		<div>
+			<br>
+			<h3>Вариант 2:</h3>
+			<a href="https://t.me/artintelligence" target="_blank">Перейти в Телеграм-канал</a>
+		</div>
+</form>
+</div>
+
+<!--End mc_embed_signup-->
diff --git a/_layouts/home.html b/_layouts/home.html
@@ -5,8 +5,11 @@
 <html>
 <head>
 	<title>{{ site.title }}</title>
+
 </head>
 <body>
+	{% include nav.html %}
+	<hr>
 
 	{{ content }}
 
@@ -20,8 +23,10 @@ <h3><a class="post-link" href="{{ post.url }}">{{ post.title }}</a></h3>
 	      <hr>
 	    {% endfor %}
 	</div>
-
-
-	{% include footer.html %}
+
+	<hr>
+	{% include subscribe.html %}
+	<br>
+	{% include nav.html %}
 </body>
 </html>
diff --git a/_layouts/post.html b/_layouts/post.html
@@ -8,12 +8,18 @@
 			<title>{{ site.title }}</title>
 		</head>
 		<body>
+			{% include nav.html %}
+			<hr>
+
 			<div class="container">
 
 			{{ content }}
 
 			</div><!-- /.container -->
-
-			{% include footer.html %}
+
+			<hr>
+			{% include subscribe.html %}
+			<br>
+			{% include nav.html %}
 		</body>
 	</html>
diff --git a/_posts/2019-04-30-ocr.md b/_posts/2019-04-30-ocr.md
diff --git a/_posts/2019-07-25-distinct-count.md b/_posts/2019-07-25-distinct-count.md
diff --git a/_posts/2020-05-01-start.md b/_posts/2020-05-01-start.md
diff --git a/about.markdown b/about.markdown
@@ -0,0 +1,64 @@
+---
+layout: post
+---
+
+## Обо мне
+
+<img src="/assets/images/me.jpg" alt="me" style="width:100px; height: 100px; float:left; border-radius: 50%; margin: 10px;">
+Меня зовут Рустем Галиуллин. Работаю в сфере Data Science и реализую проекты с использованием технологий машинного обучения. Обладаю опытом работы со структурированными данными и анализа неструктурированной информации: текста, изображений и видео.
+
+Я решил посвятить этот блог статьям о своих проектах для продукт-менеджеров, аналитиков и управленцев. В сети много материала с детальными техническими подробностями алгоритмов, которые будут полезны техническим экспертам, или маркетинговых статей в популярных медиа – для широкой публики. Этот блог может стать чем-то средним для людей, которые заинтересованы в применении технологий машинного обучения в своих проектах, но необязательно умеют или хотят программировать.
+
+#### Опыт работы
+
+- _2019 - по н.в._ Ведущий специалист Data Science, место - ОАЭ. Проекты связаны с анализом текстовых и медиа-данных из открытых источников информации
+- _2019_ - Инженер-исследователь компьютерного зрения, место - Москва. Разрабатывал алгоритмы для обработки изображений и видео
+- _2017-2019_ - Специалист Data Science, место - Казань, Россия. Решение задач, связанных с обработкой структурированных больших данных
+
+#### Обучение и курсы
+
+- Специлиазация Deep Learning [deeplearning.ai](https://www.deeplearning.ai/deep-learning-specialization/) (2018)
+- Курс Deep Learning [Udacity](https://classroom.udacity.com/courses/ud730) (2018)
+- Вводный курс [Analytics Edge](https://www.edx.org/course/the-analytics-edge) (2016)
+- Магистратура [University of Arkansas](https://www.uark.edu), "Экономика и информационные системы" (2016)
+- Бакалавриат [Казанского федерального университета](https://kpfu.ru), "Бухучет, анализ и аудит" (2014)
+
+## О рабочих процессах
+
+Здесь хочу поделиться некоторыми взглядами на реализацию проектов, которые я выработал за последние несколько лет.
+
+#### Scrum и машинное обучение
+
+Я часто слышу от самих дата-саентистов и тех, кто утверждает, что разбирается в профессии: скрам не применим в исследовательской работе. Они говорят, что разработка алгоритмов и весь исследовательский процесс не предсказуем и никак не может уложиться в двухнедельные спринты.
+
+Наиболее частые проблемы, которые я наблюдал при таком подходе, – люди, ставившие задачи не могли получить ответ о сроках и скоупе работы. Часто финальный результат не совпадал с изначальными ожиданиями заказчика. Это легко себе представить: мировоззрение исследователя отличается от мировоззрения продукт-менеджера.
+
+Я настаиваю на том, что применять скрам можно и нужно. Если саентисту описать пользовательскую историю и ожидаемый результат, то ему будет намного легче понять, какие методы применить можно, а какие нельзя. Какие будут ограничения и как в итоге будет использоваться обученная модель.
+
+Да, невозможно обещать определенный уровень точности алгоритма или построения всего пайплана, начиная от сбора данных, завершая оценкой обученного алгоритма к концу спринта. Но можно определить методы и шаги, которые необходимо сделать в течение спринта, - это уже более четкая постановка задачи, на которую может "подписаться" дата-саентист.
+
+| Плохие примеры     | Хорошие примеры  |
+| :------------- | :------------- |
+| Улучшить алгоритм распознавания лиц      | Применить _center loss_ при обучение модели распознавания лиц |
+| Исследовать алгоритмы анализа тональности текста | Собрать датасеты, метрики и подходы для обучения алгоритма анализа тональности |
+
+Описание задач в этом случае не звучит как фича для пользователей. Однако дает исполнителю понять, какие результаты от него ожидает команда.
+
+#### Netflix команды
+
+Мне близка идея отношения между специалистами по модели _Netflix_. Их подход утверждает:
+> "мы не семья, мы - команда!"
+
+Это означает, что ты не обязан относится к членам команды, как к членам семьи, т.е. любить и поддерживать несмотря ни на что. Наоборот, команда разработчиков похожа на футбольную команду: в ее составе должны играть лучшие. Вся команда заинтересована в достижении результата. На основе этого происходит перераспределение бонусов и ресурсов. Заказчики требуют от членов команды результатов выше средних по рынку, и за это дают соответствующие вознаграждения.
+
+#### Как стать дата саентистом?
+
+Наиболее частый вопрос. Видимо он связан с некоторым хайпом вокруг профессии. Думаю не бывает, что человек занимается чем-то совсем иным, затем резко решает освоить новые навыки программирования, статистики и математики и идет работать специалистом по машинному обучению. Чаще происходит по следующему сценарию: работая в смежной специальности, возникает необходимость применения методов машинного обучения или статистики, проявляется интерес и вовлеченность. Дальше возникает желание изучить эту дисциплину поглубже.
+
+Действенный способ достижения успеха в какой-то сфере описан в книге ["So Good They Can't Ignore You"](https://www.amazon.com/Good-They-Cant-Ignore-You/dp/1455509124). Автор утверждает, что подход _"бросить все и следовать мечте"_ таит множество подводных камней и в корне неправильный. Напротив, _Cal Newport_ предлагает другой алгоритм достижения успеха: полюбить то, чем занимаешься и научиться делать это лучше. Затем начать копить карьерный капитал и контролировать  свой карьерный путь. В какой-то момент твоя ценность для работодателя значительно превысит его уровень его предложения.
+
+## Контакты
+
+- <a href="https://t.me/rusteam11" target="_blank">Telegram</a>
+- [Email](mailto:rustemgal@gmail.com)
+- <a href="https://github.com/Rusteam" target="_blank">GitHub</a>
diff --git a/assets/images/me.jpg b/assets/images/me.jpg