Опыт менторства на Yandex Camp по ML выявил ключевые проблемы в управлении студенческими проектами. Несмотря на высокий уровень мотивации участников, команды сталкивались с дезорганизацией: критичные задачи затягивались, кодовые компоненты плохо интегрировались, а капитаны часто не брали на себя функцию координаторов. Это приводило к ночным переработкам и усталости.

Автор отмечает, что эффективнее распределять по 5 студентов на одного ментора и расширить его роль до тимлида — с код-ревью, написанием связующего кода и решением «бутылочных горлышек». Предлагается фокус на инженерных навыках и воспроизводимости результатов вместо «гонки за метриками». Важными факторами названы: модульная архитектура кода, строгая типизация (например, Pyright strict), ускорение цикла обратной связи и грамотная организация окружения (VM, доступы, SSH, Github).

Критика затронула и технические аспекты: JupyterLab признан неэффективным для крупных проектов, студентам рекомендуют работать через IDE и Linux. Отмечены организационные ошибки — нехватка гайдов по настройке среды, задержки с квотами GPU, использование неподходящих носителей (HDD вместо SSD). Автор подчеркивает важность правильной постановки задач и обмена опытом, а также предлагает формулировать темы проектов так, чтобы они учились инженерным практикам, а не только росту метрик.