Все отзывы о KARPOV.COURSES

Проходил курс по MLOps. Являюсь Team Lead Data Scientist, уже 6 лет в Data Science, был и линейным разработчиком, а также уже года 3 лижу команды. Тема MLOps для меня всегда была актуальна. Часто в компаниях работали с чем было, и главное, чтобы как-то было, но всегда было интересно, а «как надо» и к чему надо стремиться. Курс позволил ознакомиться с общими практиками и подходами к MLOps, а также пощупать кое-что руками. Я бы не сказал, что курс дает возможность сразу стать MLOps специалистом, но дает хороший обзор того, что существует, а тот кто заинтересуется может уже сам подробнее углубиться в каждую тему. За это курсу спасибо дал больше систематизации. Однозначно буду применять в работе, по необходимости буду инициировать введение необходимых MLOps практик у себя в компании и в команде в частности Читать далее...

Успешно прошел обучение на курсе «Системный аналитик». Рекомендую пройти всем желающим. Отличное соотношение качество/ цена. Предварительно можно ознакомится с платформой, пройдя несколько уроков на бесплатном симуляторе SQL. Курс помог развить новые навыки в системном анализе и изучить новые инструменты, программы и онлайн-ресурсы на практических уроках. Очень интересно было выполнить финальное задание, которое помогло закрепить знания и практический опыт от школы karpov. courses Читать далее...

Очень много в работе сталкивалась с MLOps задачами, решила подтянуть свои знания в этой области. Был хороший разбор работы от получения данных до мониторинга модели. Курс полезный, если вы работаете и в исследовательской команде (можно пользоваться MLFlow, DVC), так и если вы выводите и поддерживаете уже готовые модели (Docker, CI/CD, evidently). Не хватило погружения в докер, многое пришлось самостоятельно изучать. Был небольшой разбор FastAPI, я на тот момент не владела этим инструментом — это меня замотивировало позже погрузиться в разработку. Материал объясняют понятно (да в курсе в общем-то не было особенно каких-то сложных вещей). Плюс — хорошая инстраструктура: имеешь доступ к серверу через ssh и все делаешь там, очень удобно. Все домашки сдаешь в гитлабе. Поддержка работала быстро. В общем, работать в этой среде было удовольствие. Курс небольшой, не успеваешь выгореть Читать далее...

Для новичка в аналитике, я считаю оптимально. Очень насыщенная первая часть (Python), дальше чуть легче. Мне помогло разобраться и спустя пару месяцев после окончания устроиться продуктовым аналитиком в очень крупную компанию. Если это важно, мой бэкграунд — сильный технический вуз, но не ИТ. Модуль по Airflow был слишком сжатым, на мой вкус, в остальном топ. Курс советую всем новичкам, начинающим свой путь в аналитике и не имеющим бэкграунда в этой сфере. Мне помогло в трудоустройстве Читать далее...

Данный курс был куплен работодателем нашей команде аналитиков, чтобы все имели одинаковую базу. Я этому очень обрадовалась, т. К. Хотелось быть уверенной, что обладаю всеми «базовыми» знаниями и навыками для работы, и восполнить их в случае отсутствия. Закончила прохождение в июле 2025 г. Курс полностью оправдал ожидания. Основные плюсы: 1) Курс идет в ногу со временем — добавлен AI помощник Ева, которой можно задавать любые вопросы по теме в любое время суток, и отвечает она очень даже качественно. Ева в данном курсе заменила для меня поддержку и общение в чате, что считаю плюсом, т. К. Отвечает она моментально, не приходилось ждать вообще. Плюс можно раскрутить диалог, обсудить смежные темы 2) Курс основан на реальных рабочих задачах и примерах, все задачи действительно встречаются на работе, нет чего-то супер теоретического, что в реальности не применяется. С самого начала курс погружает в рельную работу аналитика, много практических заданий 3) Курс хорошо структурирован, объяснения доступны для понимания, даны ссылки на доп. Полезные материалы по каждой теме 4) Собраны и промечены по темам все Q& A сессии (вопросы от учеников и ответы преподавателя) с ведущим курса — а это очень много часов дополнительных видео лекций помимо основных материалов, где собраны как раз самые насущные вопросы от учеников, что супер полезно послушать 5) Платформа работала без сбоев Что в какой-то степени можно считать минусами: 1) Дизайн платформы — черно-оранжевый, однако это вкусовщина, которая никак не влияет на качество материала и работу платформы. Чисто на мой женский вкус кажется не самым приятным глазу дизайном 2) В курсе не разбирался z-тест (насколько я помню), который считается «базовым знанием». Однако в видео по Q& A сессиям он обсуждается, поэтому также не является чем-то критичным. В заключении хочу сказать, что точно рекомендую пройти курс тем, кто хочет быть уверен в своих базовых знаниях и навыках по АБ-тестам! Читать далее...

Проходить обучение по курсу StartML начал в феврале 2025 года. На тот момент умел уже писать код на питоне на уровне решения средних задач на литкоде и имел хорошее техническое образование (но не в IT сфере). Изначально, вдохновился примером коллеги с работы, который прошел курс от Яндекса и попал в Сбер, курс покупал с целью разобраться в теме и, если понравится поменять работу. Впечатления о курсе у меня отличные, много новой и полезной информации дается уже с самого начала, материал понятный, при желании во всем можно разобраться быстро, вплоть до блока про АБ тесты никакой математики, сложнее производных практически нет, а там где есть, курс скорее ориентирован на качественное объяснение сути и дальнейшее применения без больших математических выкладок (например про PCA рассказывалось именно так). Политика курса относительно поддержки/переноса дедлайнов очень гибкая. Отдельно хочу поблагодарить Юлию Рожкову, она на протяжении всего курса поддерживала, а в самый сложный момент для меня очень сильно помогла, спасибо ей! В целом, курс — отличный способ на начальном этапе влиться в машинное обучение. Из минусов могу отметить лишь работу поддержки на финальных проектах. Изначально обозначалось, что на фин. Проекте отвечать будут минимум сутки и предлагалось нам проявлять больше самостоятельности, так в принципе у всех и было, но ближе к концу задания, когда я уже написал основной алгоритм решения, а качества все равно не хватало, поддержка мне так и не смогла указать, что же я делаю не так, куда больше мне помогло общение с ребятами с моего потока. На вопрос в духе «У меня не получается это и это, не знаю как правильно написать то-то и то-то» спустя сутки получать ответ «Там же в задании написано как надо» немного странно и бесполезно на мой взгляд. Еще минус: курс записывался в 22 году, то есть 3 года назад, но это вроде уже исправили и обновили до Start ML 2.0. Читать далее...

После успешного прохождения курса «Инженер машинного обучения» (тоже у karpov. courses), Я решил закрепить свои знания и взять Симулятор DS для решения наиболее близких к бизнесу задач. Во-первых, хочу отметить, что задачи очень разнообразны: там можно найти практически все — от классического ML до DL/AI задач с трансформерами из различных отраслей: будь то банкинг, маркетплейсы, доставка и многое другое. Также там можно найти и задачки на AB-тесты, что тоже супер. Это именно те кейсы, которые не найдешь в открытом доступе, и это главная ценность симулятора. Что особенно понравилось: 1. Подготовка к задачам. Очень круто, что перед каждым кейсом есть теоретический материал именно под эту задачу. Не нужно часами гуглить — прочитал конспект и уже понимаешь, с чем предстоит работать. 2. Поддержка экспертов. Помощь приходит быстро, ответы развернутые и по делу. Чувствуется, что тебе действительно помогают разобраться, а не просто формально закрывают вопрос. 3. Полная свобода выбора. Это просто огонь! Не нравятся легкие задачи или неинтересна тематика? Сразу переходишь на сложные (Hard) кейсы или в другую отрасль. Можно собрать себе траекторию под собственные интересы и цели. Есть небольшой момент для развития платформы: Иногда перед задачей дают список ссылок на внешние материалы с формулировкой «необходимо изучить». В таких случаях не всегда понятен нужный объем и фокус. Куда комфортнее, когда весь ключевой материал структурирован и представлен прямо на платформе, как это сделано в большинстве модулей. Это экономит время и позволяет сразу погрузиться в решение. Как итог, симулятор однозначно рекомендую всем, кто хочет перейти от учебных датасетов к реальным бизнес-проблемам. Это лучшая практика из доступных на рынке (по крайней мере на мой взгляд). Читать далее...

На момент начала курса я имела опыт 3 года в аналитике данных, но хотелось расширить свою экспертизу в Data Science: нередко необходимо взаимодейтсвовать в работе со специалистами в этой области, пересекаются стек и задачи. Ожидания полностью оправдались, а именно: курс делает упор на практику, и поэтому можно подходить к его изучению следующим образом: рассматривать теоретическую часть курса как вводную и уже самостоятельно изучать/вспоминать теорию по лекциям на Youtube, например, как делала я. Таким образом, потребность в более глубокой теории можно удовлетворить самостоятельно, ребята курса задают направление. НО: практическая часть курса — действительно полезна и многие вещи, которые я ранее не использовала в своей работе, я использую сегодня, именно благодаря опыту, приобретенному на курсе. Курс дает разнообразный и Огромный плюс курса — практика в инструментах, косвенно связанных с ML, но очень полезных: python (у меня появилось новое хобби — решение задач на Leetcode, вместо шахматных задачек), разбор принципов ООП, git, написание DAG для Airflow, в целом полезные советы и демонстрация best practices, чтобы придя на работу, не сделать откровенный кринж. Мне было увлекательно, я вопринимала прохождение курса как приключение, во время которого иногда встречаются трудности, иногда открытия, новый опыт. А поддержка от куратора и экспертов во время прохождения всегда поможет решить любую проблему, ответить на вопрос, супер доброжелательно. Ставлю лайк и 10/10. Читать далее...

Прошла обучение на курсе Аналитик данных с 20.02.25 По 13.08.25. Курс длится 5 месяцев, но с учетом майских и немного пропущенных мной дедлайнов получился чуть дольше. На курс шла уже с опытом работы в ИТ в роли проджект менеджера и пониманием, что именно делает аналитик. Хотела приобрести hard skills. Взаимодействие с куратором и поддержкой происходит в отдельной системе — Пачке, что удобно, тк в тг и так хватает групп и каналов. Обучение строится из разных модулей — python, sql, статистика, визуализация и тд с доступом в соответствующие инструменты. В каждом модуле около 10 уроков, каждый включает в себя видео+конспект+теор вопросы+практика. И так по три урока в неделю (на модуле питона 2 в неделю). Задания практические интересные, для меня были решаемые, но сложные. Поддержка подсказывает при необходимости. Дедлайны с запасом в 2 недели. Динамика обучения высокая с учетом еще что я работаю. День в день уроки проходить не успевала. Мои выводы: -многие заходят на обучение, не посмотрев программу, не посмотрев, кто такой аналитик данных, а потом удивлялись сложности. Изучите, почитайте, какие системы/модули/темы будут в курсе. -Нужно подготовится к марафону в 5 месяцев. Идеально — прийти немного подготовленным с некоторыми знаниями по питону, sql -нужно будет еще раз пройти задания самой, чтобы лучше закрепить знания. Благо доступ к урокам остается. И дополнительно на бесплатных тренажерах Карпова потренироваться. Знания и курс мне точно понравились! Разбирали даже юнит-экономику, что мне-ка менеджеру было полезно! Курс однозначно рекомендую как базовый/начальный в этой сфере Читать далее...

Буквально недавно закончил обучение на курсе StartML (Инженер машинного обучения). Курс длится 8 месяцев. Курс состоит из 5 модулей: 1. Питон + необходимые библиотеки и сторонние программы (Airflow, git, numpy, pandas, jupyter и т. Д.) 2. Классический ML 3. DL (Обзорный модуль) 4. A/B Тесты и статистика 5. Собеседования и как их проходить (немного про алгоритмы, вопросы по теорверу с собеседований) Курс проходил параллельно с работой (работаю в другой сфере, с IT никак не связан). Поскольку это был первый опыт в сфере, было очень тяжело. Менеджер, с которым общался при продаже курса, обещал, что в первом модуле научат всему необходимому программированию. Но у меня так не случилось, из-за этого очень сильно отставал. После каждого модуля есть каникулы (примерно 7 дней). Поскольку я отставал, за каникулы было время догнать программу. После первых четырех модулей сдавали проект по пройденному материалу. Проект — рекомендательная система для социальной сети. Проекты и домашки загружались в ЛМС. Все коммуникации в курсе проходили через приложение «Пачка». Куратор присылал анонсы вебинаров и другую организационную информацию. Это не всегда было удобно — иметь дополнительное приложение, где нужно было отслеживать информацию. Отдельное спасибо куратору — Юлии! Всегда на связи, поможет перенести сроки, спросит, как дела. Переодически проходили «Чаепития» — собирались учатники курса с преподавателями и обсуждали актуальные вопросы (собеседования, технологии и т. Д.) Я покупал курс на «Черную пятницу» и поэтому имел право на возврат 50% стоимости курса. Для этого необходимо вовремя сдать первые три проекта (без переноса) и набрать суммарное количество баллов за курс больше 80%. За курс можно получить налоговый вычет — менеджеры прислали все документы для передачи их в налоговую. Курс StartML хороший, я бы однозначно его порекомендовал, но не новичкам. Нужно получить хорошую базу по Python, запасаться временем и учить. Всем удачи! Читать далее...

Пришла практически без технического фона, но материал объясняется настолько понятно и структурированно, что даже с нуля реально всё освоить. Все построено на практике, то что много заданий, которые приближены к реальным задачам аналитика, а не просто теория ради теории. Особенно понравился блок по SQL, наконец-то разобралась в том, что раньше казалось сложным. Также было интересно работать с Python, визуализациями и дашбордами. Преподаватели объясняют доступно, без перегруза терминами, и всегда можно задать вопросы менторам или в чате, отвечают быстро и по делу. Темп курса интенсивный, но очень увлекает. Постоянно чувствуешь прогресс, и это мотивирует не сдаваться. По итогу портфолио, четкое понимание профессии и уверенность в себе. Если вы хотите сменить профессию и ищете качественный курс, поэтому однозначно рекомендую. Читать далее...

Недавно я прошла обучение на курсе StartML от школы Karpov. Courses. До начала обучения у меня был средний уровень SQL и опыт работы с Python, но хотелось глубже разобраться в машинном обучении. Курс полностью оправдал мои ожидания: много практики, содержательные финальные проекты в каждом блоке и отличная структура — от теории к применению. Отдельно хочу отметить поддержку: эксперты быстро отвечали и давали развёрнутые комментарии к домашним заданиям. Куратор всегда была на связи, помогала с организационными моментами и поддерживала на протяжении курса. Материалы поданы логично и последовательно, задания варьируются по уровню сложности, и всегда можно было обратиться за помощью. Этот курс — отличный выбор для тех, кто хочет начать путь в Data Science и ML. Моя оценка — 10 из 10. Однозначно рекомендую! Читать далее...

Обучение на курсе StartML в школе Karpov. COURSES Началось 16 января, завершается 1 августа. До начала курса у меня уже был небольшой опыт в аналитике данных — я работал с Excel, SQL и немного с Python, но всё это было скорее на уровне любопытства и экспериментов. Целью обучения для меня было получить крепкие знания в области машинного обучения, понять, как устроены современные ML-процессы, и подготовиться к собеседованиям. Хотелось пройти структурированный путь от теории до практики. Портфолио здесь собрать не так трудно, поскольку каждый раздел курса, а их тут было 5, где в 4 из них есть финальный проект, где задания довольно серьезного уровня. Ожидания от курса оправдались на 10 из 10. Было много полезного материала: задачи, код, разбирали реальные кейсы. Понравились модули про А/Б тесты, подготовку к собеседованиям и само ML — направление — там чувствовалась актуальность и прикладная направленность. Заданий много — легких, сложных, но тут не стоит переживать, потому что если есть вопросы, то на помощь придет команда КС. Поддержка со стороны экспертов курса была отличной — ответы приходили оперативно, комментарии к домашним работам были содержательными, даже с рекомендациями по улучшению кода. Не мало важным плюсом является то, что за каждой группой закрепляется куратор, который также играет важную роль в процессе учебы, он поможет с организационными вопросами учебы, всегда напомнит про сроки сдачи финальных проектов, поможет с увеличением сроков дедлайнов, да и просто напишет и поинтересуется как у тебя дела, все ли в порядке с успеваемостью, даст ободряющий совет и мотивации на продолжения обучения. Контент курса мне понравился — он логично структурирован, материал подаётся последовательно, от простого к сложному. Общее впечатление от курса — положительное. Это отличный старт для тех, кто хочет войти в сферу Data Science или Machine Learning, но не знает, с чего начать. Оценка курса: 10 из 10. Готов ли я порекомендовать этот курс другим? — Да, с уверенностью! Читать далее...

Я начала обучение в январе 2025. У меня уже было базовое представление об SQL и совсем немного о синтаксисе Python. Курс мне кажется очень осмысленным, довольно последовательным. Для комфортного освоения я бы посоветовала заранее пройти на Степике курс Анатолия по статистике и тренажёры по SQL и Python — так будет гораздо проще. Есть как видео-лекции, так и подробные конспекты к каждому уроку. За неделю открывается 2–3 новых урока, дедлайн на выполнение заданий по ним — две недели. Темп довольно высокий, но если начать сразу, то можно идти даже немного с опережением. Этот курс позволяет трижды перейти на следующий поток, то есть, по сути, откатить дедлайны на месяц назад. Я в итоге воспользовалась всеми тремя переводами. Дедлайны можно не соблюдать — просто лично мне комфортнее учиться в спокойном темпе, когда я знаю, что мне не нужно нагонять 3–4 домашки. На данный момент я прошла SQL, Python, Git, тервер и статистику и начала продуктовый модуль. Уже сейчас понимаю, что могу отточить уже полученные на курсе знания и искать работу. Если смотреть на описание вакансий, в курсе дают ровно то, чего ждут работодатели Читать далее...

Проходила курс с декабря 2024 по июль 2025 Курс затрагивает все базовые аспекты связанные с ML, начиная с Python и заканчивая DL и А/В тестированием. На курсе 4 основные модуля, каждый модуль ведет разный преподаватель. Первые два модуля (Python и классический ML) воспринимаются легче, материал хорошо структурирован, раскрыт, преподаватели доходчиво преподносят материал. Считаю, что именно эти модули основные для новичка в профессии и достаточно хорошо раскрыты на курсе. Так же стоит отметить очень удобную платформу для обучения. Действительно можно обойтись одним ноутбуком, все остальные инструменты, программы есть в LMS и весь процесс очень удобно автоматизирован. Учиться можно где угодно и когда угодно, все решения тут же проверяются и можно идти дальше по программе. И конечно, нельзя не упомянуть о команде karpov. COURSES — Куратор, эксперты, support — все-все сторались помочь, поддержать, ответить на вопросы Недостатков особых нет, но отмечу то, что для меня было тяжеловато: Темп — три дедлайна в неделю — это не просто. Иногда темы не очень объемные и сложные, а на некоторых прям подвисала. В начале курса темп сохранять легче, поэтому здорово, что основной python и ml идут в начале. Опять же помогала куратор (Юлия, спасибо!) — Если не успеваю срок, продлевала на пару дней дедлайн, поддерживала. Блоки по DL и статистике мне не зашли. То ли я уже подустала, то ли материал слишком сложный, то ли сам формат подачи — но как-то не укладывалось в голове. Статистику и A/B на старых базовых знаниях проходила. Но отмечу, что и на самом курсе говорится, что DL только в общих чертах дается без углубления в детали. Я довольна, что прошла курс по ML — для меня это шанс перейти в новое и более уникальное профессиональное направление (сейчас работаю Аналитиком) Сейчас приступаю к Карьерному треку и далее начну поиск работы. Читать далее...

Начал учиться осенью 24-го года. Опыта в машинном обучении не было. Планировал получить основы для смены карьеры. А именно перейти из физики в машинное обучение. KARPOV. COURSES Выбрал за хорошую репутацию, так как до этого учился на курсах Анатолия Карпова на Stepik. Ожидания оправдались примерно на 8/10. Сразу отмечу отличную поддержку на курсе со стороны кураторов и экспертов, как по организационным вопросам так и по заданиям. Лично мне не хватило «математичности» контента, хотя для базового курса может так и нужно. После обширного блока про классическое МЛ, блок по нейросетям показался то ли скомканным, толи не раскрытым. Но в целом курс ощущается проработаным, понятным и в меру сложным. А именно разработка этапов «Финального проекта» дает ощущение рабочего аврала. Рекомендую курс всем начинающим Дата сайентистам. Читать далее...

Некоторые главы курса хороши. Я проходил две главы, из них мне понравилась только глава про MLOps. Местами там было много воды и теории, лекции достаточно длинные, но зато это позволяет разобраться в теории MLOps и подходах, если вы раньше с этим не сталкивались. Задания в тренажере интерактивные, можно не ждать проверки, а самостоятельно отправлять их и получать результат. Правда в этом и минус — вас не будет проверять живой человек. Также есть чат поддержки, куда можно задать вопросы и посмотреть вопросы других участников курса, чаты для нетворкинга и общения (немного мертвые). Также после каждого урока есть конспекты в pdf. Однако главу по рекомендательным системам не порекомендую никому. Очень много материала, каждую лекцию что-то новое, лектор пытается впихнуть как можно больше, но не углубляется в суть вообще, так что без самостоятельного поиска в интернете вы вряд ли поймете рекомендательные системы. Лектор часто оговаривается, хотя явно читает текст с экрана. Пару раз мне попалась одна и та же склейка друг за другом, просто лектор перезаписывал часть. Очень много склеек. Материал не очень последовательный, второй урок ссылается на то, что третий пройден) С самого начала блок «рекомендательные системы» плохо структурирован, нормального введения нет, сразу какие-то истории и метрики. Также в этом курсе ужасное качество конспекта. Картинки настолько шакальны, что с них невозможно разобрать текст. Разборы домашек есть, но код в них не запускается, и приходится фиксить его. Ну и все вопросы нужно задавать в чат поддержки, а ревью ДЗ никакого нет, только автоматизированная проверка. Читать далее...

Только что закончила курс на Аналитика данных и по горячим следам хочу написать отзыв. В целом курс очень достойный, программа качественно составлена, наполнение курса также объемное, получаешь очень много знаний и практики. Но сразу хочу сказать, что срок 6 месяцев для данного курса это очень сильная нагрузка на студента. Курс интенсивный, дедлайны жесткие, придется все 6 месяцев придерживаться жесткой дисциплины и уделять очень много времени на обучение, особенно, если вы с нуля обучаетесь этой профессии. Материала очень много, лекции, конспекты, практические задания. Мне было очень тяжело укладываться в дедлайны, я не просрочила ни одного дедлайна, но для этого я все 6 месяцев тратила на обучение все свое свободное время и сидела за лекциями до ночи. Совмещать с работой или другой бурной деятельностью будет очень непросто. Я об это не думала перед началом обучения и повторюсь мне было очень тяжело укладываться в сроки сдачи заданий. При этом если быть готовым к интенсивному обучению и не уезжать в отпуск, то курс точно поможет качественно обучиться аналитике данных. Читать далее...

Недавно я успешно завершил обучение на кусе «Инженер данных с нуля». Это был мой первый опыт обучения IT-специальности в онлайн-школе и дался он мне довольно тяжело (совмещение с основной работой учебному процессу очень мешало. Оценку курса я дам по модулям: модули SQL, Linux, Spark и Airflow я оцениваю на максимальный балл, поскольку и практики и теории в этих модулях было дано достаточно и находились они в сбалансированных пропорциях. Чего, к сожалению, не могу сказать про модули, посвящённые языку Python: на мой взгляд, в них стоило бы добавить больше практических заданий (особенно, в «Python. Продвинутый уровень»). Также не понравилось соотношение теории и практики в модулях, посвящённых теории БД (Clickhouse, PostgreSQL и Теория реляционных БД): на мой взгляд, пустить сначала три объёмных теоретических блока, и только после них один большой блок с практикой по ним всем, — не очень верное решение. Считаю, что практические задания стоило бы распределить равномерно между тремя модулями, чтобы студенты не успевали разучиться решать задачки, пока поглощают одну чашу теории за другой) Система дедлайнов на курсе — штука спорная, но хорошо дисциплинирует, так что выделю этот момент в плюсы. Ну и скажу пару слов про поддержку: кураторы и эксперты на курсе работают хорошо — за всё время прохождения обучения не возникло никаких проблем во взаимодействии с ними. В целом, курс даёт широкое представление о профессии и, самое главное, обучает работе с кучей полезных инструметов. Я остался удовлетворён обучением, надеюсь, этот отзыв будет полезен Читать далее...

Недавно завершил обучение по блоку «Динамическое ценообразование» и в целом я, конечно, доволен. Утвердительно могу сказать, что материал понятен и оформлен в доступном виде. Считаю, что для учебы система блока организована оптимально. Поддержка работает оперативно. С уверенностью могу рекомендовать данный блок для тех, кому данная тема крайне необходима. Читать далее...