Все отзывы о KARPOV.COURSES

Всем привет! Я работаю в ИТ с 2012 года. Около 10 лет работал как Full-Stack Oracle Developer. 3 Года отработал на позиции DE — занимался миграцией данных из Oracle в Snowflake (~10-20 петабайт). На курсы я решил пойти, потому что у меня был отличный проект (подработка) по построению хранилища данных в БД Snowflake для крупного инвестиционного фонда, но понимания как строить DWH у меня не было, поэтому проект со мной не продлили. Это и сподвигло меня пойти на курсы DE — получить знания по DWH, более глубоко изучить Airflow, попробовать что такое Machine Learning и обучение моделей, что такое Spark, Hadoop и почему они чаще всего встречаются в вакансиях, визуализация данных с помощью Tableu и прочих инструментов. Ну и конечно же расширить свой кругозор в области DE. Про Karpov/Courses я видел информацию в интернете + на сайте Linked In в новостной ленте увидел информацию о том, что кто-то закончил эти курсы. Выбирал между 2 — Яндекс. Практикум и Karpov/Courses. Выбрал K/C потому что: 1. Срок обучения 6 месяцев против 1.5 Года у Яндекса 2. Понравилась программа обучения (темы и стек) — DWH, MPP, ETL (Airflow), Big Data, Cloud, ML, Model & Data Management 3. На момент оплаты была скидка. Курсы начались 18 января 2024 года. Так же в начале января 2024 года руководство компании предлагает мне 2 варианта на выбор: релокация на Кипр или увольнение с компенсацией. Тк почти год назад мы пробовали себя на Кипре и нам не понравилось, 2 вариант предполагался сам собой. Начинается тяжелая пора поиска работы. При этом мне надо передавать дела новому коллеге на проекте, учиться на курсах и проходить собеседования. Искал я работу на должность Data Engineer. Курс начинается с архитектуры DWH. И самое удивительное, когда начинаются мои собеседования — к тому времени курсы идут уже 2-3 недели — на собеседованиях меня спрашивают именно то, что мы только что изучили — слои данных, схемы построения хранилищ (Кимпбалл, Инмон), SCD. То есть знания приобретенные на курсах уже помогают мне. По итогу работу я нашел спустя 1.5 Месяца. Очень удобно выдавали доступ к материалу — 3 раза в неделю после 19:00. Видео понятные, разборы материала тоже. К каждому уроку идут видео (теория/практика), которые можно всегда повторно посмотреть либо для освежения информации можно открыть лекцию в Notion / PDF. Я делал задания через 1-2 дня после того, как выдавали доступ к нему и на выходных. Обучение проходило легко первую половину курса. Потом стало немного сложнее — началась работа — времени свободного поубавилось. Я старался делать все задания по блокам, но на некоторые и забил — не было желания делать и я их просто пропустил. Из всех блоков меня зацепили следующие: проектирование DWH, реляционные и MPP СУБД, Big Data (частично) — я так и не заценил Hadoop (и всю его экосистему), но очень понравился Spark, облачное хранилище — это просто улет, Big ML, Управление моделями и управление данными. Не зашёл модуль Визаулизация данных. Я понял значимость графического отображения данных, но у меня и с Front-разработкой всегда были проблемы — а визуализация данных для меня как Front-end разработка — не пошло как-то. Но зато с утроенной силой прошло обучение по другим модулям — Big ML, Управление моделями и данными. Бывали проблемы при выполнении практик — но был создан канал в дискорде и иногда было достаточно заглянуть в поток по теме как решение уже было доступно. Либо можно задать вопрос по заданию — поддержка оперативно отвечает и подсказывает решение. Подводя итог обучения — я набрал 400 баллов из 480. Это 83%. Результатом я доволен. Мог бы наверное набрать 440/460 — если бы сдал задания, которые я пропустил. Но уже как есть. Мои ожидания от курса полностью оправдались. Готов советовать курсы K/C своим знакомым или людям, которые хотят подучиться на DE. Читать далее...

Долго выбирала между разными школами и даже направлениями, в итоге выбрала не то что мне по душе, но ни о чем не жалею) 1. Если вы владеете навыком учиться, ковыряться в материале, анализировать, возвращаться к уже пройденному, читать и вчитываться, хотя бы немного логически рассуждать, то эта учеба будет вам в радость. Курс простой, все доступно объясняется, он интересный, особенно если ваше единственное образование — это давно забытое высшее. Я воспринимала обучение как сложную викторину, был азарт быстрее выполнить задание и перейти к следующему. 2. На середине блока Питон у меня начались проблемы со временем — из-за работы постоянно не успевала, нервничала, что если не сдам урок в срок, то получу сниженный балл. Позже, когда набрала необходимую половину баллов для получения сертификата, расслабилась и выполняла задания в своем режиме без оглядки на максимальный балл. Формат видео и лекций — это удобно, подходит для разных сценариев в жизни. Видео классно посмотреть как фильм, лекции хороши для того, чтобы все было в доступе во время решения задач. 3. Поддержка работает отлично. Если вы сразу ознакомитесь с графиком работы и с тегами, которые надо ставить при разных типах обращений, то у вас никогда не будет проблем. Это тоже про способности вчитываться и возвращаться к прочитанному. 4. В блоках питон и sql нет ничего сложного- если вам реально интересна аналитика, то вы легко это освоите и сразу сможете применить даже в текущей работе. 5. Мой опыт показал, что я наверно выбрала курс, я умею копаться в данных и анализировать их, но я хотела больше работать с людьми, а не с цифрами и кодом, поэтому на середине курса, поняла, что это не мое и учебу не закончила. Финальный проект даже не начала делать, так как в середине обучения получила ту работу, которую по-настоящему хотела. Желающим подготовиться к старту в аналитике данных — точно рекомендую. Это очень качественный продукт. И поддержка, и материалы, и ИИ-бот (встроенный прямо в сайт) — все работает прекрасно. На все вопросы ребята реагируют быстро. Когда будет время, планирую углубиться в так и непройденный блок по Продуктовым метрикам, так как моя работа как раз связана с управлением продуктом. Вроде бы материалы и доступ в личный кабинет останутся у меня на год. По поводу поиска работы — на карьерном курсе, который начнется ближе к концу, вам все расскажут, образцы резюме можно будет подглядеть у одногоуппов в тг-чате, переработанное резюме можно будет отдать на ревью (если подсуетиться). Всем успехов! Читать далее...

На данный момент прошел 5 модулей обучения, и я где-то на середине курса. Начал учиться в конце ноября/в начале декабря. До этого опыта в аналитике данных не было, я лишь изучал в ВУЗе дисциплины по направлению «Основы машинного и глубокого обучения», и я записался на этот курс, чтобы еще больше расширить свой кругозор, а также развить уже имеющиеся знания и навыки, и также хотел, чтобы помогли с трудоустройством. Курс оправдал ожидания на 7-8 из 10, потому что дали много структурированной и полезной информации, которая может пригодиться в профессии, и также были практические задачи, но мне казалось, что будет больше практического опыта, но на сайте еще симуляторы различные, например, симулятор SQL, который я еще не проходил, но собираюсь пройти, и возможно это поможет «набить руку». За помощью к кураторам я не обращался, потому что-либо сам находил решение, либо искал решение проблемы в интернете, либо находил ответы кураторов в мессенджере Пачка, поэтому мне сложно сказать, насколько оперативно отвечают, но могу сказать, что проводил время с пользой, когда находил ответы кураторов на вопросы других студентов, мне самому это помогало во время обучения. Могу сказать, что я в целом курсом доволен, но честно могу сказать, что смущает большая цена обучения (от 120.000 Со скидкой за Расширенный тариф), а также была в некоторых моментах «выкрученная сложность», например, в конспектах была одна теория про подзапросы в SQL, а задачи по этой теме были в разы сложнее того, что нам дали в теории. К счастью, таких моментов было не очень много. Так что продолжаю обучение с большой заинтересованностью и надеюсь, что смогу трудоустроиться после прохождения курса! Читать далее...

Я прошел онлайн-курс по машинному обучению, и хочу поделиться своими впечатлениями. Обучение состояло из четырех модулей: программирование на Python, основы машинного обучения, обзор глубокого обучения (DL) и применение A/B-тестирования для выбора ML-моделей. Мне все очень понравилось! Лекции были насыщенными и местами сложными, но именно это делало их такими интересными. Я получил даже больше, чем ожидал: курс дал не только теоретические знания, но и практические навыки, которые уже могу применять в работе. Особенно хочу отметить структуру курса — материал подавался логично и последовательно, что помогало постепенно погружаться в тему. Преподаватели и кураторы оперативно отвечали на вопросы, что делало процесс обучения еще комфортнее. Я готов рекомендовать этот курс всем, кто хочет разобраться в машинном обучении, от основ до более продвинутых тем. Спасибо за качественный и полезный контент! Читать далее...

Что понравилось: - В первую очередь понравился курс за счёт чётко структурированного и понятного материала (такое встречается редко, особенно в теме A/B-тестирования). - За время прохождения курса удалось полностью разобрать полный пайплайн АБ-тестирования, причём не только с технической точки зрения, но и с точки зрения бизнеса (Что меняем? На что повлияет? Как измеряем?). - После выполнения практических задач к каждому модулю появился набор готовых блоков к платформе АБ-тестирования, которые использую при необходимости в своей рабочей деятельности. Чего не хватило: — Хотелось бы, чтобы в курс добавили информацию по методам проведения экспериментов без A/B тестирования (Diff-in-Diff, Casual Impact и другие). Читать далее...

Начиная обучение в ноябре 2024 года, я решил погрузиться в мир глубокого обучения, хотя до этого систематического опыта в этой области у меня не было — лишь обрывочные и несистематизированные знания по нейросетям и несколько тестовых тетрадок с Python скриптами. Цель, которую я перед особой ставил, была сугудо практической: приобрести навыки, которые помогут успешно пройти собеседование, получить стажировку и уверенно утвердиться на новой работе. Помимо этого, для меня было важно систематизировать все имеющиеся знания, структурировать материал — начиная с основ и двигаясь к более сложным концепциям — чтобы всё было изложено по полочкам. Ожидания от курса превзошли даже мои самые смелые прогнозы: я оценил полученный опыт на твердую 10 из 10. Материала оказалось значительно больше, чем я ожидал, и он оказался исключительно полезным и практически применимым. Особо хочу отметить поддержку организаторов и преподавателей. На каждое возникающее у меня техническое затруднение отвечали оперативно, разъясняя природу ошибок и подсказывая возможные подходы к их решению, при этом не давая готовых ответов. В чатах с обсуждением занятий поддерживали разбор технических тонкостей той или иной темы. Структура курса заслуживает отдельного внимания: материал организован четко и логично. Лекции начинаются с теоретической базы, где даётся глубокое понимание сложных концептов. Под конец серии лекций какого-либо урока — разбор кода, где реализовано всё то, о чём говорилось на лекции. Дополнительные квизы после каждого модуля помогают плавно перейти к решению разнообразных практических задач. Общее впечатление от курса исключительно положительное. Это ощущение только укрепилось после выполнения финального задания, которое позволило мне окончательно убедиться в практической ценности полученных знаний. Несколько недель спустя после завершения обучения я получил приглашение на стажировку в Ozon Банке, где смог легко общаться с профессионалами, имеющими многолетний опыт в Data Science, DL и ML. Все задачи, проблемы и их решения оказались мне предельно понятными — во многом благодаря этой образовательной программе на karpov. courses. По шкале от 1 до 10, я бы поставил ему 10. Без сомнения, готов рекомендовать эту программу другим, кто хочет серьёзно погрузиться в глубокое обучение с упором на NLP. Читать далее...

На момент написания отзыва курс HardML пройден на ~80% (5 модулей из 6). В целом остался доволен, считаю что деньги потратил не зря. Неплохо расширил кругозор. Курс для специалистов с опытом. При отсутствии опыта в МЛ и минимального знания python не рекомендую, лучше сначала освоить азы. Состоит курс из шести модулей по шести разным темам, модули друг с другом не связаны, их можно покупать и проходить отдельно, параллельно или перпендикулярно. При покупке стоит посмотреть на сами темы. Несмотря на то, что целевая аудитория — опытные специалисты, концептуально сами модули начинаются практически с азов, условно с junior уровня. Поэтому если вы 4 года работаете с ранжированием, то в модуле «Ранжирование и матчинг» вряд ли узнаете что-то новое. А вот если вы с ранжированием никогда не работали или работали, но мало, то отлично расширяет кругозор. Как у любого курса, есть плюсы и минусы. Пишу их со своей точки зрения, т. К. , Например, для меня отсутствие приколоченных гвоздями к таймингу событий (аля дедлайны, живые лекции и пр) скорее плюс, а для кого-то минус. Плюсы: — Качественные интересные записанные лекции. Без жевания с «нууу эээ как бы вот так». — Интересные задания по итогу модуля. Если с темой никогда раньше не работали, то выполнение итогового задания может даже стать челленджем и поводом поглубже разобраться. — Поэтапное быстрое погружение в тему. Например, если вы никогда не работали с АБ, то с одной стороны в курс дела введут быстро, с другой не будут долго жевать азы и сразу перейдут к насущным проблемам. — Отсутствие дедлайнов. У меня на модуль уходило по 3-4 недели при трате ~10 часов в неделю. Если есть больше времени, пройдете быстрее. Если меньше, то медленнее. Никто никуда не торопит с одной стороны, и не сдерживает с другой искусственными барьерами. Гигачад может пройти модуль и за неделю. — Автоматическая проверка заданий. Не надо ждать условного ревьюера. При этом задания могут быть довольно сложными, например полностью построенный пайплайн с CI/CD и автоматическим переобучением моделей тоже проверяется автоматически. — Поддержка по курсу отвечает довольно оперативно, ждать ответа неделями не придется. Минусы: — Автоматическая проверка заданий. Да, это и плюс и минус. Минус в том, что иногда задание выполнено верно, но нужно сделать дополнительные приседания, чтобы автоматический грейдер его принял. Иногда эти приседания дольше, чем собственно выполнение задания. — Квизы. Ненавижу квизы. Есть некоторые вопросы, на которые можно ответить по-разному в зависимости от обстоятельств. А обстоятельств в вопросе нет. Я подумал про одну ситуацию, составитель курса про другую, в итоге мой ответ «неправильный». Попыток на додуматься, что же имел ввиду составитель курса, не всегда хватает. По итогу набрал не 100%, а чуть меньше в некоторых модулях. Мой внутренний перфекционист сгорел от злости. — Устаревание. Команда периодически обновляет курс, иногда модули меняет целиком, но сама специфика отрасли такова, что некоторые знания становятся неактуальными за 2-3 года. Команде курса, конечно, виднее, что уже устарело, а что нет, но выполнять некоторые задания на питоне 3.8 С либами, в которые не коммитили уже 3 года, все же немного раздражает. Справедливости ради есть и модули, которые обновили меньше года назад, судя по коммитам. Читать далее...

Курс кайфовый, оцениваю с точки зрения цены/качества. Кураторы и эксперты шустрят как могут, чтобы быстро улаживать проблемы и отвечать на вопросы, респект Вам! Программа очень плотная, прийдется выделить много времени, чтобы поспевать в deadline. Хочу отметить, что курс уверенно наращивает в голове основу/базу, это касается не только блока ml, но и блоков по Python, А/Б тестам, статистике и даже dl. Однако не стоит строить воздушных замков, помимо самой программы нужно будет уделять ещё больше времени на изучение доп инфы, так как с каждой новой темой появляются вопросы. Короче, если верно оценить свои временные возможности и мотивацию, то обучение на курсе пройдёт гладко. Читать далее...

Хочу перейти в DL. Взяла курс по NLP именно у karpov. courses, Потому что karpov. courses Советовали коллеги по работе. И курс оправдал мои ожидания! Плюсы: 1. Хорошо изложенная, структурированная теория. После лекции имеются конспекты, чтобы можно было быстро освежить материал. В других онлайн курсах, которые пробовала (не буду называть имена), материал излагался менее точно и более непонятно, «в гоблинском переводе» 2. Практика для закрепления материала. В каждой теме занятий два практических блока. Первый — с выбором ответа, что позволяет закрепить теоретический материал. Второй — практический, где, как правило, дается код с пропущенными строками, которые надо в рамках практики урока заполнять. Проверка кода практического блока осуществляется через встроенную платформу, но также можно обратиться за помощью к экспертам в чате. Эксперты в чате отвечают довольно оперативно, помогают разобраться с возникающими вопросами. Недостатки: иногда встроенная платформа проверки кода давала сбои, что не позволяло загружать выполненные задачи и проверять их правильность. В целом, мне понравился курс, рекомендую Читать далее...

Ожидания оправдались на 8/10, ни сколько не жалею и очень рада, что решилась наконец пройти обучение в karpov. courses! Начинала свое обучение, когда за плечами уже был 2х летний коммерческий опыт, правда в классическом ML. Несмотря на это, курс был довольно сложен, поэтому новичкам я бы советовала получить сначала базу, хотя все конечно индивидуально) Домашние задания сильно варьировались по сложности — какие-то были очень непростые, теории не хватало для их решения (в блоке База DL). Какие-то же наоборот слишком простые. Но теория, которую дают преподаватели на курсе — выше всяких похвал. Простыми словами объяснить такие сложные вещи не каждый сможет. Плюсы: — начинаешь именно понимать, как работают алгоритмы, а не выполнять бездумно инструкции по обучению — разобрано огромное количество задач, которые могут встретиться в реальной работе — информация хорошо структурирована — в придачу получаете не менее полезный карьерный курс, где вас научат правильно презентовать себя работодателям Минусы: — для меня оказалось маловато практических заданий. Но это поправимо при личном усердии) — в курсе не предоставляют доступ к GPU. Это исправляется путем использования Colab, но там есть ограничения на использования ресурсов. Поэтому периодически приходилось переносить выполнение домашки на другой день Спасибо создателям курса, я получила огромное удовольствие от прохождения, теперь меня не пугают умные статьи по NLP, и я могу смело развиваться дальше в данной области! Читать далее...

Проходил Симулятор DS, в целом понравился. Много практики, различных рабочих инсайдов и best practices из мира ML и DA. Дают подробную информацию по решению той или иной задачи, которая может встретиться в работе + теория по работе алгоритмов машинного обучения, и разумеется есть задачи на реализацию того или иного алгоритма руками. Из недостатков: — не всегда понятно, что от тебя хочет грейдейр (система, принимающая задания), то есть выскакивает ошибка, но не понятно, что именно ее вызвало; для таких ситуаций есть помощник Ада, но она далеко не всегда дает дельные советы; лично я прям каких-то серьзных затруднений с этим не испытывал, но людям, только вкатывающимся в тему, в некоторых задачах придется туго — поддержка работает довольно медленно, иногда ответ может занимать по несколько дней Читать далее...

В симуляторе всё сделано структурированно, удобно и понятно. Платформа и поддержка работают стабильно хорошо, материал полезный. Всем рекомендую!

Очень понравились 3 модуля из 4х, то есть все, кроме Deep Learning (Модуль 3). Очень хорошая последовательная подача материала. Специально искал курс, в котором было бы много практических задач, и мои ожидания полностью оправдались. Хорошая поддержка, довольно быстро отвечает. Хорошая платформа. Дают сервак, на котором можно выполнять задания. Соответственно, показывают обучающимся максимально приближенную к жизни конструкцию — БД, питоновский сервак, тул для работы с БД, airflow. Окружение создаем ручками. Все как на реальной работе. Отлично объяснены основы гита. Раньше создавать ветки в гите было для меня стрессом, сейчас на изи. Проходил похожий курс на платформе яндекс+мфти (когда его еще не закрыли в курсере), там платформы не было по сути вообще. То есть можно было отправлять ответы, но такой удобной системы не предоставлялось, все на файликах. Что касается 3го модуля, не сказать, что плохо, но кажется, что можно было представить материал получше. Потратить время, добавить анимацию (чтобы не просто проговаривать, а показывать, что там с нейронами происходит). Рассказ лектора путанный местами. Хотелось бы больше задачек на тензоры, чтобы привыкнуть к синтаксису. Довольно сложно было привыкнуть к синтаксису нейронок, хотелось бы более разжевано. Читать далее...

Особенно хотелось бы отметить первые два модуля — преподаватели очень хорошо и понятно объясняют основные темы, которые могут встретиться в будущей профессии. Модуль по нейронным очень обзорный, хотелось бы чуть больше и теории, и практики. В модуле по статистике тоже было бы неплохо добавить задач по теории вероятностей и математической статистике порешать, которые могут встретиться на собеседованиях. В целом курс можно рекомендовать как начинающим разработчикам, так и людям, которые немного знакомы с машинным обучением и data science. Читать далее...

Спасибо Karpov. COURSES За знания которые ваша команда мне дала! Начну со старта обучения: Старт был не простой, так как казалось что очень короткие спринты, и когда ты полный ноль в Python, то было трудно, НО справился. Рекомендация: если вы хотите купить какой-то курс, то сначала обязательно пройдите бесплатные курсы, где будет дана базовая инфа. С ней старт на платном будет куда проще. Середина обучения: Всё шло как по маслу, всё было понятно, а где не понятно помогали эксперты/кураторы. Помощь от них отличная. Финальные этапы: Вот тут было интереснее всего, и где-то сложнее, особенно на продуктовом проекте, хоть он и не позиционировался как финальный. Где-то вместе со студентами решали, где-то пользовался нейронками. Вообщем опыт отличный. Учиться было удобно, но времени на это уходило много. Курс рекомендую всем! Всё будет супер, главное не бояться новых вызовов. Читать далее...

Работаю в нефтегазовой отрасли на различных проектах по моделированию месторождений и оценке рисков. Был необходим человек в команде со знаниям python и машинным обучением. Начал изучать самостоятельно. PYTHON Навык увеличивался, так как имеется множество хороших дешевых/бесплатных курсов, а вот с ML все было сложнее и понимал, что дешевого хорошо курса я не смогу найти. Начал изучать онлайн школы и наткнулся на карпов (знал его еще со времен курсов по статистике на степике). Купил курс и начал интенсивно работать. Очень понравился курс (от подачи до заданий). В частности, стоит отметить блок ML. Сильно улучшил навыки и получил повышени на работе. Финальный проект дался не просто, но дал много и пришло понимание некоторых вещей. Теперь работаю в основном с данными на работе и пишу диссертацию по выбранной тематики. В ближайшее время пойду на курс Deep Learning + NLP от этой же компании, так как полностью устраивает подход и качество. Если готовы учить и развиваться, то данный курс — то, что может дать вам эту возможность. Читать далее...

Плюсы: Много информации, но лишней нет. Многие вещи, про которые было рассказано и показано в лекциях, появятся в практике Платформа и все инструменты удобные, легко осваиваются и быстро вливаешься в процесс Доступ к лекциям и конспектам остается после окончания курса Интересные задачи Есть дедлайны, но они не очень жесткие, 2 недели на урок, этого хватает. Мотивирует делать все вовремя Отдельно прям хочу отметить работу экспертов! Всегда стараются помочь, отвечают достаточно быстро Свободного времени, скорее всего, будет не очень много (да, это плюс! ) (Я параллельно работал 5/2) Налоговый вычет Минусы: Возникло впечатление того, что курс сыроват в плане технической составляющей (особенно темы PostgreSQL и ClickHouse) , но он вроде бы относительно новый и его проходит меньше людей, чем другие У двух модулей есть такой формат: сначала куча лекций с закреплением в виде квиза, а потом задачи (причем практика идет одним модулем на обе темы) . В итоге это привело к тому, что мне пришлось заново проходить эти модули, так как к практической части я уже успел почти все забыть Практики все же маловато, ее хватает ровно настолько, чтобы распробовать тему и понять и что-то запомнить, но недостаточно, чтобы набить руку (проблема решаема, смотреть ниже) В модуле Python и собеседовании Python одни и те же задачи. В сочетании с предыдущим пунктом огорчило Что можно было бы улучшить: пересмотреть формат модулей PostgreSQL и ClickHouse, исправить проблемы с технической частью этих модулей (без экспертов некоторые задачи просто нерешаемы, так как ответ в некоторых задачах должен был быть дан в определенном формате или как к такому ответу придти было непонятно даже экспертам) , увеличить количество практики (может быть, добавить необязательные для решения задачи) В целом я обучением доволен, на момент написания отзыва прохожу финальное задание. Небольшой совет: если соберетесь проходить данный курс, рекомендую после прохождения тем с большим количеством практики (SQL (особенно SQL, поможет с дальнейшими темами! ), POSTGRESQL, PYTHON И так далее) Ищите практику в виде задач на сторонних платформах (например литкод) , решать по одной-двум задачкам в день много времени не займет, но набьете руку, лучше запомните и разберете проблемы. Я сразу так делать не начал, столкнулся с сложностями в процессе обучения, но после месяца такой практики многие проблемы ушли) Читать далее...

Курс был рассчитан на 7 месяцев. Формат лекций был в формате заранее записанных уроков. Прошел 2 блока программы Start ML. 1 Основы Python и блок ML. Обучением удовлетворен на 9 из 10 баллов. Есть некий порог вхождения с точки зрения математики. Во всех остальных аспектов все на высшем уровне. Поддержка, лекции, конспекты, разборы. Читать далее...

TL: DR — Курсы хорошие, рекомендовать могу, но есть нюансы. Проходил курс Start ML («Инженер машинного обучения»), 32 поток. До этого реального опыта не было, только курсы от Yandex по DS, так что сравниваю с ними. Учусь для себя пытаясь разобраться что к чему. Ожидания оправдались на 7 из 10. Обучение достаточно напряжённое по времени и интенсивное. Теория по понедельникам\средам\пятницам и надо сразу сдавать практику, так как времени раскачиваться нет и если откладывать на выходные, то просто зашьёшься. Но всё равно часто приходится сидеть и в них. Я бы порекомендовал более менее разбираться в Python, Pandas и построении графиков перед началом курса. Так будет сильно проще учиться. У меня уходило 4 часа каждый день на учёбу и в выходные тоже. Основная killer feature курсов — это поддержка экспертов. Ты пишешь в чат вопрос и тебе отвечают в течение нескольких часов. Причём не только по заданиям, но если просто совет нужен какой-то для более широкого понимания вопроса. Это было крайне удобно и замечательно. Однако не очень понравилась подача контента. Мне удобнее читать, чем смотреть. Здесь же весь основной контент — видео. Да, есть конспект, но он, к сожалению, не настолько подробен как хотелось бы. По контенту — по Python и классическому ML — вопросов нет. Тут всё по делу и хорошо. Трек по DL — это как всегда галопом по Европам и без погружения. Но про трансформеры рассказано достойно, это порадовало. Подчеркну, что данный трек по времени идёт столько же, сколько и карьерный) Трек про A/B тестирование совсем не понравился. Лектор, безусловно, специалист своего дела, но, мне кажется, что навык преподавания надо немного прокачать. Сложно слушать и понимания какие статистики когда использовать не прибавилось. Карьерный трек — полезный. Понравились советы по резюме, по оформлению портфолио на github и по составлению рекомендательных писем. На протяжении всего курса ты делаешь один проект. Это система для рекомендаций, которая обращается к БД за информацией по определённым критериям, подтягивает данные, передаёт их в модель и строит рекомендации на основании предсказания модели. Сначала вы напишете backend приложения, потом модель, потом вторую модель (улучшенную через DL) и, наконец, проведёте A/B тестирование для 2-х версий модели, чтобы доказать, что одна модель статистически лучше другой для рекомендаций. По проекту обратная связь чуть медленнее, но она тоже есть и на достойном уровне. В целом, даже с учётом нюансов — достойное обучение. И вроде как более менее актуальный стек. Читать далее...

Немного предыстории: Об Анатолии К.услышал ещё в 2020-м когда проходил аналогичный курс на платформе Яндекс. Практикум будучи студентом (далее будут сравнения местами). Слышал только положительное, рекомендовали ознакомиться с курсами с его участием на stepik. ORG 2022 — Армия. В начале 2023 устроился на работу в в IT, но нужно было подтянуть отдельные моменты. Ознакомившись тем, что имелось на рынке и вспомнив про курсы от Анатолия я обнаружил, что теперь есть отдельная платформа с интересным наполнением. — — — — — — — — — — — — — — — — — С предысторией всё, теперь к содержимому курса: Курс состоял из 4 основных модулей: 1. Прикладная разработка на Python 2. Машинное обучение и приложения 3. Обзор основ Deep Learning 4. Статистика и А/В-тесты Процесс обучения заключался в ознакомлении с лекционными материалами, оформленными в видеоматериалов, и конспектов к ним (в сжатом формате). Закреплять полученные знания предлагается путём решения практических задач в LMS, для написания программ предоставлялся доступ к Jupyter Hub и другим сервисам (например, к среде для написания SQL запросов, создания планировщика). Также на протяжении всего процесса обучения реализуется цельный проект, объединяющий все 4 модуля — разработка веб-сервиса на основе модели машинного обучения, осуществляющей предсказания на данных из базы. И над этим всем в конце проводим A/B тесты. Периодически проводятся «чаепития» в виде видеособраний с лекторами (примерно раз в месяц) В целом курс понравился. Поставил 4 звезды. Из плюсов: - Очень понравилось наглядное объяснение сложных вещей, особенно в первых двух модулях. В третьем модуле с этим было похуже, чем в остальных, на мой взгляд. Возможно это связано с тем, что в каждом модуле свой лектор, и манера подачи материала у них отличается. - Отзывчивая команда. Кураторы работают чётко, всё по делу, всё вовремя. - Стабильность работы платформы. Проблем с технической точки зрения не возникало (проверка задач, доступ к хабу). - Интересный финальный проект. С такими комплексными задачами я до этого не сталкивался на практике, поэтому было очень приятно, когда удалось сделать работоспособное приложение. (В Я. П. Было попроще) - В обычных заданиях (не этапах фин. Проекта) ответы экспетров были чёткими и полными. - Хороший доп. Модуль по алгоритмической подготовке, понятно вопросы с собесов разобраны — Основной источник материалов — видеолекции. За это время я понял, насколько это не мой формат. Субъективно, конечно. Но конспекты лекций по сравнению с видео сильно беднее в плане пояснений. В Я. П были подробные текстовые лекции. — Тесты. Иной раз очень не хватало пояснений по поводу того, что от тебя хочет тренажёр. Особенно в части финального проекта. В какой-то момент это сильно затормозило процесс решения, пришлось обращаться за помощью к экспертам. — Исходя из предыдущего пункта исходит ещё один субъективный минус: в части финального проекта эксперты очень осторожничали. Мне нужно было получить ответ на вопрос «Верно ли я интерпретирую задание и нужно действовать {мои мысли и предложенное решение} или {альтернативный путь}? » На работе я обычно в таком случае получаю от более опытных коллег вполне определённый ответ, тут же приходилось сидеть и вчитываться, догадываться, что же имел в виду эксперт. — В модуле с DL какой-то дисбаланс теории и практики, на мой взгляд. Т. Е. Если посмотрев теорию кажется, что всё более-менее ясно, то при решении практических задач начинаешь задаваться вопросами «А что именно я сейчас посмотрел и что нужно делать? „. — В сравнении с Я. П мне не хватило полноценных вебинаров. Там групповые созвоны с разбором сложных тем проводились примерно раз в спринт (2 недели) (2020-2021). — Коммьюнити. Тут минус не столько курсу, но по сравнению с Я. П. Активность студентов в когортах гораздо ниже, практически не было каких-то обсуждений и общения. Общее впечатление: в целом хороший курс, крепкая 4 от меня. Рекомендую тем, кто любит видеолекции Читать далее...