ML Engineering

Динамическое ценообразование (курс Hard ML)
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."> Динамическое ценообразование (курс Hard ML)
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.

Отличный курс для погружения в высокоуровневую архитектуру.
Шел упорядочить знания и 31узнать что-то новое. Не с «нуля».
Подача материала и задания были интересными. Требовали инвестиций времени, но как и любое другое обучение. В среднем уходило по 8-10 часов в неделю. Это для более-менее подготовленного специалиста. Если идти прям без особых технических знаний — то надо быть готовым инвестировать больше времени, более детально погружаться в основы проектирования инфо систем сначала.
Формат обучения, платформа — удобные. Никаких нареканий не вызвали. Почти все проверки автоматизированы — получаешь моментальную обратную связь. Часть задач (более творческих) — проходят ручную проверку экспертами.
Другие продукты от команды Karpov. COURSES Пока не пробовал. Но планирую.
Могу рекомендовать данную платформу и данный курс к обучению."> Отличный курс для погружения в высокоуровневую архитектуру.
Шел упорядочить знания и 31узнать что-то новое. Не с «нуля».
Подача материала и задания были интересными. Требовали инвестиций времени, но как и любое другое обучение. В среднем уходило по 8-10 часов в неделю. Это для более-менее подготовленного специалиста. Если идти прям без особых технических знаний — то надо быть готовым инвестировать больше времени, более детально погружаться в основы проектирования инфо систем сначала.
Формат обучения, платформа — удобные. Никаких нареканий не вызвали. Почти все проверки автоматизированы — получаешь моментальную обратную связь. Часть задач (более творческих) — проходят ручную проверку экспертами.
Другие продукты от команды Karpov. COURSES Пока не пробовал. Но планирую.
Могу рекомендовать данную платформу и данный курс к обучению.

Start ML — курс для тех, кто действительно пришел учиться
Я проходила курс Start ML.

Я работаю аналитиком данных и хотела изучить методы машинного обучения, для того, чтоб применять их в работе и дальше развиваться уже в этом направлении.

Курс Карпова я выбрала, так как давно о нем знаю, проходила его бесплатный курс на степике по статистике. Тогда он мне понравился понятным и структурированным объяснением.

Я давно смотрела на разные курсы на платформе, и наконец приняла решение пройти курс.

Сам Карпов в этом курсе не ведет никакие блоки, но лекторы здесь мне тоже понравились.

Еще очень понравились кураторы курса, которые всегда старались пойти на встречу. У меня не возникало много проблем, чтоб оценить их помощь со всех сторон, но с теми вопросами, которые у меня возникали, они помогали быстро.

Мне понравилась быстрая адаптация под реалии — заблокировали ютуб, потом дискорд, решение находилось бытро, ничего не мешало учиться.

Курс понятный — ты смотришь лекцию, есть конспект этой лекции в текстовом виде, потом проходишь тесты/задания. Советую не разбивать сильно просмотр лекции и выполнение задания по времени, так как потом тяжело включиться в контекст. Задания в основном понятные, но есть так же небольшие дополнительные подсказки к решению. Так же можно задавать вопросы в чатах — эксперты либо однокурсники смогут ответить. И на сайте есть ИИ Ева, к которой тоже можно обратиться:)

Нужно закладывать много времени на прохождение курса, так как информации очень много, быстро просмотреть и прощелкать тест точно не получится. Тем более если хотите вынести полезные знания из обучения.

В целом курс я рекомендую тем, кто действительно пришел учиться, и готов тратить достаточно для этого времени."> Start ML — курс для тех, кто действительно пришел учиться
Я проходила курс Start ML.

Я работаю аналитиком данных и хотела изучить методы машинного обучения, для того, чтоб применять их в работе и дальше развиваться уже в этом направлении.

Курс Карпова я выбрала, так как давно о нем знаю, проходила его бесплатный курс на степике по статистике. Тогда он мне понравился понятным и структурированным объяснением.

Я давно смотрела на разные курсы на платформе, и наконец приняла решение пройти курс.

Сам Карпов в этом курсе не ведет никакие блоки, но лекторы здесь мне тоже понравились.

Еще очень понравились кураторы курса, которые всегда старались пойти на встречу. У меня не возникало много проблем, чтоб оценить их помощь со всех сторон, но с теми вопросами, которые у меня возникали, они помогали быстро.

Мне понравилась быстрая адаптация под реалии — заблокировали ютуб, потом дискорд, решение находилось бытро, ничего не мешало учиться.

Курс понятный — ты смотришь лекцию, есть конспект этой лекции в текстовом виде, потом проходишь тесты/задания. Советую не разбивать сильно просмотр лекции и выполнение задания по времени, так как потом тяжело включиться в контекст. Задания в основном понятные, но есть так же небольшие дополнительные подсказки к решению. Так же можно задавать вопросы в чатах — эксперты либо однокурсники смогут ответить. И на сайте есть ИИ Ева, к которой тоже можно обратиться:)

Нужно закладывать много времени на прохождение курса, так как информации очень много, быстро просмотреть и прощелкать тест точно не получится. Тем более если хотите вынести полезные знания из обучения.

В целом курс я рекомендую тем, кто действительно пришел учиться, и готов тратить достаточно для этого времени.

Мой моз кричал «спасите», а теперь уверенно обрабатывает данные
Я успешно завершила курс «Инженер данных с нуля», и это было моё первое серьёзное обучение в IT-сфере. Честно говоря, я сомневалась, что дойду хотя бы до середины. Начинала я с полного нуля, без какого-либо бэкграунда в этой области (по образованию — физик). Да, временами было действительно сложно: на некоторые домашние задания уходило море времени и сил. Но я осталась в полном восторге от обучения!

Что мне особенно понравилось — это огромное количество практики. Каждая тема включала видеоурок, конспект, теоретический квиз и нетривиальные домашние задания, которые заставляли действительно вникать в материал и закреплять новые знания. Отдельно хочу отметить удобную обучающую платформу: материалы курса изложены понятно и логично, в любой момент можно вернуться к нужной теме. Также у нас был отдельный чат с кураторами и экспертами: каждую тему обсуждали в соответствующих ветках, что делало процесс общения более структурированным и удобным. В любой момент можно было задать вопрос и получить помощь. Конечно, задания за нас никто не решал, но в нужное русло направляли — и мы разбирались:) В общем, атмосфера на потоке была доброжелательной.

Возможно, кому-то не понравится система дедлайнов (две недели на каждую тему без потери баллов), если он предпочитает обучаться в своём темпе. Меня же такой подход устроил — совмещать с работой получилось.

Минусов не нашла, правда. Если есть желание и усердие — всё получится!

Этот курс стал для меня отличным стартом в мире данных. Теперь я задумываюсь о том, чтобы продолжить обучение и приобрести ещё один курс — но уже для более продвинутых аналитиков. Очень надеюсь, что у меня получится сменить профессию."> Мой моз кричал «спасите», а теперь уверенно обрабатывает данные
Я успешно завершила курс «Инженер данных с нуля», и это было моё первое серьёзное обучение в IT-сфере. Честно говоря, я сомневалась, что дойду хотя бы до середины. Начинала я с полного нуля, без какого-либо бэкграунда в этой области (по образованию — физик). Да, временами было действительно сложно: на некоторые домашние задания уходило море времени и сил. Но я осталась в полном восторге от обучения!

Что мне особенно понравилось — это огромное количество практики. Каждая тема включала видеоурок, конспект, теоретический квиз и нетривиальные домашние задания, которые заставляли действительно вникать в материал и закреплять новые знания. Отдельно хочу отметить удобную обучающую платформу: материалы курса изложены понятно и логично, в любой момент можно вернуться к нужной теме. Также у нас был отдельный чат с кураторами и экспертами: каждую тему обсуждали в соответствующих ветках, что делало процесс общения более структурированным и удобным. В любой момент можно было задать вопрос и получить помощь. Конечно, задания за нас никто не решал, но в нужное русло направляли — и мы разбирались:) В общем, атмосфера на потоке была доброжелательной.

Возможно, кому-то не понравится система дедлайнов (две недели на каждую тему без потери баллов), если он предпочитает обучаться в своём темпе. Меня же такой подход устроил — совмещать с работой получилось.

Минусов не нашла, правда. Если есть желание и усердие — всё получится!

Этот курс стал для меня отличным стартом в мире данных. Теперь я задумываюсь о том, чтобы продолжить обучение и приобрести ещё один курс — но уже для более продвинутых аналитиков. Очень надеюсь, что у меня получится сменить профессию.

Аналитика Данных — курс-огонь!
С ноября 2024 по май 2025 учился на курсу Аналитик данных. Успешно его закончил.
Очень динимичная и обширная программа. А именно: Python базовый, Python для аналитики (Pandas, Seaborn, Matplotlib и др.), PYTHON Для статистики, SQL, GIT, DataLense, Airflow, продуктовая аналитика, статистика. Дружественная атмосфера с поддержкой от экспертов. Дружное комьюнити студентов.
Замечательные лекторы, особенно Анатолий Карпов, простым языком, ясно и понятно.
Пришел на курс по реккомендации товарища, теперь сам могу смело реккомендовать!"> Аналитика Данных — курс-огонь!
С ноября 2024 по май 2025 учился на курсу Аналитик данных. Успешно его закончил.
Очень динимичная и обширная программа. А именно: Python базовый, Python для аналитики (Pandas, Seaborn, Matplotlib и др.), PYTHON Для статистики, SQL, GIT, DataLense, Airflow, продуктовая аналитика, статистика. Дружественная атмосфера с поддержкой от экспертов. Дружное комьюнити студентов.
Замечательные лекторы, особенно Анатолий Карпов, простым языком, ясно и понятно.
Пришел на курс по реккомендации товарища, теперь сам могу смело реккомендовать!

Курс «Аналитик данных»
Очень достойный курс. Дает общую базу, которую вполне хватит для уровня джуна. При этом объясняет не только прикладные моменты, но и формирует целостное понимание по каждому модулю, что особенно важно, например, для модуля Статистики.

Информации даётся много. Местами приходилось даже что-то пропускать, чтобы успеть в дедлайны. Но доступ к курсу будет открыт навсегда, поэтому всегда есть возможность вернуться и повторить.

Поддержка кураторов однозначно была. Причем многие вопросы задаются в отдельный чат урока, который видят все, из-за чего можно найти ответы на свои вопросы, которые кто-то уже задавал ранее, что повышает оперативность работы.

Также очень сильно пригодился неограниченный доступ к нейросети, предоставляемый площадкой на время обучения. Это оказалось крайне полезным, потому что нейросеть могла быстро дать развернутый ответ по многим нюансам. В то время как с кураторами этот же вопрос разбирался бы дольше."> Курс «Аналитик данных»
Очень достойный курс. Дает общую базу, которую вполне хватит для уровня джуна. При этом объясняет не только прикладные моменты, но и формирует целостное понимание по каждому модулю, что особенно важно, например, для модуля Статистики.

Информации даётся много. Местами приходилось даже что-то пропускать, чтобы успеть в дедлайны. Но доступ к курсу будет открыт навсегда, поэтому всегда есть возможность вернуться и повторить.

Поддержка кураторов однозначно была. Причем многие вопросы задаются в отдельный чат урока, который видят все, из-за чего можно найти ответы на свои вопросы, которые кто-то уже задавал ранее, что повышает оперативность работы.

Также очень сильно пригодился неограниченный доступ к нейросети, предоставляемый площадкой на время обучения. Это оказалось крайне полезным, потому что нейросеть могла быстро дать развернутый ответ по многим нюансам. В то время как с кураторами этот же вопрос разбирался бы дольше.

Почему в любом возрасте стоит учиться аналитике данных на Karpov. Courses
Поступил на курс «Аналитик данных» (он же StartDA) 14 ноября 2024 года и за 5,5 месяцев успешно его закончил. Я гуманитарий и опасения, что не справлюсь, были, но подача материала, большое количество практики, поддержка самой платформы, ИИ-чата платформы, сообщества студентов и экспертов курса в мессенджере «Пачка» очень помогли не опустить руки и успешно завершить курс.

Мне 53 года и я хочу сменить профессию, затем и пошел учиться. Несмотря на то, что рынок аналитики большой и специалисты требуются, на свежих выпускников курсов не смотрят как на реальных кандидатов, обязательно нужен опыт даже для самых стартовых позиций, а в моем возрасте и на стажировку не берут, их идеальные претенденты — студенты и выпускники вузов. Я не сдаюсь, рассылаю резюме и готовлюсь делать пет-проекты.

Тем не менее ожидания от учебы оправдались полностью, на 10. Матерала много, подается легко и если учишься, то всё усвоишь. А учиться нужно много, я тратил от 3 до 8 часов каждый день, да-да и в выходные, без исключения. Сначала кажется, что полный хаос, но потом в голове выстраивается система. Все инструменты в доступе — Jupyter для Python, Redash для SQL, GITLab для проектов. Через месяц после окончания от инструментов отключают, но на платформу доступ пожизненный, лекции и конспекты с вами навсегда, к тому же конспекты можно скачать.

Одним словом — рекомендую всем, кто хочет узнать, что такое аналитика и получить теорию и практику от профессионалов своего дела, а школа специализируется на анализе данных и машинном обучении."> Почему в любом возрасте стоит учиться аналитике данных на Karpov. Courses
Поступил на курс «Аналитик данных» (он же StartDA) 14 ноября 2024 года и за 5,5 месяцев успешно его закончил. Я гуманитарий и опасения, что не справлюсь, были, но подача материала, большое количество практики, поддержка самой платформы, ИИ-чата платформы, сообщества студентов и экспертов курса в мессенджере «Пачка» очень помогли не опустить руки и успешно завершить курс.

Мне 53 года и я хочу сменить профессию, затем и пошел учиться. Несмотря на то, что рынок аналитики большой и специалисты требуются, на свежих выпускников курсов не смотрят как на реальных кандидатов, обязательно нужен опыт даже для самых стартовых позиций, а в моем возрасте и на стажировку не берут, их идеальные претенденты — студенты и выпускники вузов. Я не сдаюсь, рассылаю резюме и готовлюсь делать пет-проекты.

Тем не менее ожидания от учебы оправдались полностью, на 10. Матерала много, подается легко и если учишься, то всё усвоишь. А учиться нужно много, я тратил от 3 до 8 часов каждый день, да-да и в выходные, без исключения. Сначала кажется, что полный хаос, но потом в голове выстраивается система. Все инструменты в доступе — Jupyter для Python, Redash для SQL, GITLab для проектов. Через месяц после окончания от инструментов отключают, но на платформу доступ пожизненный, лекции и конспекты с вами навсегда, к тому же конспекты можно скачать.

Одним словом — рекомендую всем, кто хочет узнать, что такое аналитика и получить теорию и практику от профессионалов своего дела, а школа специализируется на анализе данных и машинном обучении.

Аналитик Данных в целом хорошо
Всех приветствую меня зовут Рамазан и я с Дагестана. Я учусь в университете на менеджменте. В начале 3 курса я решился влиться в IT так как не видел перствектив обучения в универе. Изначально не знал чем бы заняться, но друг порекомендовал курсы карпова и курсы яндекса, рекомендовал то мне он дата-саентиста или же МЛ-специалиста. Но почему-то с первых дней мой выбор пал именно на аналитика не знаю почему. Почему я выбрал карпова? Выбор давался мне тяжело, но просто факт того что школа специализируется только на этом сегменте IT (по сути все их направления смежные где-то рядом) я выбрал именно их. Скажу сразу о минусах
1. Начальный пайтон базовый. Ну оочень тяжело было это объективно. (Но он длится не долго)
Рекомендую настоятельно пройти курс на степике прежде чем сюда.
2. С самого начала пошли сильные дедлайны. Было сложно и времени казалось не хватает (но я и бездельник тоже нужно учтеть)
В остально же лично у меня проблем вроде не возникало
Плюсы тоже есть:
1. Когда я выбирал курс я часто видел даже в плохих отзывах что лекции самого Анатолия были познавательны. Теперь я убедился в этом сам. Анатолий очень хороший не только специалист, но и преподаватель. Человек действительно умеет объяснять доносить все простым легким понятным языком.
2. Лекции по продуктовой аналитики были весьма интересные и также понятные. Слушать было легко
3. Уроки статистики вел несомненно сам Анатолий Карпов тоже были хорошие, но в какой-то момент лично у меня возникли немного сложности в понимании, но нужно учесть что сам предмет то нелегкий. Но однозачно плюс, но порекомендовал бы также на степике пройтись от того же Анатолия.
4. Визуализация тоже была на уровне, в целом неплохо. Но мне лично яндекс даталенс не нравится я все равно на Power BI (Раньше был у них табло, но видимо изза санкций перешли туда). Но несомненно много чего полезного с лекций получил.
Да и в целом курс был хороший. Однозначно оочень много практики. Интересной практики. Различные проекты и мини проекты. Я хоть и лентяй, но мне было интересно. И не сказал бы что было сверх сложно. Также в курсе есть различные карьерные чаты в которых много интересных историй, советов да и многого
Порекомендовал бы я? Думаю да, я доволен. Я пытался учиться на бухгалтера, сам на менеджменте учусь, но все это не мое и не приносило мне удовольствия. Эта же деятельность мне нравится. Из сложностей лично для меня (это не минус курса это проблема другого характера) то что в моем регионе попросту нет таких вакансий и найти работу удаленно мне без опытному очень тяжело. Но мне посоветовали просто составить отчеты для компаний за бесплатно чтобы в резюме закинуть — постараюсь их применить."> Аналитик Данных в целом хорошо
Всех приветствую меня зовут Рамазан и я с Дагестана. Я учусь в университете на менеджменте. В начале 3 курса я решился влиться в IT так как не видел перствектив обучения в универе. Изначально не знал чем бы заняться, но друг порекомендовал курсы карпова и курсы яндекса, рекомендовал то мне он дата-саентиста или же МЛ-специалиста. Но почему-то с первых дней мой выбор пал именно на аналитика не знаю почему. Почему я выбрал карпова? Выбор давался мне тяжело, но просто факт того что школа специализируется только на этом сегменте IT (по сути все их направления смежные где-то рядом) я выбрал именно их. Скажу сразу о минусах
1. Начальный пайтон базовый. Ну оочень тяжело было это объективно. (Но он длится не долго)
Рекомендую настоятельно пройти курс на степике прежде чем сюда.
2. С самого начала пошли сильные дедлайны. Было сложно и времени казалось не хватает (но я и бездельник тоже нужно учтеть)
В остально же лично у меня проблем вроде не возникало
Плюсы тоже есть:
1. Когда я выбирал курс я часто видел даже в плохих отзывах что лекции самого Анатолия были познавательны. Теперь я убедился в этом сам. Анатолий очень хороший не только специалист, но и преподаватель. Человек действительно умеет объяснять доносить все простым легким понятным языком.
2. Лекции по продуктовой аналитики были весьма интересные и также понятные. Слушать было легко
3. Уроки статистики вел несомненно сам Анатолий Карпов тоже были хорошие, но в какой-то момент лично у меня возникли немного сложности в понимании, но нужно учесть что сам предмет то нелегкий. Но однозачно плюс, но порекомендовал бы также на степике пройтись от того же Анатолия.
4. Визуализация тоже была на уровне, в целом неплохо. Но мне лично яндекс даталенс не нравится я все равно на Power BI (Раньше был у них табло, но видимо изза санкций перешли туда). Но несомненно много чего полезного с лекций получил.
Да и в целом курс был хороший. Однозначно оочень много практики. Интересной практики. Различные проекты и мини проекты. Я хоть и лентяй, но мне было интересно. И не сказал бы что было сверх сложно. Также в курсе есть различные карьерные чаты в которых много интересных историй, советов да и многого
Порекомендовал бы я? Думаю да, я доволен. Я пытался учиться на бухгалтера, сам на менеджменте учусь, но все это не мое и не приносило мне удовольствия. Эта же деятельность мне нравится. Из сложностей лично для меня (это не минус курса это проблема другого характера) то что в моем регионе попросту нет таких вакансий и найти работу удаленно мне без опытному очень тяжело. Но мне посоветовали просто составить отчеты для компаний за бесплатно чтобы в резюме закинуть — постараюсь их применить.

Отыв о курсе System Design
Проходила обучение по курсу «System Design».
Благодаря пройденному курсу обрела новые знания.
Основные плюсы курса:
-Материал хорошо структурирован;
-Курс можно проходить в любое время;
-Есть задания, которые помогают закрепить материал (по ним есть дедлайны);
-Есть финальный проект, который позволяет использовать на практике весь материал курса;
-Кураторы всегда на связи, помогают и делятся материалами.
Спасибо создателям данного проекта!"> Отыв о курсе System Design
Проходила обучение по курсу «System Design».
Благодаря пройденному курсу обрела новые знания.
Основные плюсы курса:
-Материал хорошо структурирован;
-Курс можно проходить в любое время;
-Есть задания, которые помогают закрепить материал (по ним есть дедлайны);
-Есть финальный проект, который позволяет использовать на практике весь материал курса;
-Кураторы всегда на связи, помогают и делятся материалами.
Спасибо создателям данного проекта!

Инженер данных с нуля
Курс информативный. Очень хорошо упорядочена теория реляционных баз даных, хороши также блоки по linux, gitlab, postgress, spark. Блок по python очень слабый, clickhouse интересен, но почти все практические задачи на момент прохождения не работали, в блоке Airflow как мне показалось очень мало информации по работе именно с внешним интерфейсом Airflow. Задач достаточно. Минус за то что практические задания не были проработаны и протестированы на момент запуска курса. В результате все баги по практическим заданиям устранялись за счет самих студентов первых потоков в процессе прохождения ими этих заданий. Это сильно раздражало. Организация обратной связи намного лучше чем например на яндекс. Практикуме — здесь вы общаетесь с экспертами через мессенджер, а не по почте. Отвечали оперативно. Ответы и разъяснения экспертов не всегда и не сразу были полезными. Это тоже напрягало. Описание финального проекта можно было-бы тоже получше изложить, но это моё субъективное мнение. Курс «инженер данных с нуля» от Карпова мне был очень полезен хотя и нервов пришлось потрепать немало. Основное достоинсво курса с моей точки зрения — отсутствие воды и наличие всех необходимых инструментов в программе обучения на дата-инженера."> Инженер данных с нуля
Курс информативный. Очень хорошо упорядочена теория реляционных баз даных, хороши также блоки по linux, gitlab, postgress, spark. Блок по python очень слабый, clickhouse интересен, но почти все практические задачи на момент прохождения не работали, в блоке Airflow как мне показалось очень мало информации по работе именно с внешним интерфейсом Airflow. Задач достаточно. Минус за то что практические задания не были проработаны и протестированы на момент запуска курса. В результате все баги по практическим заданиям устранялись за счет самих студентов первых потоков в процессе прохождения ими этих заданий. Это сильно раздражало. Организация обратной связи намного лучше чем например на яндекс. Практикуме — здесь вы общаетесь с экспертами через мессенджер, а не по почте. Отвечали оперативно. Ответы и разъяснения экспертов не всегда и не сразу были полезными. Это тоже напрягало. Описание финального проекта можно было-бы тоже получше изложить, но это моё субъективное мнение. Курс «инженер данных с нуля» от Карпова мне был очень полезен хотя и нервов пришлось потрепать немало. Основное достоинсво курса с моей точки зрения — отсутствие воды и наличие всех необходимых инструментов в программе обучения на дата-инженера.

Отличный курс по машинному обучению
Проходила курс по машинному обучению. Что получила: глубокое погружение в профессию, при этом, доступное новичку. Боялась, что будут поверхностные знания, но получила отличную базу для входа в профессию. А если читать доп. Материалы, то базу можно расширить спокойно до нужного объема. Лекции понятные и без воды. Самый главный раздел по машинному обучению — топ. Эксперты в чате всегда отвечают на вопросы и дают подсказки «на подумать», что очень круто. Кураторы поддерживают, постоянно спрашивают, как идет обучение. Если быть активным, можно найти бадди, общаться с группой и проходить обучение, постоянно обмениваясь опытом с учениками. В общем, от обучения я в полном восторге, получила больше, чем ожидала."> Отличный курс по машинному обучению
Проходила курс по машинному обучению. Что получила: глубокое погружение в профессию, при этом, доступное новичку. Боялась, что будут поверхностные знания, но получила отличную базу для входа в профессию. А если читать доп. Материалы, то базу можно расширить спокойно до нужного объема. Лекции понятные и без воды. Самый главный раздел по машинному обучению — топ. Эксперты в чате всегда отвечают на вопросы и дают подсказки «на подумать», что очень круто. Кураторы поддерживают, постоянно спрашивают, как идет обучение. Если быть активным, можно найти бадди, общаться с группой и проходить обучение, постоянно обмениваясь опытом с учениками. В общем, от обучения я в полном восторге, получила больше, чем ожидала.

Курс по MLOps
Проходил курс по MLOps в начале 2025 года. Начал учиться без особого опыта в MLOps, и честно говоря, не знал с чего начать. Однако курс оказался действительно «вкатывающим» — даже с нуля проблем не возникло.
Структура курса продумана до мелочей: 10 уроков и финальный проект, которые открываются последовательно, обеспечивают плавное и последовательное погружение в тему. Каждая лекция разделена на короткие видео, что делает материал легко воспринимаемым. Конспекты, доступные как в самом курсе, так и в Notion, помогли мне лучше усвоить информацию и подготовиться к заданиям.
Задания были сформулированы понятно и логично, что способствовало отработке полученных навыков. Я смог получить обратную связь по всем выполненным заданиям, что было очень полезно. Поддержка команды курса также заслуживает отдельной похвалы — в случае вопросов всегда можно было обратиться за помощью.
Что касается контента, он оказался очень актуальным и разнообразным. Курс дал отличный обзор на существующие методы и подходы в проектировании инфраструктуры для моделей машинного обучения, что, безусловно, помогло мне лучше понимать, в каком направлении двигаться дальше в своем обучении.
Общее впечатление от курса сложилось исключительно положительное. Я научился многому и теперь чувствую себя увереннее в области MLOps.
Рекомендую этот курс всем, кто хочет разобраться в разработке архитектуры ML сервиса и развертывании моделей машинного обучения, независимо от предыдущего опыта!"> Курс по MLOps
Проходил курс по MLOps в начале 2025 года. Начал учиться без особого опыта в MLOps, и честно говоря, не знал с чего начать. Однако курс оказался действительно «вкатывающим» — даже с нуля проблем не возникло.
Структура курса продумана до мелочей: 10 уроков и финальный проект, которые открываются последовательно, обеспечивают плавное и последовательное погружение в тему. Каждая лекция разделена на короткие видео, что делает материал легко воспринимаемым. Конспекты, доступные как в самом курсе, так и в Notion, помогли мне лучше усвоить информацию и подготовиться к заданиям.
Задания были сформулированы понятно и логично, что способствовало отработке полученных навыков. Я смог получить обратную связь по всем выполненным заданиям, что было очень полезно. Поддержка команды курса также заслуживает отдельной похвалы — в случае вопросов всегда можно было обратиться за помощью.
Что касается контента, он оказался очень актуальным и разнообразным. Курс дал отличный обзор на существующие методы и подходы в проектировании инфраструктуры для моделей машинного обучения, что, безусловно, помогло мне лучше понимать, в каком направлении двигаться дальше в своем обучении.
Общее впечатление от курса сложилось исключительно положительное. Я научился многому и теперь чувствую себя увереннее в области MLOps.
Рекомендую этот курс всем, кто хочет разобраться в разработке архитектуры ML сервиса и развертывании моделей машинного обучения, независимо от предыдущего опыта!

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

Отзыв на курс «Deep Learning Engineer. NLP»
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."> Отзыв на курс «Deep Learning Engineer. NLP»
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.

Крайне прикладной курс для быстрого старта в новом проф направлении.
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!"> Крайне прикладной курс для быстрого старта в новом проф направлении.
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!

Солидный и эффективный подход к обучению
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."> Солидный и эффективный подход к обучению
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.

Курс Start ML
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."> Курс Start ML
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.

Отзыв об обучении по направлению «Аналитик данных». Расширенный тариф
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!"> Отзыв об обучении по направлению «Аналитик данных». Расширенный тариф
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!

Отличный курс
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"> Отличный курс
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

Отзыв об обучении на «Инженер машинного обучения», 32 поток.
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."> Отзыв об обучении на «Инженер машинного обучения», 32 поток.
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.

HardML — хороший курс
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."> HardML — хороший курс
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.

Краткий отзыв
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)"> Краткий отзыв
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)

Аналитик данных, поток 57
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."> Аналитик данных, поток 57
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.

Karpov. Courses. Start-ML
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!"> Karpov. Courses. Start-ML
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!

Deep Learning Engineer. NLP
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!"> Deep Learning Engineer. NLP
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!

Продвинутый Симулятор A/B-тестов.
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)."> Продвинутый Симулятор A/B-тестов.
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).

Прохождение курсы start ml
Сложный курс. Курс построен удобно. Для прохождения курса времени требуется довольно много времени и умение пользоваться справочной информацией из общедоступных источников. В курсе необходимо сдавать 4 курсовых проекта они довольно сложные. Но можно переводится на другой поток по несколько раз, поэтому при проблеммах с наличием свободного времени, курс пройти реально (с увеличенным сроком). Для успешного прохождения лучше сразу связаться с одногруппниками из потока, так будет легче сдать курсовые (это важно!)"> Прохождение курсы start ml
Сложный курс. Курс построен удобно. Для прохождения курса времени требуется довольно много времени и умение пользоваться справочной информацией из общедоступных источников. В курсе необходимо сдавать 4 курсовых проекта они довольно сложные. Но можно переводится на другой поток по несколько раз, поэтому при проблеммах с наличием свободного времени, курс пройти реально (с увеличенным сроком). Для успешного прохождения лучше сразу связаться с одногруппниками из потока, так будет легче сдать курсовые (это важно!)

Start ML. Обучение МО в Питон для начинающих
Когда начали учиться: июнь 2024 года (поток № 29).

Был ли до этого опыт в аналитике данных: Начинала с нуля.

Насколько оправдались ожидания: На 9 из 10. Курс оказался очень насыщенным и сложным, но чрезвычайно полезным. Возможно стоит увеличить время, между делайнами. Информация не всегда успевала уложиться по полочкам в голове, как необходимо было погружаться в новый урок.

О поддержке на курсе: Поддержка на высшем уровне. Кураторы всегда готовы пойти навстречу и помочь в случае непредвиденных обстоятельств. Знаю, что можно перейти на другой поток, если перестанете успевать за темпом обучения.

Понравился ли вам контент: Контент был очень качественным и разнообразным. Учебные материалы хорошо структурированы (видеолекции с практикой + конспекты, иногда доп информацию нужно было искать (есть ссылки на внешние источники) и изучать самостоятельно; практические задания помогали закреплять теорию на практике. Каждое задание проходит проверку на сервере (тест/ответ/код/прикрепленые файлы). Решение лекторов открывается после дедлайна, можно увидеть как те же задачи решает специалист. Также отлично в помощи с обучением отрабатывает ИИ Ева, что намного быстрее и удобнее, чем ждать ответа экспертов.

Общее впечатление от курса: Несмотря на сложность и объемность материала, обучение было комфортным и продуктивным. Главное не соскакивать с темпа, потом можно не нагнать (дедлайн почти каждые 2 дня, внутри курса предусмотрены перерывы ≈ по неделе).

Первые 2 блока (питон и МО) для меня оказались самыми полезными.

Труднее всего дался блок по глубинному обучению, хотя лекции были понятными и местами даже слишком разжеванными, на практике случался ступор.

Блок по статистике и А/В тестированию не вызовет больших проблем, если уже изучали в школе/универе основы тервера и мат. Статистики.

Оценка от 1 до 10: 9

Готовы ли вы порекомендовать наш курс другим? Да, безусловно! Но нужно заранее оценивать свои силы и свободное время (особенно если новичок)."> Start ML. Обучение МО в Питон для начинающих
Когда начали учиться: июнь 2024 года (поток № 29).

Был ли до этого опыт в аналитике данных: Начинала с нуля.

Насколько оправдались ожидания: На 9 из 10. Курс оказался очень насыщенным и сложным, но чрезвычайно полезным. Возможно стоит увеличить время, между делайнами. Информация не всегда успевала уложиться по полочкам в голове, как необходимо было погружаться в новый урок.

О поддержке на курсе: Поддержка на высшем уровне. Кураторы всегда готовы пойти навстречу и помочь в случае непредвиденных обстоятельств. Знаю, что можно перейти на другой поток, если перестанете успевать за темпом обучения.

Понравился ли вам контент: Контент был очень качественным и разнообразным. Учебные материалы хорошо структурированы (видеолекции с практикой + конспекты, иногда доп информацию нужно было искать (есть ссылки на внешние источники) и изучать самостоятельно; практические задания помогали закреплять теорию на практике. Каждое задание проходит проверку на сервере (тест/ответ/код/прикрепленые файлы). Решение лекторов открывается после дедлайна, можно увидеть как те же задачи решает специалист. Также отлично в помощи с обучением отрабатывает ИИ Ева, что намного быстрее и удобнее, чем ждать ответа экспертов.

Общее впечатление от курса: Несмотря на сложность и объемность материала, обучение было комфортным и продуктивным. Главное не соскакивать с темпа, потом можно не нагнать (дедлайн почти каждые 2 дня, внутри курса предусмотрены перерывы ≈ по неделе).

Первые 2 блока (питон и МО) для меня оказались самыми полезными.

Труднее всего дался блок по глубинному обучению, хотя лекции были понятными и местами даже слишком разжеванными, на практике случался ступор.

Блок по статистике и А/В тестированию не вызовет больших проблем, если уже изучали в школе/универе основы тервера и мат. Статистики.

Оценка от 1 до 10: 9

Готовы ли вы порекомендовать наш курс другим? Да, безусловно! Но нужно заранее оценивать свои силы и свободное время (особенно если новичок).

Хорошая теория, достаточно практики
Я шёл на это обучение уже имея определённый бэкграунд и мне хотелось лучше погрузиться в тему, понять все тонкости и упорядочено пройти теорию ML. В целом, курс очень интересный, задачи идут по нарастающей (есть со \* для любителей хардкора) и ты не просто делаешь fit predict, а реально учишься понимать как делать модель, как сделать pipeline, как подготовить данные, как всё это выкатить в прод (в финальном проекте вы делаете сервис, а не просто модельку).

Из слабых моментов: мало нейронок, но это вводный курс поэтому это ожидаемо. Для этого направления есть отдельные курсы, которые направлены на одну из областей в DL.

P. S. Личное пожелание в сторону улучшения курса — добавить в финальный проект aiflow и docker. Они рассмотрены в курсе, но в финальном проекте не участвуют = ("> Хорошая теория, достаточно практики
Я шёл на это обучение уже имея определённый бэкграунд и мне хотелось лучше погрузиться в тему, понять все тонкости и упорядочено пройти теорию ML. В целом, курс очень интересный, задачи идут по нарастающей (есть со \* для любителей хардкора) и ты не просто делаешь fit predict, а реально учишься понимать как делать модель, как сделать pipeline, как подготовить данные, как всё это выкатить в прод (в финальном проекте вы делаете сервис, а не просто модельку).

Из слабых моментов: мало нейронок, но это вводный курс поэтому это ожидаемо. Для этого направления есть отдельные курсы, которые направлены на одну из областей в DL.

P. S. Личное пожелание в сторону улучшения курса — добавить в финальный проект aiflow и docker. Они рассмотрены в курсе, но в финальном проекте не участвуют = (

Отличный курс для старта в ML
Обучение в целом понравилось!

Я пришла на курс, не имея опыта работы в it-сфере, но с базовым знанием python и общим пониманием статистики.

Основной блок по машинному обучению отлично структурирован, лекции понятные, материал хорошо усваивается, задания интересные, итоговый проект тоже.

В блоке статистики и аб-тестирования тоже материал довольно неплохо подаётся.

Раздел с нейросетями мне, честно говоря, не понравился, с трудом прошла его до конца именно из-за того, как построены лекции, конспекты и задания. Было ощущение, что эта часть делалась сильно в торопях и «на ходу», поэтому планирую изучить их где-то ещё.

Немного не хватило какого-то индивидуального подхода. Все задания проверяются в автоматическом режиме, а я немного надеялась, что хотя бы в части проекта будет живая проверка с комментариями профессионалов и обратной связью. Но при этом объем и построение практических заданий мне кажется вполне достаточным, чтобы усвоить материал.

Поддержкой я особо не пользовалась, чата gpt мне было достаточно, чтобы найти ответы на возникающие вопросы.

Поскольку курс создан для того, чтобы дать общее представление о профессии и создать необходимую базу, я точно могу его рекомендовать. Очень рада, что прошла его и сохранила желание развиваться дальше. Чувствую, что проделала большой путь и довольна результатом.

Но тем, кто идёт «с нуля» очень рекомендую сначала изучить python — это сильно облегчит процесс и сократит время на выполнение задач. Поскольку формат курса не предполагает глубокого изучения языка (это просто значительно увеличило бы время прохождения), а писать код нужно будет постоянно, без базового понимания может быть сложновато.

Спасибо авторам и всей команде за хороший курс!"> Отличный курс для старта в ML
Обучение в целом понравилось!

Я пришла на курс, не имея опыта работы в it-сфере, но с базовым знанием python и общим пониманием статистики.

Основной блок по машинному обучению отлично структурирован, лекции понятные, материал хорошо усваивается, задания интересные, итоговый проект тоже.

В блоке статистики и аб-тестирования тоже материал довольно неплохо подаётся.

Раздел с нейросетями мне, честно говоря, не понравился, с трудом прошла его до конца именно из-за того, как построены лекции, конспекты и задания. Было ощущение, что эта часть делалась сильно в торопях и «на ходу», поэтому планирую изучить их где-то ещё.

Немного не хватило какого-то индивидуального подхода. Все задания проверяются в автоматическом режиме, а я немного надеялась, что хотя бы в части проекта будет живая проверка с комментариями профессионалов и обратной связью. Но при этом объем и построение практических заданий мне кажется вполне достаточным, чтобы усвоить материал.

Поддержкой я особо не пользовалась, чата gpt мне было достаточно, чтобы найти ответы на возникающие вопросы.

Поскольку курс создан для того, чтобы дать общее представление о профессии и создать необходимую базу, я точно могу его рекомендовать. Очень рада, что прошла его и сохранила желание развиваться дальше. Чувствую, что проделала большой путь и довольна результатом.

Но тем, кто идёт «с нуля» очень рекомендую сначала изучить python — это сильно облегчит процесс и сократит время на выполнение задач. Поскольку формат курса не предполагает глубокого изучения языка (это просто значительно увеличило бы время прохождения), а писать код нужно будет постоянно, без базового понимания может быть сложновато.

Спасибо авторам и всей команде за хороший курс!