Курсы по Machine Learning от KARPOV.COURSES

Я пришёл на курс с определённым бэкграундом в программировании и ML, поэтому в целом мне было просто проходить многие вещи. Задачи идут по нарастающей, поэтому всё доступно. На лекциях подробно разбираются такие вещи, которые вы вряд ли встретите на других площадках. Я шёл сюда именно за этим - хорошо понимать как всё работает изнутри. <br /> В финальном проекте, который состоит из нескольких частей, вы не просто делаете fit predict, а делаете полноценный сервис, такой же как вам нужно будет делать на реальной работе.

Обучался 3 месяца на симуляторе ML с декабря 22 по февраль 23. До этого был опыт работы аналитиком данных 1 год. <br> Курс понравился. Задания разнообразные, затронуто много областей, из которых можно выбрать, что ближе по душе. Так же круто, что есть чат, где можно пообщаться с создателями курса на различные темы. Поддержка в дискорде работает оперативно) <br> Теперь планирую попасть на курс Hard ML)

Отличный курс для старта в машинном обучении. Занятия проходят на собственной платформе с предзаписанными уроками. При этом уроки открываются с некоторыми перерывами, что позволяет знаниям лучше отложиться и не дает перегореть.<br /> К каждому уроку прилагаются хорошие домашние задания, которые проверяются автоматически на платформе курса. Это является и плюсом и минусом, так как домашки можно сдавать в любой момент (в рамках дедлайнов) и можно сразу увидеть результат выполнения. Но при этом это же и минус, так как живой человек не смотрит на код и качество выполнения заданий. То есть код может быть ужасным, но выдавать правильный ответ, но узнать о том что все плохо не выйдет) В теории можно ходить и спрашивать у команды напрямую, но не видел чтобы кто-то так делал.<br /> Сами блоки очень качественные. Особенно по python и классическому ml.<br /> На курсе не просто рассказывают как делать fit\predict, а рассказывают как все устроено изнутри. Настолько хорошо, что после курса вы будете в состоянии написать свою ml библиотеку с нуля на любом языке.<br /> Темп обучения достаточно быстрый и в сжатые сроки дают большое количество информации. Для тех, кто имеет любой обыт разработки это огромный плюс, так как кол-во воды минимум. Но если вы приходите полностью с нуля не имея опыта разработки вообще, то будет очень сложно.<br /> Блок по deep learning обзорный и приходить в первую очередь нужно за классическим ml, но и по deep learning база дается хорошая, будет поняно как развиваться дальше.<br /> Если возникают сложности с заданиями, то команда тоже всегда на связи и готова помочь.<br /> В целом крайне рекомендую курс, особенно если уже есть опыт разработки на любом языке с любой технологией. Если вы с нуля, то советую оценить свои силы и приходить только если не совмещаете обучение с фулл тайм работой

Перед тем как начать свое обучение, я хотел укрепить и разнообразить свои навыки в области ML. Могу с уверенностью сказать, что мои ожидания полностью оправдались.<br> <br> Благодаря крутой экосистеме симулятора получилось порешать задачки на всех этапах разработки ML-системы, а также попробовать себя в разных сферах(matching, NLP, RecSys, uplift). Очень порадовало, что каждый месяц появляются новые задачи, а у студентов есть возможность предложить свою задачу, и если другие студенты за нее проголосуют, то команда возьмет ее в разработку.<br> <br> Поддержка была всегда оперативной + всегда можно написать в чат за помощью, где студенты, вместе с авторами симулятора, готовы помочь.<br> <br> Я однозначно рекомендую этот симулятор всем, кто хочет закрепить, улучшить и разнообразить свои навыки в области машинного обучения. Однако стоит быть готовым к тому, что вам придется решать многие задачи самостоятельно. Это не тот тип курсов, где вас будут "вести за руку" от начала до конца, ведь именно в самостоятельности фишка симулятора, прямо как на обычной работе.

Курсом, в целом, доволен. Не всем подойдёт из-за некоторой специфики:<br /> 1. Если старый компьютер со старым ПО - лучше заранее предусмотреть обновление железа и ПО.<br /> 2. Если в более раннем часовом поясе от МСК, без базовых знаний в IT, будет очень сложно.<br /> 3. Если есть математические знания, будет сложно слушать раздел машинного обучения (жаргонизмы режут слух).<br /> 4. Не ожидайте глубокого погружения экспертов/наставников в проблему (это не очный преподаватель).<br /> 5. Если рассчитываете тратить по 2-3 часа в день, лучше предусмотрите 5-6 часов, так как материал очень плотный (даётся в сжатые сроки), (мне было не достаточно 2-3 часа).<br /> 6. Не начинайте обучение, если планируете переезд.<br /> Если вышеперечисленные факторы отсутствуют или вы готовы испытать острые ощущения от горящих дедлайнов и в учёбе и на работе, очень рекомендую!

Мой отзыв больше отражает моё отношение к удалённому обучению (без доступа к живому общению с преподавателем), нежели конкретно к этому курсу. Но тем не менее, на мой взгляд, когда работающие люди оплачивают обучение, они должны иметь возможность получить исчерпывающие объяснения по непонятным вопросам до завершения дедлайна, а не после в виде разбора урока. При этом, отмечаю высокую скорость ответа преподавателей на вопросы от студентов. Платой за сравнительную доступность курса является недостаточная глубина работы с преподавателями, особенно, если разные часовые пояса - семинары и чаепития (они являются большим плюсом) сложно посещать, да и усвоение информации в сильно вечерние или ночные часы затруднено.<br /> Технические проблемы коллеги преодолевали достаточно быстро, при этом, альтернативные платформы были не всегда удобны, как те, на которых начинали обучение (D...d, Y...e). Готов ли я порекомендовать эти курсы - да, но с рядом оговорок: 1. Если молоды и формат удалённого обучения и общения вполне устраивает (я сторонник полноценного академического образования), 2. Если имеете базовые знания программирования, 3. Если не страдаете синдромом отличника (очень напряженные дедлайны).

Постараюсь кратко и с контекстом и, разумеется, субъективно.<br /> Я работаю MLOps инженером 3 года, и захотел все-таки расширить область профессиональный обязанностей и на DS/ML задачи.<br /> <br /> KC StartML:<br /> + Отличнейший модуль "Машинное обучение и приложения". Я бы сказал, что по важности для профессии это рядом с тестированием/тервером. Самый длительный курс и преподаватель сделал свою работу на 5+<br /> + Модуль "Обзор основ Deep Learning" переварил только на 30%, потому что это тема сложная, и буду пересматривать, разумеется. Преподаватель так же всё подробно объясняет и показывает в коде, так что ребята кто соображает побыстрее меня - вам должно зайти с первого раза.<br /> +- Модуль "Статистика и А/В-тесты" довольно сложный. Я пробуксовал на нём серьёзно, и, думаю, мне требуется другой курс конкретно по ТерВеру. Тут он больше подразумевается. Курс Карпова на степике мне в помощь :) Зато в этом курсе шикарно объясняют и показывают подводные камни видов тестирования ML решений в проде.<br /> +- Модуль "Прикладная разработка на Python". Хорошо знакомит с основами разработки приложения вокруг ML решения. Плохо, что мало докера, а вместо контейнеров сдаём 1 файл скрипта в котором и варим и мажем и такое, конечно, в портфолио на Гит показывать не стоит. <br /> <br /> Ну и в общем последний пункт это единственный минус курсов.<br /> <br /> Саппорт работает быстро. У меня максимум ожидания на вопрос "памагите у меня не работает" было около 40 минут.<br /> <br /> Менеджеры идут на встречу, очень приятное впечатление оставили.

Взял курс в феврале 2024. Опыта до этого в ML и DS практически не было. Бекграунд: инженер-электронщик, программировал на Си и чуть-чуть на Python. Пришел по рекомендации друга, который прошел там же "Аналитику данных". Цель: попробовать, что это такое этот ваш ML.<br /> <br /> Я бы не назвал этот курс лучшим на рынке, но он однозначно дает хорошую базу и дает представление о мире ML и даже немного DL. Пройдя этот курс, перестаешь пугаться непонятных терминов, а магическая субстанция под названием "Искусственный Интеллект" приобретает вполне себе осязаемые и понятные математические формы. После прохождения всех технических модулей я бы не назвал себя ни уверенным ML-инженером, ни даже хотя бы уверенным Python-пользователем, однако теперь я могу назвать то, чего не понимаю. Я знаю, куда мне копать дальше, что изучать, куда тыкаться, что пробовать. Во мне реализовался интерес к знаниям, которые меня еще ждут. <br /> Теперь совсем немного подробностей. Много-много материала. Параллельно работать и постигать новый материал было очень сложно. Больше всего мне хотелось сказать разработчикам курса - а может растянете еще на чуть-чуть даты выхода новых лекций? Хотя я практически всегда закрывал все до дедлайнов, сам факт наличия дедлайна длиной в неделю для 3 довольно объемных уроков меня угнетал. Также у меня вопросы к модулю DL, а именно к лектору, к его подаче информации. Я не сомневаюсь в его профессионализме, но было бы хорошо, если бы лекции были более "разжеванными" и структурированными. Это бы значительно облегчило восприятие нового материала. Хотя я в итоге привык, но печали были много. Также мне не совсем нравится подход курса к созданию "рабочей" обстановки, как при решении реальных задач. Хорошо в это погружаться, но не при получении базовых знаний. Очень многое зависит, насколько крепкая у тебя база, поэтому важно изучать ее основательно и размеренно. Я закончил курс, но начинаю изучать все заново. Но на этот раз - с пониманием, а что именно мне нужно. Впереди еще много всего интересного, и я со смирением "вечного студента" иду вперед:)<br /> <br /> Главные перемены в жизни: я уволился с работы и ушел из своей профессии. Начал преодолевать психологические барьеры. Заново начал учиться тому, как учиться. И до сих пор это делаю. Ну и самое главное - уже где-то в середине обучения я нашел работу в маленьком зарубежном стартапе, хотя это скорее результат удачного стечения обстоятельств. Получится и захочется ли мне развиваться дальше - увижу. Пока я оптимистичен и наслаждаюсь каждым моментом, когда мне удается понять очередной метод или поднять качество модели хотя бы на 0.1:)<br /> <br /> Готов ли я порекомендовать этот курс? Пожалуй, да. Особенно, если замечания выше были бы учтены. Особенно, если у вас довольно много времени и вы готовы уделять его учебе. Моя оценка курсу: 7.5/10.