KARPOV.COURSES

На данный момент заканчиваю курс с чувством выполненного долга и гордости за себя, что смогла и не бросила на полпути) До этого я вообще не сталкивалась с программированием и сейчас не сказать что прям совсем профи. Впереди еще много самостоятельных поисков и изучений.
Если вы, как и я идете на курс с нуля, то будьте готовы к большой самостоятельной работе и имейте достаточно времени. Да, на курсе расскажут основы, азы, но для полного понимания информации нужно гораздо больше. И даже лучше, что курс короткий (5 месяцев), в отличие от других (9-12 месяцев), так как самостоятельное изучение считай практика.

Про ребят, которые проводят курс и группу поддержки могу сказать только положительное. Лекторы интересные и в доступной форме объясняют основы. Особенно сам Анатолий Карпов, прирожденный учитель) Группа поддержки в discord тоже молодцы, всегда на связи, в выходные дни тоже до позднего времени, до 23.00. Отвечают в течении 3-7 минут развернуто и терпеливо)) Спасибо им

Да, были и слезы и ощущения, что куда я лезу в такое сложное вот это вот все, но упорство и желание заставляли идти вперед) и я бесконечно этому рада)
Впереди открыты двери в большой, крутой и безумно интересный мир IT
Hello, World!)))

Понравилось учиться на курсах у Карпова. Хорошо проработан Python, SQL. Лучше всех реализована статистика. Улучшить стоит API Python, Airflow. В качестве BI систем рассказывают про Tableu. В целом по хардам знаний достаточно, чтобы зайти на стажера, джуна. Самое главное, что курсы реально объясняют материал с полного нуля, если у вас нет опыта, то вы сможете научиться с любого уровня. Также вы учитесь сами находить информацию, правильно гуглить - это поможет вам везде. В итоге сейчас почти год работаю аналитиком данных, доволен результатом.

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.

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.

Поддержка была всегда оперативной + всегда можно написать в чат за помощью, где студенты, вместе с авторами симулятора, готовы помочь.

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.

Обучался 3 месяца на симуляторе ML с декабря 22 по февраль 23. До этого был опыт работы аналитиком данных 1 год.
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)
Теперь планирую попасть на курс Hard ML)

Всю мою осознанную жизнь я понимал, что хочу работать в сфере IT, но не знал, с какой стороны начать делить этого слона.

Мой первый опыт начался с обучения языку Java, но после окончания двух курсов я так и не нашел работу, потому что зарплата, которую мне предлагали, была ниже минимума, который может себе позволить семейный человек с ипотекой.

Время шло, и мысль о IT-сфере всё больше и больше зрела в моей голове. Летом 2022 года я решил, что время пришло: со слов моего очень близкого друга, который уже давно трудится в этой сфере, программист какого-либо языка должен обладать серьёзными хард скилами, которых у меня нет, а это в дальнейшем может негативно сказаться на трудоустройстве. Он предложил рассмотреть специальность аналитик данных (человек, который умеет кодить на должном уровне (код должен отработать хотя бы один раз) и при этом умеет работать головой).

Посмотрев различные образовательные курсы, я остановился на школе karpov.соurses.
После прохождения демокурса я понял две вещи:
1. Аналитика — это про меня
2. karpov.соurses помогут мне достичь моей цели.

После начала обучения жизнь просто понеслась, три урока в неделю не оставляли времени на привычное безделье и прожигание энергии в соцсетях и фильмах. Курсы по Java очень помогли понять Python. Но ребята с курса, которые ни разу не кодили, не встретили больших сложностей в усвоении материала. Как-никак лекторы рассказывают все нюансы: от простого Hello, world! до сложной агрегации нескольких таблиц с подсчётом метрик и отправкой результата себе в телеграм.

После завершения курса я перевёлся на своей основной работе на должность аналитика. Конечно, не все навыки, которые я получил на курсе, я сейчас использую в своей новой работе. Но я планирую двигаться дальше, и хороший запас знаний, который остался после курсов, мне поможет.

Всем кто решится на этот путь, пожелаю удачи, сил и терпения — да пребудет с вами Сила!!!

До курса «Аналитик данных» опыта в программировании у меня не было. Ранее сталкивался с аналитикой в дропшипинге, но это была лишь вершина айсберга. Моё образование «техническое обслуживание и ремонт автомобильного транспорта», проще говоря — механик.
До обучения в karpov.courses я работал на позиции продавца консультанта в течение последних 5 лет. Я испытывал дискомфорт от своей рабочей деятельности и натыкался на огромнейшее количество курсов по различным профессиям, но всё казалось не очень привлекательным и перспективным. Ещё летом 2022 хорошие знакомые стали рассказывать мне о перспективах IT-профессий и посоветовали karpov.соurses. Мой выбор пал именно на аналитику, это был тот профиль, который заинтересовал меня больше всего. Внушительный список задач, лекций, возможность развиваться и полная встряска для мозга — что может быть прекраснее?
Конечно, после 5 лет деградации на одном месте начинать было тяжело и, честно говоря, страшно, особенно когда слышал о загадочных Python, SQL, GIT. А от одной мысли о предстоящем прохождении блоков «Теория вероятности», «Статистика» и «Визуализация» меня бросало в панику, ведь даже в колледже математика и геометрия были тем, что я не любил больше всего.
Когда началось обучение, пришлось совмещать его с работой, было много бессонных ночей, много непонятного и шквал эмоций, но на самом деле — стоило только вникнуть поглубже, каждый новый день был для меня открытием чего-то нового, и я был рад тому, что снова не стою на месте и развиваюсь.
На курсе к моему удивлению я полюбил SQL, Python, теорию вероятности и визуализацию. Когда проходил блоки и вдруг возникали вопросы, удивляло, как преподаватели тщательно помогали во всём разобраться и донести информацию так, чтобы это стало понятно, и насколько чётко сформулированы лекции и задания. Уже к середине курса я понял, что способен решать самостоятельно продуктовые задачи, которые пару месяцев назад казались мне непреодолимой стеной, и я как нетерпеливый человек решил попробовать свои силы в рабочем процессе. Не дождавшись блока «Трудоустройство», прошёл собеседование и на данный момент работаю в Food Tech компании, где применяю весь опыт, который получил на курсе.
Я действительно считаю karpov.courses топовой платформой обучения, ведь курс помог мне открыть двери в новую жизнь, стать увереннее в себе и почувствовать себя больше, чем просто «продавцом-консультантом». Я ни капли не пожалел о том, что обучался именно здесь, так как обширное количество блоков, задач и лекций позволяют выпуститься незаменимым и востребованным специалистом. До обучения я никогда бы в своей жизни не подумал о том, что буду получать искреннее удовольствие от своей работы и жизни, а также ежедневно развиваться.
Хотел бы добавить для тех, кто ещё обучается или только думает начать: сложности в обучении — это нормально. Позволь себе преодолеть страх и получать удовольствие от того, что делаешь.

Содержательный интенсивный курс с широким спектром инструментов для начинающего аналитика. Плюсы:
● отличный быстрый саппорт;
● возможность посмотреть разбор заданий, чтобы сравнить свой вариант решения с решением опытного аналитика;
● готовые конспекты по лекциям, что значительно экономит время на обучение.

Это лучший курс, который я проходила. Я уже начала работать аналитиком, но мне нужно было структурировать и упорядочить знания. Курс идеально с этим справился. В курсе были разобраны все основные инструменты для работы аналитиком. Курс направлен скорее на работу продуктового аналитика, что сейчас является особенно актуальным. В курсе было очень много информации, к которой периодически возвращаешься. Здорово, что доступ к материалам сохраняется.

Обучение в DS я проходил самостоятельно, без платных курсов. Но практики везде мало. Как правило, в курсах есть примеры, практические задачи, но это все не то. По отдельности куски тем вроде и понятны, но из этого не складывается понимание, как подходить к решению конкретной большой задачи из бизнеса.

Симулятор как раз заполняет эту брешь. Реальные задачи из прода, большой объем данных, и что порадовало отдельно — хорошая вводная теоретическая часть.

Опишу здесь опыт классического гуманитария, который смотрит в сторону анализа данных.
Приступила к обучению в январе 2023 года, окончила в августе 2023.

Прежде никакого даже приблизительно похожего опыта у меня не было, с чистого нуля, Притом что в институте была теория вероятности, матстат и некоторые дисциплины, имеющие хоть какое-то отношение к настоящему курсу, все это совершенно забылось за 10 лет, в работе не встречалось.
Задачей было попробовать и оценить, могу ли /хочу ли я освоить новую профессию, которая казалась мне достаточно привлекательной.

Скажу сразу для полных новичков, каким была и я: ни в коем случае не затягивайте с началом занятий, иначе дедлайны вас погубят. В силу семейных обстоятельств я была вынуждена начать на неделю позже, чем весь поток. В результате первый и важнейший блок по Python вогнал меня в страшную фрустрацию: мало того, что я ничего не понимала , но не хватало времени разобраться. После двух месяцев борьбы с ветряными мельницами я чуть было не бросила учебу, но сообразила воспользоваться переводом на поток назад - эту опцию тоже стоит иметь в виду. Как минимум один раз одна бесплатна. Я прошла еще раз основы Python с новым потоком в нормальном темпе и по второму разу, повторяя руками все, что делал лектор во время лекции, и только тогда что-то стало укладываться.

После нормализации тайминга дело пошло легче, блок SQL понравился и давался в разы проще, чем Python.

Блоки по теории вероятности и статистике были для меня непростыми, но помогало то, что ранее я слушала курсы Анатолия Карпова на Stepik и какое-то общее впечатление успело отложиться, и лекции его были мне понятны, плюс- было кому помочь.

Незаметный по началу блок Git важен, так как посредством этой системы будут сдаваться промежуточный и итоговый проекты. К сожалению, объяснения мне совершенно не хватило, нашла в Youtube обширную лекцию (часов на 5), благодаря которой смогла понять, что это вообще такое и как оно функционирует. По моим впечатлениям, многие студенты без какого-либо опыта также нередко терялись при использовании инструмента.

Блок визуализации показался мне неплохим, как ни крути но Tableau где-то выучить нужно. Я закрыла не все задания, но поймала основной принцип.

Блоки по развитию продукта и продуктовой аналитике, возможно, не самые глубокие, но как мне кажется, их задача - дать общее представление. Я считаю, что в целом его получила, и логику поняла. Остальное можно дополнительно осваивать в зависимости от того, кто чем планирует заниматься.

Блок airwlow прошел практически мимо меня - материал лично мной считывался плохо. Насколько я поняла, для данного блока было просто маловато времени. При необходимости я буду искать дополнительные материалы, они точно есть, и с толком и расстановкой их осваивать. Благо для финального проекта блок был не критичен.

Что касается работы техподдержки - в целом мне ее было достаточно, хотя некоторые ответы сотрудников вгоняли в еще больший ступор.

Предлагаемые для работы платформы по началу вызывали ужас - их было сразу много новых, но довольно скоро я освоилась и в целом было удобно.


По итогу могу резюмировать, что по прошествии разных стадий (отрицание, торг, депрессия...))) курс скорее оправдал мои ожидания чем нет, из 10 поставила бы 7,5. Это большое направление которое требует знания ряда инструментов, чтобы хотя бы начать развиваться в профессии. Это самый короткий курс из тех, что мне известны, и он крайне насыщен - организаторы постарались вместить в него все, что можно по ключевым позициям. Насколько для вас подходит такое решение - все индивидуально. Если бы я не торопилась, возможно искала бы какую-то годовую программу. Однако что несомненно - общее впечатление я получила и теперь время думать, точно ли мне стоит двигаться в эту сторону, так как это несомненно потребует дальнейших немалый усилий.

Из советов: если есть время и нет никакого профильного бэкграунда, лучше бы ознакомиться с базовыми понятиями тервера, матстата, python и sql посредством бесплатных курсов (тот же Stepik) и в своем ритме до того, как вся эта махина знаний обрушится на вас.

По времени: первые 3-4 месяца курс занимал почти ВСЕ мое время, при этом я работала только на четверть ставки.

Еще одно важное замечание: у меня есть знакомые в этой сфере, которые потратили немало времени, чтобы объяснить мне что-то, послать дополнительные материалы, разобрать со мной на пальцах что к чему. Не уверена, что без их помощи и поддержки дошла бы до конца. Так что заручитесь консультантом, если таковой есть в вашем окружении.

Обучалась во второй половине 2023 года. Хотела именно курс DE, чтобы повысить свои текущие компетенции аналитика. Курс Карпова выбрала просто потому, что абсолютно все курсы на рынке в то время имели характеристику как "сделано плохо". К тому времени у меня уже был опыт обучения на ЯП (на аналитика), и хотелось попробовать другую платформу.

Коротко о курсе:

1. Материал в виде видео-лекций и кратких конспектов того, что объясняет преподаватель. Это тупо неудобно. Сидеть и 2 часа смотреть, как кто-то что-то в консоли тыкает или просто зачитывает презу. Зачем это сделано - не понятно. Только если в качестве наращивания личного бренда спикера. Да, была парочка реально классных модулей, которые тащили за счёт спикера, но эффект уходил почти в ноль из-за следующего пункта.

2. Теория превалирует над практикой. Я бы сказала, что примерно 20/80 (из них практики всего 20). Код ваш ревьюить никто не будет. Будет после проверки чисто ответ из серии "Ответ неверный, а тут верный".

3. Поддержка очень слабая, а иногда откровенно токсичная. Иногда после пары дежурных ответов типа "попробуйте это и вот то", студентам просто переставали отвечать.

Короче, по окончании курса, я вообще не поняла, что это было. Спасибо курсу, что я смогла вписать себе в резюме строчку о прохождении и повысить свои компетенции в глазах HR, которые меня собеседовали. Также смогла преодолеть психологический барьер перед профессией. Навыков я, к сожалению, практически никаких не получила.

Ретроспективно, сейчас я бы предпочла выбрать курс Яндекс Практикума. Даже с учётом всех недостатков, которые о нём пишут, я думаю, что в будущем Яндекс сможет допилить из него полноценный продукт. Тот же аналитик данных, на котором я училась до этого, претерпел сильные изменения с начала моего обучения и модули постепенно меняются и переписываются. В случае с Карповым, у меня уверенности в качественном улучшении продукта нет.

Проходил курс Симулятор аналитика 17072023. Login: an-a*a**nov

Сомнения внезапно проявились еще на вводном семинаре где Анатолий вводил в курс дела. На вопрос из чата "какая трудоемкость, сколько рекомендуете заниматься по опыту прошлых потоков" , Анатолий не ответил прямо, сославшись на то что у всех по разному. Ну ладно.

Сразу про единственную положительную звезду. Учебные материалы в целом достойные, объяснения хорошие, все полезно. Дополнительные полезные ссылки. Сайт удобный, быстрый, ничего не виснет, как у некоторых школ, дизайн фирменный просто отличный.

В остальном, все очень печально.

Минус первая звезда. Структура курса, фактически курс длится 2 недели, первая неделя не считается, там знакомство и учебы никакой. Затем до второго августа выходили материалы, а потом только видеоразборы заданий. Разметка дедлайнов построена неверно, на дашборды и метрики слишком много внимания, меньше чем на Airflow и автоматизацию, что странно, так как эти темы намного сложнее.

Минус вторая звезда. Неработающая инфраструктура. Все время в начале обещали письмо с логином и паролем для инструментариев. Оно так и не пришло, но внезапно можно было заходить с логином и паролем от karpov.courses. Ладно, но ежедневные Access is denied и Permission error, просто надоели. Фактически не удалось сделать нормально не A/B не остальные задачи с кодом и Git. Все время убивал на настройки в попытках разобраться что не так. Orbit в k8 Jupiter так и не заработал, пришлось в Google Colab пытаться что то сделать.

Минус третья звезда. Вытекает из второй. В целом саппорт очень скупой. Очевидно что большинство студентов стараются больше учиться в субботу и воскресенье и вопросы как раз и копятся в это время. Но они получат ответы не раньше вечера понедельника, а может и позже, а может и вопрос пропустят случайно. Некоторые рекомендации сродни "кеш почистите".

Минус четвертая звезда: Оценивание. Оценки завышают. Тут все просто. Сеньоры, конечно, не слишком хотят смотреть однотипную ерунду от кучи джунов и разбираться в этом ворохе. Поэтому быстренько ставят хорошую оценку и на этом все. Мне оценили задание на 10 /10, при том я по факту во многом скопировал его с лекционного, добавил интерновской отсябятины, по ТЗ не доделал его и не надеялся на большее чем 4/10. Комментарии к заданию также скупы, кому как повезет. Проверка очень долгая 2 недели, иногда и дольше.

В итоге можно прийти к неутешительном выводу. Плюсов в сравнении с пиратской версий нет. Инфраструктура битая, саппорт слабый, оценки ничего не дают, материалы и так можно получить бесплатно.

Понимаю что наверное не самый лучший студент с не самой уверенной базой, и так еще получилось что из-за неудачных обстоятельств выпал на 4 дня из учебного процесса, и времени наверстать, особенно сложные темы по ETL, опять же из битой инфраструктуры. Считаю что 50% цены просто обязаны вернуть, буду стараться получить, так как так нельзя, фактически полная неудача с курсом.

Начну с плюсов (к сожалению, их мало):
1. программа курса реально хороша в плане ML и DL, хотя и перегружена, на мой взгляд. Я так и не поняла, зачем нужен блок A/B тесты, потому что новой информации итак вагон и маленькая тележка, усвоить еще и A/B тесты (по которым, кстати, есть отдельный курс, насколько я знаю) почти нереально человеку, который обучается с нуля.
2. очень радует то, что доступ к материалам остается навсегда, так как в системе все по полочкам: видео/конспекты/задания.

Теперь минусы:
1. просто крик души. Ребята, НАЙМИТЕ КОПИРАЙТЕРА!!! Курс стоит 18к в месяц, так почему я должна читать конспекты, написанные левой пяткой на коленке? Запятые в конспекте должны существовать не просто так, а чтобы лучше его понимать! Ну невозможно читать предложения длиной в нехилый абзац без запятых, ничего не понятно, что к чему относится! А от вашего неумения написать верно, к примеру, слово "параллелепипед" вообще плакать хочется.
2. ох уж этот сленг...ну не могу я в первом блоке понимать IT сленг В ЗАДАНИЯХ! Пример: "Войдите консолью в папку ...". Что, простите?

Дальше мои впечатления по модулям курса:
1. блок "прикладная разработка на python" - не понравился лектор (это чисто субъективно), пыталась читать конспекты, но см. п. 1 минусов, поэтому оценка 3/5.
2. блок "машинное обучение" - 10/5, ну очень понравилась и информация, и лектор, и задания.
3. блок "глубинное обучение" - 3/5. Лекции немного не зашли (чисто субъективно) + здесь мне уже требовалась помощь поддержки в решении заданий, этой помощью я осталась не совсем довольна. Не быстро, часто не по делу. Ответы в стиле "посмотрите лекцию" вообще считаю неприемлемыми. Да я ее 5 раз посмотрела, но не понимаю, что и как делать.
4. блок "A/B тесты" - 0/5. Не поняла, зачем он мне вот прямо в этом курсе. Не понравился лектор от слова совсем (он 2-х предложений связать не может, видео постоянно дергалась из-за многочисленных вырезанных фрагментов), странная длительность лекций: она огромная для этого блока!!! Например, тема "трансформеры" в блоке DL была рассказана за 30 минут (хотя, на мой взгляд, это очень сложная вещь), но при этом в блоке по A/B тестам лектор 2 часа 11 минут (!!!) вещал про доверительный интервал, для которого можно дать определение и остановиться.

Поддержка:
Команда поддержки - слабенькая. Простите, но от бота Евы после ее появления на платформе курса стало больше толка, чем от команды поддержки. Например, поддержка не могла помочь мне с заданием 8 дней. У меня все работало локально, но не грузилось в проверяющую систему. Я ошибку не видела. И только спустя 5 дней активного решения этого вопроса они углядели ошибку в моем коде загрузки в их систему, состоящем буквально из 5 строк. Ну, странно же...Вроде, должны сидеть опытные люди...

В общем, сложилось ощущение, что курс распиарен. Красивая обертка, а внутри все не так уж и вкусно.

Кстати, это не только мое мнение.
Знакомые - айтишники с опытом тоже недовольны раздичными курсами от karpov.courses, в первую очередь работой (или неработой) команды поддержки.

Наилучшее понимание о курсе, мне кажется, дает ответ моего куратора на вопросы касаемо того, почему задания в финальном проекте не отрабатывались во время обучения, цитирую:
"Здесь на самом деле работает аналогия с автошколой) Во время обучения вы разбираете стандартные ситуации - но после ситуации на дороге могут быть разные"
На моменте финального проекта у меня состояние полной демотивации и будущий поиск работы в новой области будет сопровождаться синдромом самозванца, но это уже мало кого волнует, в ответ тебе ткнут миллионом ссылок и ресурсов, которые ты оказывается параллельно с учебой должен был освоить.

Не разделяю восторгов предыдущих пользователей. Не топ совсем.
Преподавательский состав: оставить только Карпова и Манаенкова.
В аналитике единственный модуль хороший это Статистика, которую читает Карпов. Продуктовая аналитика - никакая,
Airflow и Алексей Баталов - не преподаватель совсем, Табло и Бунин - пустая трата времени, интонации эксперта и все.
SQL тоже слабо, хоть и дают оконки. Но давать, не значит хорошо давать. AB тесты и специалисты супер класса - ни о чем. Ничего не понятно о чем они.
Проверяют дз иногда месяцами, когда забыл что делал. До саппорта частенько не достучаться (симулятор).
На курсе Аналитика сначала без объяснений дают проект на когортный анализ, а в конце курса объяснение мало мальское только.
Вывод: НЕ РЕКОМЕНДУЮ.

1) Часть по питону понравилась, собственно по ней и давался демо доступ, поэтому и решил купить курс (но на том же степике можно пройти бесплатно крутой курс по питону + за тысячу рублей посмотреть курс по пандасу, объясняют не хуже)
2) Часть по sql показалась мне слабой, в свободном доступе полно бесплатных материалов, которые лучше, чем здесь
3) По статистике можно посмотреть бесплатный курс Карпова на степике +- тоже самое что и здесь
4) До визуализации я не дошел, но в чате писали, что довольно слабая подача материала

В итоге деньги за половину курса я вернул, т.к. понял, что данная специализация мне не подходит, хотя у меня все домашки сданы вовремя и на макс балл.
Возможно у меня были завышенные ожидания, но по итогу я не понял, за что отдаю такие деньги. Может быть за возможность всегда обратиться в саппорт, который поможет с решением задачи, но этим я пользовался всего пару раз, но судя по каналу в слаке, кому-то такая помощь была ну очень нужна, может в таком случае и правда стоит платить + возможно круто помогают с трудоустройством, но до этого я не дошел.

Единственный курс по фронтенду, где учат на реальном проекте правильно применять современные технологии разработки по мере их необходимости. Преподаватели — реальные тимлиды и разработчики из ВК, могут на пальцах объяснить сложный материал, рассказывают все по делу и тут же показывают на живом примере — программу обучения очень круто продумали и реализовали. Теоретические моменты, само собой, присутствуют, но они подаются по мере надобности и не навевают сон. И самое главное, я ни разу не задал себе вопрос: "Зачем мне это нужно знать?". Рекомендую всем, кто готов серьезно начать заниматься фронтенд-разработкой, а не просто изучать javascript.

Во фронтенде я не новичок, хотя по этой специальности никогда не работал. Моя работа была связана с закупочной деятельностью в сфере производства бытовой техники — никакого IT.

Фронтенд несколько лет был моим хобби: я самостоятельно изучал веб-разработку, начинал с курсов, потом занимался самостоятельно по статьям, книгам и обучающим видео. И, конечно, активно практиковался в создании собственных проектов, в том числе и на React*.

На рекламу курса Frontend наткнулся случайно. Зацепил необычный заголовок «Курсы для мидлов». Мне стало интересно, чему можно научить мидла. Начал смотреть программу курса, выяснилось, что он очень обширный и затрагивает множество тем, не относящихся напрямую к фронтенду, но с ним связанных, с которыми я не был знаком. Поэтому и решил записаться на курс. Начало обучения оправдало мои ожидания. Разработчики курса очень основательно подошли к делу — это относится и к платформе, и к организации процесса, и к содержанию лекций, и к поддержке в Slack. В этом смысле karpovꓸcourses порадовали серьёзностью и вниманием к мелочам (которые на самом деле не мелочи).

Оборотная сторона этого — цена курса. Он не из дешёвых, но своих денег стоит. Стандартный набор фронтендера — это HTML, CSS, JavaScript и какой-нибудь фреймворк. Здесь же, помимо этого, рассказывают, как устроен интернет в целом и какие протоколы на каких уровнях используются. Также рассматривают CORS-запросы, dns и ресурсные записи, хостинг, настройку серверов, вопросы безопасности, бэкенд на Firebase и многое другое. Причём всё это достаточно подробно!

Лично для меня самой трудной темой был и остаётся TypeScript. Здесь предстоит ещё много работы.
В дальнейшем хочу сменить сферу деятельности — мне нравится веб-разработка, чувствую, что это моё. И я думаю, что курс мне в этом поможет.

Про 84% ложь, в конце курса с вами просто час пообщается HR менеджер проверит ваше резюме, поможет исправить его, скинет кучу файлов, в которых мало информации, а половина ссылок не работает. Посоветуют накрутить опыт (сам курс как опыт типа) и на этом вся помощь кончается.

Пришёл на курс от скуки...никогда не был связан с IP ни с статистикой ( я инженер-строитель автодорог был) ... первые ДВЕ НЕДЕЛИ как в тумане и просьба ВЕРНИТЕ МОИ ДЕНЬГИ И Я ПОШЁЛ ОТ ВАС ...Спасибо куратору предложили взять месяц паузы и потом продолжить если опять не получится то деньги вернут....но ПОЛУЧИЛОСЬ...набрал 987 баллов и Финальный Проект сдал с первого раза под ревью "ОТЛИЧНАЯ РАБОТА"....так что в 60 лет искавший СУТКИ !!! клавишу "~" (тильда) чтоб путь к файлу найти ...ДЕДУШКА закончил курс и теперь иду на СИМУЛЯТОР АНАЛИТИКА ....критика к курсу есть некоторых спикеров просто нельзя выпускать но в общем всё достойно импонирует связь с куратором который всегда поможет хорошо работают эксперты всегда быстро получаешь ответ на затык не ответ конечно а путь к правильному ответу тебе укажут...СПАСИБО ВАМ ЗА КУРС....не знаю пойду ли работать по специальности так как в 60 лет мало кто возьмёт но самооценку свою поднять удалось....а ещё очень порадовала МОЛОДЁЖЬ что на курсе со мной училась группа 52 .11/04 ВЫ ЛУЧШИЕ и ВСЕМ ВАМ УДАЧИ...

Большие плюсы в том, что тебя не бросают одного, при необходимости доходчиво объясняют сложные научные методы, постоянно дополняют конспекты и улучшают курсы от потока к потоку, и даже после обучения помогают выпускникам.

Как по мне, отлично выстроенный процесс обучения. Очень интенсивный и обширный. Каждый пройденный модуль так и просится добавиться в портфолио. Все вопросы по решению задания отпадают после детального просмотра лекций и конспектов. А если и остаются, решаются моментально командой поддержки.

Интенсивный курс. Да, очень интенсивный. Пришлось взять отпуск, чтобы уложиться в дедлайны. Но это даже пошло на пользу, потому что так лучше всё отложилось в голове. Считаю, что этот курс надо проходить залпом и относиться, действительно, как к стажировке.

У меня не было релевантного опыта, и я долго не мог начать активно искать новую работу. Курс аналитика с дополнением в виде симулятора — это то что нужно для подобных кейсов. Симулятор подавил синдром самозванца и дополнил портфолио. А задачи, которые я выполнял на симуляторе, отлично вписывались в рассказ о себе и кейсах на собеседовании.

После симулятора спустя несколько недель активного поиска работы я получил 2 оффера. Остановил свой выбор на стартапе YallaMarket (аналог Лавки и Самоката, но на территории Дубая). Сейчас работаю на должности Junior Product Analyst.

Курс состоит из возни с терминалом и настройкой сред и библиотек, так как преподносится это так, что вы же it спецы, должны уметь нагуглить. Ошибки в конспектах, не всегда актуальная информация с версиями библиотек, нереально долгая проверка домашек (заявлено около двух недель, но ждать будете от месяца). Мало практики по реальным полезным штукам (airflow, spark), много бесполезной практики работы с облаками.

В IT и в разработке я давно. Больше 10 лет опыта в 1С. В последние 2 года переключился в Data Science. Сейчас работаю в роли DS над созданием рекомендательных систем в ритейле.
A/B-тесты давно не давали мне покоя. Коллеги в индустрии говорят об их важности. В вакансиях отмечают пунктом «должен уметь». Но в сети практически нет последовательных материалов как разобраться в этой теме. Читал статьи, смотрел видео, а картинка «как именно делать по шагам 1-2-3» так и не складывалась.
Симулятор как раз закрыл этот пробел. Буквально на пальцах объясняется «что делать», «как делать» и «почему делать». Без лишнего углубления в математику. После симулятора у меня сложился пазл в голове. Прочитанные раньше статьи и просмотренные видео встали на свои места.
Как делать дизайн эксперимента, на что обращать внимание
Как правильно делить пользователей на группы
Как проводить А/А и А/B симуляции перед самим тестом, и почему этот шаг нельзя пропускать.
Как контролировать ошибки I и II рода, и как убедиться, что мы их контролируем
Как правильно оценить время и размер групп для эксперимента
Как статистически обосновано принять решение, что группа B лучше, чем группа A, или не лучше.
Как правильно тестировать конверсии, средний чек и в чем там подвох И еще много других «Как».
Прикольно, что сначала очередную идею доносят без кода на Python в простых табличках. Меня это даже сначала оттолкнуло. Зачем? Я же не буду в Excel считать?! Даже часть заданий я все равно сделал, написав код :) #Яжепрограммист.
Но это оказалось интересно. Не отвлекаясь на код, я понял суть и порядок шагов. А дальше уже докинули и шаблоны кода на Python, и задания попрактиковаться. Так что к пазлу в голове у меня добавились и шаблоны кода для внедрения.
Сейчас работаю над тем, чтобы применять эти навыки у себя на работе и привнести культуру правильных A/B-тестов в наши проекты.

Я проходил курс на ML-инженера от Carpov Courses в течение семи месяцев, и хочу поделиться своими впечатлениями.

Курс дал мне хорошую структурированную базу, начиная с основ Python и заканчивая классическим машинным обучением и deep learning. Каждый блок имел свои сильные стороны, хотя не обошлось и без сложностей.

Основные моменты:
- Блок по Python: был довольно простым, но хорошо систематизированным. Для тех, кто только начинает изучение языка, этот раздел — отличная отправная точка.
- Машинное обучение: самый сильный и увлекательный блок курса. Подача материала была доступной, с акцентом на понимание теории и её практическое применение. Особенно запомнились задачи, связанные с реализацией собственных алгоритмов — это дало мне не только знания, но и уверенность в своих силах.
- Deep Learning: этот блок оказался сложным и скорее обзорным. Чувствовалось, что тема огромна, и охватить её в рамках одного курса практически невозможно. Но для первого знакомства материала достаточно.
- Статистика: полезный блок, особенно для тех, кто ранее не сталкивался с этой областью. Лично мне было комфортно его проходить, хотя часть информации пересекалась с моим предыдущим опытом.

Отдельно хочу отметить поддержку от команды Carpov Courses. Они всегда были на связи и помогали разобраться с вопросами, что делало обучение менее стрессовым.

Результаты:
Курс не просто дал знания, но и помог понять, в каком направлении двигаться дальше. Хотя я ещё не решил, буду ли продолжать работать в области Data Science, я точно стал увереннее и знаю, что готов к новым вызовам.

В целом, курс стоит своих денег. Он прекрасно подходит как для новичков, так и для тех, кто хочет систематизировать и углубить свои знания в машинном обучении. Если вы готовы работать над собой, курс станет хорошей ступенью для дальнейшего роста.

Долгое время хотела приобрести курс, и в итоге приобрела. НО ожидания не оправдались. Формулировка задач, оставляет желать лучшего, проверки задач затягиваются, по завершению курса, задачи вообще перестали проверять. Куратор также может либо не отвечать, либо отвечать днями. Проекты, которые вы выполните по итогу, и на проекты не похожи совсем, такое вообще не стоит презентовать работодателю. Описание курса, просто прекрасное, но на деле, ничего стоящего.

Отличный курс Start ML. Все продуманно, подробные лекции, интересные задания. Поддержка экспертов по выполнению заданий и финального проекта. Совсем без опыта программирования будет сложно. Курс интенсивный, много информации за 7 месяцев. Мне понравилась дружественная атмосфера поддержки курса и среди студентов.

Карпов отличная площадка.
Мною был приобретён курс по ml (машинное обучение).
Какие плюсы хотел бы отметить в первую очередь:
1. Своевременная поддержка команды.
Тебя всегда направят, ответят, посоветуют и попробуют объяснить. Самое главное, что с тобой общаются к с начинающим специалистом. Просят развёрнуто задать вопрос, со скринами и что пытался сделать, если вопрос по решению ДЗ. И ответ, это скорее направление, но не решение.
2. Очень большое активное комьюнити.
Не говоря, про ютуб, вк, есть группы в тг, с разными направленостьми. Есть где инфа, есть где флудилка. Это постоянный обмен знаниями, видел неоднократно, как были вакансии в чатах. Каждый день кто-то задаёт вопросы, просят совета и каждый день, неравнодушные люди, бывшие студенты Карпова или команда, тебе ответят. Пласт вопросов оооочень широкий. Всё что угодно, относящееся к мо, аналитике, дата сайнса, баз данных.
3. Подача материала.
Всё объясняется максимально доступно, никаких сложностей с восприятием нет. Достаточно низкий порог вход. Конечно, при решении дз не сразу всё будет получаться, и конечно лекция может показаться не всеобъемлющей, но как объясняют основы это уровень.
4. Дополнительные материалы, для дальнейшего развития. Площадка также предлагает множество вариантов для прокачки своих хардов. Есть платные, есть бесплатные, есть по подписке. Одно можно сказать точно, из вас пытаются сделать спеца, не начетчика (кто читает, ради чтения), а человека который должен уметь и знать как приносить выгоду.
5. Помощь с трудоустройством.
Есть карьерный центр, котрый поможет потихоньку вливаться в айти. Научат как составить резюме, как составить репозиторий, как правильно откликаться на вакансии, где и когда, как проходить собеседования. За ручку конечно никто не будет водить, все-таки это самообразование, но помощь оказывают большую

Я настоятельно не рекомендую данный курс. Все его материалы были записаны примерно три года назад, и нет никакой возможности общаться или взаимодействовать с преподавателем. Они просто проверяют домашние задания, а поддержка обычно отвечает, что нужно искать ответы в поисковике. Утверждение о 84% трудоустроенных явно неверное. В группе только выкладывают вакансии, и это все, на поддержку рассчитывать не стоит. Я считаю, что этот курс не стоит своих денег. Он в целом не стоит никаких денег

До этого момента имел дело с ML только в теории и немного практики, после этого курса понял что такое настоящий промышленный ML и что он из себя представляет. Я Вам обещаю вы научитесь и ML, DL , статистики и Python.

Приэтом хочу отметить довольно сложный курс, особенно под конец появляется много дэдлайнов и приходилось много действителньо заниматься и решать.

Остался полностью доволен, рекомендую Всем кто хочет вкатиться в эту область!

Кликбейтный заголоовок, но другой я не придумала)
Мне действительно очень понравился курс, это был очень хороший толчок вверх, я узнала огромное количество новой инфы, которую я сейчас и применяю, хотя пока больше в исследовательской деятельности(выйграла 2 хакатона и участвую в научных конференциях, связанных с ии),так как я сейчас учусь в универе и совмещать пока не успеваю, но это только пока)). Подача информации, ее актуальность и структурированность - это все 10 из 10. Правда у меня уже был бэкграунд в плане высшей математики и года полтора опыта в программировании на питоне, так что материал мне дался не сильно прям сложно, к тому же я еще и много читала сама, что тоже важно, так как перекладывать все на курс не очень эффективно; но это было интересно, не нудно, я делала домашку без задней мысли, по типу: "когда же это все закончится", - а это я вам скажу, что очень важно.
Но что вот прям хочется сказать, так это огромное спасибо преподавателям, которые все это придумали и создали, это все очень круто, и у меня есть огромное желание и дальше развиваться в этой сфере, чего я искренне желаю каждому.

Ужасный курс, теории почти нет, лекция беглая история без обьяснений или какой либо практики во время нее, некоторые модули как теория вероятности , просто поражают. Задачи в дз будто вы владеете в совершенстве предметной областью, причем в конспекте и лекции в лучшем случае расскажут про азы приведя не более одного причем простейшего примера. Везде отсылают гуглить, платите за воздух. Крайне не рекомендую жалею потраченные деньги.

Решил записаться на этот курс, раньше назывался start ml, чтобы изучить основы машинного обучения, и в будущем сменить профессию.
Контент курса состоит из предзаписанных лекций, практики и разбора задач из практики.
1. Прикладная разработка на Python. Отличный модуль по python, есть немного про pandas, numpy, airflow, основам бд. У меня хоть и был опыт разработки, хоть и не на python, тем не менее модуль даёт хороший "быстрый старт", позволяющий написать свой небольшой сервис на fastapi в качестве финального задания.

2. Машинное обучение и приложения. Тоже отличный модуль, даёт более чем базовое представление о классических алгоритмах машинного обучения. В качестве финального задания начинаете работу над рекомендательной системой.

3. Обзор основ Deep Learning. Этот модуль отличным назвать уже не могу, потому что ожидания были другими. В модуле даются прям основы основ, но дают их очень скомканно, лично мне разобраться в подаваемой информации было крайне тяжело, некоторые уроки так и остались непонятыми.

4. Статистика и А/В-тесты. Так же скомканный модуль, как по мне, так как у меня не было знаний статистики и теорвера на начало прохождения этого модуля, приходилось много времени тратить на подтягивание "базы".

5. Карьерный курс и Собеседования и как их пройти. Даются лекции и задачи по структурам данных и алгоритмам на python. Эти лекции могут стать отправной точкой для продолжения изучения dsa, например, на leetcode. Так же есть лекции с вопросами и ответами с собеседований, которые позволяет прорезюмировать пройденные материалы.

Для тех, кто планирует проходить этот курс: не думайте, что сразу после прохождения курса вы сможете устроиться на работу инженером машинного обучения. Этот курс даёт основы, которые вам самостоятельно придётся укреплять и развивать дальше, особенно это касается глубокого обучения.

На момент, когда началось обучение на курсе, я уже заканчивал курс «Аналитик данных» от karpovꓸcourses и работал около трёх месяцев на должности аналитика данных в крупном офлайн-ритейле.

Решил пойти на дата-инженерию, выбирал между ней и Data Science (ML), так как было интересно расти дальше. Для меня это первый опыт работы в сфере IT, моё профильное образование совершенно другое — инженер-конструктор в области машиностроения.

Курс — бомба. Честно. Сейчас, уже работая инженером данных, я добрался до middle-позиции и, оглядываясь назад, могу сказать, что я безумно благодарен за курс. Всего за несколько месяцев я сумел найти работу инженером данных, увеличил зарплату в два раза (по сравнению с аналитиком) и до сих пор использую стек технологий, который был на программе.

Более того, сейчас на текущей работе я даже внедряю некоторые инструменты, с которыми познакомился на курсе, отвечаю за их настройку и обучаю других ребят.

Конечно, уже сейчас, спустя несколько месяцев работы, я мог бы найти какие-то «минусы», придраться к тому, что иногда не хватало более глубоких примеров и боевых задач (а ещё лучше — сквозного проекта, который научил бы студентов всей Data Lineage: от источника до потребителя). Но эта придирка была бы с моей стороны не совсем корректна, если учесть, что курс практически с нуля ведёт до Junior+. Кстати, я до сих пор обращаюсь к некоторым преподавателям за советом.

Резюме: я очень доволен курсом, не жалею ни секунды о потраченных ресурсах и времени. Более того, с удовольствием бы продолжил обучение актуальным open source инструментам и технологиям, так как в нашей стране всё-таки дата-инженер — это некий мастер на все руки, и конкретно мне нужно ещё очень многое изучить и переварить.

В частности, жду курса по Docker, и поглядываю в целом за новыми направлениями у karpov.courses.

Всем рекомендую курс, но предупрежда:; здесь придётся пахать, читать, спрашивать, а уж когда будет Big Data и облака — ух! :) Эмоций будет море, но оно того стоит.

Я пошла на курс по фронтенду, потому что у меня был небольшой опыт (стажировка) и неструктурированные знания и мне хотелось овладеть необходимыми инструментами и вообще понять, что нужно уметь, чтобы работать девелопером. Привлекло то, что преподаватели — опытные программисты из ведущих компаний. На текущий момент прошло только 1,5 месяца моего обучения — все нравится. Хочется похвалить техподдержку — ребята очень оперативно отвечают на вопросы и помогают, если возникают трудности.

По образованию я архитектор. На работе разрабатывал крупные проекты в центре Москвы. Прошел курс по DS в Практикуме. Опыта работы в DS нет.
После прохождения курса не хватало практики. Как обычно, стоял вопрос, где её получить. Пет-проект по анализу стандартных датасетов казался слишком посредственной задачей. Да и вряд ли она поможет в трудоустройстве. В симуляторе же представлены реальные задачи, есть возможность погрузиться в конкретную задачу/тему/проблему. Казалось (и до сих пор есть это ощущение, хотя не прошёл его до конца), что это лучший инструмент для практики!

При работе с симулятором проходишь через богатый спектр эмоций: воодушевление, страх, отрицание, гордость, любопытство, удивление, принятие, уверенность.

Самое интересное и мотивирующее, что симулятор постоянно развивается. Очень активное и отзывчивое коммьюнити. Пул задач регулярно расширяется, добавляются новые интересные вызовы.
Симулятор дает большую уверенность в своих знаниях и силах. Он позволяет «пощупать» реальные задачи на практике и они уже не кажутся такими страшными и сложными :)

Влияние на карьеру сложно оценить на данном этапе, так как я всё ещё в процессе поиска первой работы. Но получение нового полезного навыка всегда лучше, чем его отсутствие.

Спасибо ВАМ (привет Богдан)) большое, за возможность получить такой интересный инструмент! И бесценный опыт!

Отличный курс, чтобы проверить свои профессиональные навыки. Интересные модули и идеальный формат для курсов. Активно пользовался возможностью перехода с потока на поток — очень полезная штука! Рекомендую оставить пару переходов на модуль «Сценарии деплоя», если раньше таким не занимались:)

Мой топ модулей в порядке убывания:
1. Матчинг и ранжирование — эталонный модуль, классный финальный проект с сеткой, ранее с подобными задачами не сталкивался и уже нашёл несколько способов применить знания из модуля в реальных задачах.
2. A/B-тесты — отличные лекции!
3. Сценарии деплоя — интересно и очень сложно!
4. Uplift — получился проходным для меня.
5. Динамическое ценообразование — не зашли задачи, возможно, из-за имеющегося опыта в этой области.

Сейчас есть небольшие шероховатости, но я думаю, со временем всё будет идеально! Спасибо огромное за замечательный курс. Это лучшее, что я видел! Иногда давал резкую обратную связь по горячим следам, каюсь перед преподавателями. Сейчас испытываю только положительные воспоминания и эмоции от всех модулей!

Работал продуктовым аналитиком. Общий стаж работы в IT до начала обучения был 9 месяцев. Выполнял задачи по стриму продуктовой и маркетинговой аналитики.

Пришел на курс, чтобы расширить свои знания и возможности в аналитике, в том числе чтобы поработать над созданием предикативных моделей. Возможно перейти в ml полностью.

Потрясающий курс с максимально широким охватом все тем из перечня. Не простой темп, который довольно сложно совмещать с фулл тайм занятостью. Эмоции только положительные

В конце курса подтянул харды, расширил экспертизу в data science, повысил Грейд до middle+, получил оффер на 35% выше текущего оклада и работу над более интересными задачи в сильной команде

Алексей Кожарин — лучшего преподавателя по python я не встречал в русскоязычном пространстве! Спасибо за блок с алгоритмами отдельно. Никита Табакаев — супер доступные объяснения математики и принципов работы алгоритмов. Теперь тоже часто говорю «чиселки»))

Алексей Биршерт — не представляю, как удалось тебе столько тем уместить в блок по DL, но спасибо огромное, что всё собрал в одном месте! Эмиль Каюмов — супер блок по статистике. Не знаю, сколько часов уходит у людей без бэкграунда на прохождение блока, но даже с опытом в ab-тестировании скучно не было ни разу!

Нерсес Багиян — вечная поддержка по ходу курса. Спасибо, что делился своим мнением о карьере и будущем DS на вебинаре!

Отдельная благодарность Алексею и Нерсесу за открытость и личную помощь в консультации по рабочему вопросу вне темы курса!

По своим ощущениям, до курса я был слабеньким джуном, хотя уже работал разработчиком.

Проработав полгода в компании, не ощутил собственного роста как специалиста, поэтому решил пойти учиться. Увидел рекламу курсов, зашёл на сайт и увидел знакомое лицо — это был Дмитрий Безуглый. Я знал его, так как он отбирал фронтендеров в ВКонтакте на стажировку. Зная, какие люди преподают на курсе, я решил записаться.

Радовало, что компания оплатила обучение, но спустя месяц я понял, что, в случае чего, готов оплатить курс полностью самостоятельно.
На курсе было затронуто множество интересных тем, которые я не использовал на своей основной работе: тёмная и светлая тема, админка, nginx, nextjs. Были также темы, которые требуются для прохождения собеседований: как браузер рисует страницы, cors, куки, кэш.

Самыми сложными оказались уроки Антона Резника про работу с сетью, tcp/ip и т.п. Как мне показалось, их можно только зазубрить.
Иногда возникали проблемы с платформой, но ребята из поддержки помогали их решать.

Самым важным для меня было получить опыт работы с новыми технологиями для проектов и теоретические знания для прохождения собеседований.
Полученные знания пригодились на работе — использую фишки из курса как в своих проектах, так и на code review других ребят из команды. Могу обсудить какую-то тему с тимлидом, при выборе технологий в команде могу также предложить альтернативный вариант, основываясь на полученном опыте и советах преподавателей. Теперь на текущей работе планирую дорасти до middle разработчика, курс явно дал всё необходимое для этого :)

Особенно хочется выделить модули по A/B тестированию и Uplift моделированию. Качество материала, задачи на высоком уровне.

Данный курс глобально повлиял на мою карьеру. Благодаря приобретенным навыкам, в особенности по модулю продвинутое A/B тестирование, через 2 месяца после окончания курса я получил оффер на позицию Senior research analyst в крупнейшем маркетплейсе РФ, хотя до этого в IT компаниях я не работал.

До курса у меня был довольно обширный бэкграунд. Я начинала свою работу ещё на первом Angular, потом перешла на новый проект и на Angular 2. Ещё было чуть больше полугода коммерческого опыта работы на React*. В общем счёте, 6+ лет опыта работы.

У меня гуманитарная специальность, поэтому всегда кажется (и часто это действительно так и бывает), что знаний недостаточно, в некоторых областях есть пробелы. Чтобы их заполнить, стараюсь периодически проходить курсы по фронтенду.

На момент поступления на курс я уже работала в компании своей мечты, но так совпало, что вместе с прохождением курса перешла на новый проект и удивилась, насколько своевременно выходили все уроки и как они были полезны. Начиная от настройки окружения, заканчивая адаптационной вёрсткой. Темы оказались разными по сложности, что-то уже хорошо знала, что-то пришлось пересматривать много раз, но все были одинаково полезны.

Можно сказать, что увидела рекламу karpov.courses в нужное время и решила присоединиться :)

Очень понравился план курса. Охватили большинство тем, которые пригодятся каждому frontend-разработчику.

Я просто в восторге от преподавателей, уроки в записи получились очень живыми.
Круто, что регулярно проходили онлайн встречи.

В какой-то момент я очень устала от напряжения этого года и перестала успевать делать задания, но всё равно считаю, что они очень хорошо подобраны.
Иногда всё-таки бывали проблемы: например, непонятно, в какой момент пришла оценка преподавателя; были небольшие ошибки в работе LMS. Возможно, это уже исправили, но внутренний перфекционист был в замешательстве :)
Вообще, в планах на этот год перепройти курс ещё раз. Уверена, что найду ещё кучу всего полезного!

Спасибо команде! ❤️

До этого я проходила одноименный курс в другой школе (не буду писать тут, но вы все знаете ее). Так вот, karpov.courses мне понравился в раз так сто больше. Очень качественные и доступные видео, интересная домашка и особенно итоговый проект. Отдельно порадовала обратная связь от Беслана с разбором проекта в конце. Вот теперь жду, когда стартует поток по ml🙂

Я воспользовался программой помощи в трудоустройстве, которая включена в курс. И именно через специалиста karpov. courses меня нашла моя новая работа (хотя я и сам искал вакансии). Я устроился в небольшой, уютный, но подающий надежды стартап, где с нуля развивал продукт по кредитному скорингу малых предпринимателей для продажи банкам.

Перед тем как начать искать работу, я прошел только модули «Ранжирование и матчинг» и «Динамическое ценообразование». И эти знания пригодились мне как на собеседованиях, так и в работе. Также, конечно, в ежедневной работе помогают «Сценарии деплоя ML-сервисов».

Применить непосредственно на практике заглавные темы модулей «Uplift-моделирование» и «Продвинутое A/B-тестирование» пока не довелось, но полученные знания всё равно не были лишними: продвинутое A/B-тестирование подтянуло статистику, а в модуле по uplift была тема по проектированию библиотеки факторов, что актуально в любых ML-задачах.

В целом, в каждом модуле для меня было что-то новое, полезное, интересное. Но если говорить о личных предпочтениях, то особенно понравились «Ранжирование и матчинг» и «Uplift-моделирование». Тут сыграли роль и обаяние преподавателей (не в обиду преподавателям других блоков), и структура модулей, и какие-то мои собственные интересы.

Обучение было очень насыщенным, хорошо структурированным, я многому научилась. Как будто действительно месяц поработала аналитиком :)

После курсов планировала устроиться на работу аналитиком данных.
Пока что я только начала проходить собеседования, но уже сейчас на них я чувствую себя гораздо увереннее и лучше понимаю, каких вопросов ждать. Благодаря курсу всегда могу рассказать о выполненных задачах как об опыте, сильно приближенном к реальному.

Могу сказать, что курс помог мне укрепить и нарастить скиллы, как следствие стала себя чувствовать увереннее.

У меня есть опыт — около трёх лет, но не очень богатый: в основном были приложения с формочками и со своим UI-китом. Сейчас я перешла на проект в электронной коммерции, богатый на всякие модные фишечки. Начинаю его с нуля и активно применяю новые знания.

Из очень полезных для меня тем могу выделить, пожалуй, все :) Особенно: сборка и настройка проекта, TypeScript, FrontOps, весь блок «Модный Frontend». Очень жду блоки по производительности и тестированию! Вообще, очень рада, что у меня есть такой классный ресурс, к которому можно обратиться в нужное время.

Есть и обратная сторона медали: споткнулась на блоке «Модный Frontend», абсолютно перестала успевать в сочетании с основной работой и взяла академ. В итоге 10 дней отдыхала, возвращалась в ресурс, так сказать 😄

Сейчас решила отказаться от лайв-кодинга, просто внимательно смотрю видео на скорости х1.5, иногда перематывая обратно. Собираю основные концепции, а знания закрепляю через конспекты и задания. Но все равно успеваю с трудом, поэтому пока отсеиваю задания со звездочкой, надеясь, что вернусь к ним и в свое удовольствие поделаю. Так случилось с заданием по анимации в JS. Задача максимум — все успевать и при этом балансировать)

Спасибо за ваш труд, ребята. Большое дело делаете🔥

Давно хотела попасть на обучение именно в karpov.courses. Узнала о школе после прохождения курсов Анатолия Карпова на Степике.

В курсе много практики и для работы предоставлены все инструменты. Мне понравилось, что преподаватели сами отвечали на большинство вопросов, это очень ценно. Понравилось наблюдать за работой профессионалов в разборе заданий. Марии отдельное спасибо, всё четко и понятно. Буду стремиться писать такой же красивый, понятный и компактный код. Развернутая обратная связь по заданиям помогает ясно понять свои ошибки и сделать выводы.

Спасибо вам, что делаете такие клёвые задачи!

У меня уже давно такого не было, чтобы я решал задания из онлайн-курсов (обычно покупаешь курс и потом забываешь о нём, если никто не трогает и не напоминает).

А тут я сам от себя в шоке: у меня огромное желание решать задачки без всяких напоминаний.

Вы делаете очень крутой продукт.

До начала обучения я работал ведущим бизнес-аналитиком в Магните, писал скучные запросы в SQL, делал скучные таблицы в эксель. Учился в скучной магистратуре «Прикладной анализ данных». Пошёл на курс, потому что хотелось получить какой-то буст в знаниях ML и статистики.

Курс местами слишком быстрый, но если оценивать программу и знания, то это точно самый лучший курс в сфере анализа данных и ML на русском языке, который я видел (а я видел многие). Каждый модуль и каждый преподаватель дал мне что-то новое — особенно хотелось бы отметить, что абсолютно все вещи в курсе объясняются максимально эффективно, полезно и в максимально прикладном ключе, чего везде часто ооооочень не хватает.

Одновременно с обучением я проходил много собеседований и в итоге перешёл работать продуктовым аналитиком в Яндекс.Лавку. Но из-за загрузки на работе не смог нормально закончить курс и получить сертификат :) Курс оставил только положительные впечатления, обязательно когда-нибудь посмотрю все видео.

Напрямую с ML сейчас моя работа не связана, но очень помогают в текущей работе знания Airflow и статистики.

В System Design нет единственно верных решений, поэтому тут нужна только практика. Как минимум, чтобы не страдать синдромом самозванца, вам в вашей жизни рано или поздно нужно обучиться проектированию систем на разных уровнях. Данный курс предоставит шаблон и поможет разобраться в последовательности обязательных действий для дизайна систем. Поэтому этот курс больше подойдёт начинающим DevOps, опытным Machine Learning инженерам, всем специалистам по Data Science, кто планирует закрыть свои инженерные пробелы, и, очевидно, backend- разработчикам разной весовой категории. Перед покупкой курса рекомендую обратить внимание, что курс позиционирован как интенсив, то есть здесь будут домашние задания и лимит по времени. Выполняя их в срок, вы сможете выработать свой стиль высокоуровневого дизайна систем.

Если вам удастся серьёзно подойти к курсу, то могу точно сказать, что после него у вас будут развязаны руки и вы сможете легко понимать любые ролики по System Design на Youtube. Это поможет более плодотворно подготовиться к интервью на любые позиции в тех. гиганты либо же самостоятельно спроектировать систему для своего стартапа.

Я из Челябинска, начал обучение на курсе, имея уровень junior и совсем небольшие знания и опыт в Data Science и машинном обучении. Курс дался мне неимоверно сложно! Такого квеста в моей жизни до этого раньше никогда не было :)

Много сил и времени было потрачено на освоение программы, приходилось читать много дополнительных источников, так как три четверти материалов курса оказались для меня абсолютно новыми. Джунам не советую заходить на курс без кучи свободного времени и сильной мотивации победить.

К счастью, мне удалось окончить Hard ML с отличием. Из сильных сторон курса хочу выделить следующее: компетентность преподавателей и качество материала в модулях, активное участие преподавателей в учебном процессе, интересные и актуальные практические задачи с разными нюансами (обычно в лоб задание не выполнить), достаточно хорошая образовательная платформа и удобная инфраструктура. Благодаря курсу я стал кодить в 2−3 раза быстрее, приобрёл навыки решения задач в жёстких временных рамках, стал увереннее в своих знаниях, и, конечно, получил новые знания в предметной области. Теперь совсем не боюсь браться за сложные задачи :)

У меня была сильнейшая мотивация окончить курс успешно, так как я стремлюсь стать профессионалом в области DS/ML, и у меня всё получилось. Это настоящая победа для меня! Новые навыки и знания собираюсь применять в коммерческих компаниях, чтобы помогать им достигать успехов в бизнесе.

Большую благодарность хочу выразить Станиславу Гафарову за онлайн-разборы и Владиславу Ладенкову за активную помощь в решении проблемы с GitLab. Также прошу лично поблагодарить Шишкина Андрея из команды поддержки за оперативные и исчерпывающие ответы в модуле «Сценарии деплоя ML-сервисов», которые помогли мне выполнить задания!

Интересный материал: из курса можно узнать много нового, что можно найти лишь в специализированной литературе. Сложные задания: над многими задачами приходилось сидеть по много часов. Но зато я действительно радовался, когда наконец получалось самостоятельно дойти до решения.

Я поступил на курс, так как хотел расширить кругозор за счет решения нетиповых задач. К сожалению, практического применения полученным навыкам на текущем месте работы нет. Особо хочу поблагодарить Владислава Ладенкова за то, что не только записал прекрасные лекции, но и лично подробно обсудил со мной финальный проект.

Я закончил Санкт-Петербургский Железнодорожный Институт (ПГУПС) по специальности «Инженер путей сообщения». После этого работал в исследовательском институте, который занимается проектированием метро и тоннелей. Последние 5 лет работал в должности главного специалиста и вёл авторский надзор во время строительства новых станций московского метрополитена. Всего участвовал в пуске 13 станций метро

Основная мотивация была в том, чтобы получить знания и навыки, максимально приближенные к реальным, и получить преимущество перед другими кандидатами. А также посмотреть, как теория воплощается в практические вещи, приносящие деньги и пользу бизнесу.
Первые задачи, которые я открыл, были уровня middle. И это меня слегка повергло в шок: неужели я научусь и смогу решать подобные задачи?! Потом начал решать задачи интерна, быстро перешел к джуну. Постепенно моя уверенность в своих силах росла, сейчас я уверен, что скоро и мидловские задачи мне покорятся. Также нравится разнообразие задач. С одной стороны я могу составить под себя «трек» с задачами, которые мне сейчас наиболее релевантны, а с другой — могу нарешать разнообразные задачи, что даёт преимущество на старте карьеры.

Я прошел mock-собеседование у Богдана. Это для меня уже достижение :) Надеюсь, это поспособствует получению оффера.

Хотелось бы выразить огромную благодарность всей команде. С кем мне доводилось контактировать — все лапушки. Мне бы хотелось работать в такой тёплой команде, где все помогают друг другу.

Из заданий была сложена связанная история, приближенная к реальности, из-за чего выполнять задания было намного интереснее, чем просто импортировать файлы и что-то с ними делать. Материалов из лекций хватало, чтобы сделать домашнее задание и самому поресерчить вопрос. И самое главное — ты понимаешь, что именно надо ресерчить! И это круто!

Все задания были суперинтересными. Можно сильно затянуться:) После выполнения часто хочется еще что-то добавить/исправить, потому что приходят новые идеи.

Наставники всегда на связи и готовы ответить на любой твой вопрос. Еще понравились онлайн-вебинары с разбором заданий от Анатолия —даже через экран чувствовалось желание делиться опытом и знаниями. Это очень приятно и сильно вдохновляет.

Я был преподавателем экономики и статистики в нескольких вузах. Никакого опыта в IT не было — я мог на бумажке посчитать доверительный интервал по t-таблице, но не мог и двух строчек написать на Python.

Преподавание в вузе — это очень тяжёлый труд. Я начал выгорать, да и денег не хватало, и я понял, что нужно менять работу. К тому времени я уже начинал посматривать в сторону анализа данных, но никакой практики у меня не было, только немного теории. Я хотел понять, насколько это моё, но уверенности не было, никаких «горящих глаз», «хочу стать дата-сайентистом» и «аналитика это так классно». Была только усталость и желание круто повернуть свою жизнь. Любопытство победило, друг посоветовал этот курс, и я пошёл.

Первый блок «Введение в Python» стал действительно хорошим посвящением для людей вроде меня, которые имеют мало опыта работы с языками программирования. Однако ближе к концу блока на лекциях стало очень много обзорного материала по достаточно сложным системам, и я закончил его с ощущением лёгкой растерянности.

Второй блок «Машинное обучение» пошёл гораздо лучше. Понравилось обилие картинок, теории, практики. Это самый большой блок в курсе, и, возможно, это как раз и позволило лектору развернуться. Но главное то, что в целом результат получился отличный. Здесь был один из самых ярких моментов курса: нужно было написать вручную алгоритм градиентного спуска, причём в виде класса, а с ООП у меня не заладилось ещё с первого блока. Я начал ныть в чате, но лектор пришёл, сказал мне «Давай, ты справишься!», и да — я поверил в себя и справился. И это было здорово.

На третьем блоке по нейросетям я, скажу честно, слился примерно после трёх уроков. Тема сложная, не было достаточно мотивации в плане того, что мне это будет нужно в работе. Не удивлюсь, впрочем, если в будущем их знание всё-таки понадобится. Буду знать, где посмотреть.

Четвёртый блок, статистика, прошёл хорошо. Возможно, здесь сработало то, что я уже был знаком с некоторыми понятиями, хотя многое оказалось новым.

Последний блок посвящён подготовке к собеседованиям. На самом деле, примерно половину блока составляли задачи на алгоритмы. Человеку без опыта, вроде меня, они вынесут мозг, но в моменты, когда удается самому построить алгоритм правильно, испытываешь радость.

Нет, я не получил работу в IT. Я даже, честно говоря, не достиг изначальной цели — так и не понял до конца, нравится ли мне Data Science. Моменты радости часто сменялись разочарованием. Вопросов осталось много. С другой стороны, одного очень важного результата я достиг — понял, что не боюсь этой сферы. Если когда-нибудь я займусь этим всерьёз, то буду знать, что делать.

На данный момент я работаю в сфере телекоммуникаций на должности руководителя направления, мы занимаемся планированием сетей связи. До этого училась в техническом ВУЗе, так что математическая база изначально у меня была.
Мне захотелось сменить сферу деятельности, поэтому стала смотреть, что предлагается на рынке онлайн-обучения. Выбирала между многими школами и остановилась на karpov.соurses, потому что вы специализируетесь на Data Science и меня привлекла такая узкая направленность. Мне кажется, DS — очень крутое направление. Это то, что нас уже окружает: от рекомендательных сетей и банковского скоринга до нейросетей, которые генерируют изображения и убирают шум с аудиодорожек. Я уверена, что в будущем в очень многих сферах эти технологии будут использоваться и спектр применения очень широк уже сейчас.
Курс мне в целом понравился, он хорошо структурирован, очень много материала охвачено: от очистки данных и визуализации до Machine Learning и Deep Learning. Задания в блоках были сложными, но преодолимыми, я многому научилась методом проб и ошибок. Мне субъективно кажется, что при общении в DS-коммьюнити я всегда понимаю, о чём идёт речь в разговорах на ML-темы. Иногда я вижу решение вопроса, который ребята задают, например, в чатах, потому что мы это разбирали в курсе. Мои самые любимые блоки — это Python и «Основы машинного обучения». В них было очень много интересных нюансов, например, в блоке Python — работа с Git, Airflow и SQL; в модуле по МО были подробно разобраны все основные алгоритмы и много фишек по обработке признаков. Очень классно, что был обзор Deep Learning: можно теперь применять Трансформеры в соревнованиях.

Я пока не начала искать работу в сфере DS, но в ближайшее время собираюсь это сделать. Также планирую воспользоваться помощью рекрутеров karpov.соurses. Для меня этот курс был вводным в новую специальность, и этим летом я планирую поступать в магистратуру ИТМО по направлению «Искусственный интеллект», потому что хочу дальше развиваться в этой сфере.
Отдельное преимущество курса — это коммьюнити. Во время учебы я подружилась с однокурсницей, и теперь мы регулярно общаемся и встречаемся на дата-ужинах, которые устраивает Open Data Science.
Спасибо за такой качественный контент! Хотелось бы больше поддержки во время выполнения финального проекта, но в целом курс получился очень крутой.
Хочу дать совет тем, кто начинает: в учёбе главное — привычка. Мне помогло чёткое следование расписанию занятий. Так легче было садиться за выполнение заданий и проще дойти до конца. Я училась 6 дней в неделю минимум по часу и старалась придерживаться этого расписания, даже если отставала из-за отпуска и больничного.

Помимо обучения, мне сыграл на руку опыт. Я 10 лет работала UI-developer (верстальщиком) в международной компании, текущий грейд Lead. Был большой опыт разработки интерфейсов с базовой логикой, динамических прототипов, дизайн-систем.

На курс пошла, чтобы развиваться в сторону фронтенд-разработки. После курса искала работу сначала на hh, потом переехала и переключилась на LinkedIn и Glassdor. Но везде казалось, что до мидла я не дотягиваю, было страшно позориться. А идти на позицию джуна с моим опытом как-то несерьёзно.

Один раз обращалась в карьерный центр. HR помогли скорректировать резюме, так как у меня неоднозначная ситуация с грейдом и специализацией. Дело в том, что на прошлой работе я стала лидом, но обычно верстальщик – это Junior Frontend-разработчик. Но больше ничем особо помочь не могли, я была у них первый фронт😅 В итоге написала своим бывшим заказчикам из Германии, с которыми работала на аутсорсе как верстальщик, но теперь на позицию фронтендера. Прошла небольшое техническое собеседование по React* и JS. Выполнила тестовое задание на React* с авторизацией, контекстом, тестами. Курс очень помог с ним справиться :)

На работу я вышла только в январе, но знания с курса уже применяю, так как работаю с React* и Material UI. Сам курс всё ещё пересматриваю иногда, а то забываю, как рыбка, то, что не использую😅 В целом, обучением очень довольна.

Достаточно длительное время работал в IT со смежными задачами инженера, однако, оставалось ощущение пробелов в знаниях, поэтому хотелось систематизировать имеющуюся информацию.
С этим обратился вопросом обратился с старшему товарищу и он посоветовал школу Карпова. Изучил программу обучения, сравнил с большим количеством открытых вакансий и понял, что программу отвечает требованиях на рынке.
По итогу прохождения могу сказать, что курс стоит того. Много практики с демонстрацией, структуризированная конспектная информация, хорошие лекторы с минимальным количеством информации - всё для грамотного получения навыков и требуемых знаний. За время прохождения было множество моментов в рамках которых необходимо выдать оперативную обратную связь - и команда её выдавала, за что отдельное спасибо.
Готов советовать своим товарищам и коллегам. Сам записался на ещё один курс, потому что уверен в итоговых знаниях, которые предоставит команда школы

До курса я уже был знаком с IT и статистикой, но весьма поверхностно и без понимания, как и где применить знания. Такое изучение области может и полезно для общего кругозора, но крайне непрактично. Моей целью перед курсом было войти в IT, получить актуальные знания, сделать проекты и представить картину целиком (чем же должен заниматься аналитик). Все это курс мне дал. Что мне больше всего понравилось на курсе, так это структурированное и последовательное погружение в анализ данных. Каждый следующий блок связан с предыдущим (пример: после Python вы изучаете статистику уже не просто на словах, а применяя программирование, что помогает наглядно отобразить то, что было в теории). После прохождения курса помощь не заканчивается. HR курсов помогает максимально структурированно подойти в поиску работы. Получается своего рода еще один блок курса с куратором Оксаной Васильевой (огромная благодарность за помощь и поддержку на финальной прямой) и множеством собеседований и тестовых заданий.

Очень понравился упор на практику, который удачно вписали в структуру курса, практически не потеряв важных фундаментальных вещей, а там где что-то вдруг потерялось — всегда подскажут, где об этом можно узнать. Качество подачи материала великолепное, лекторов слушать интересно. Опять же много разных практических советов, которые, надеюсь, отложились в голове и пригодятся в дальнейшем. Отдельное спасибо за множество инструментов, с которыми удалось познакомиться, а также за работу службы поддержки.

Разумеется, как и везде, можно найти какие-то небольшие недочеты, но во-первых, это наверняка очень субъективно, а во-вторых, на общее впечатление никак не влияет — готов всем советовать ваш курс, ваш Telegram чат, ваш канал на YouTube (очень интересно смотреть, ведь я теперь понимаю, о чем там речь). С удовольствием пройду еще какой-нибудь ваш курс, когда будет возможность.

Сверх всяких ожиданий, курс оказался на редкость гармонично "скроен". Когда учился, порой испытывал даже чисто эстетическое наслаждение от скрытых взаимосвязей и вариантов подачи информации (сам выходец из академической среды и есть с чем сравнивать). Создатели курса — безусловно молодцы и большие умницы.

Несколько хороших, я надеюсь:), советов для тех, кто собирается записаться на этот курс:
● Если вы далеки от сферы IT или достаточно долгое время были "вне игры", рекомендую пройти на Stepik курс "Статистика-1 ч." (ведет Анатолий Карпов) и курс "Программирование на Python". Это "разгонит" ваш мозг и позволит смягчить стресс в условиях дефицита времени при прохождении курса.
● Конспектируйте. Несмотря на то, что после прохождения курса все материалы лекций останутся с вами — все равно конспектируйте. Выделите в общей тетради по 1 листу на урок, записывайте название урока, название подразделов (разбивка видео по частям), вкратце отмечайте фичи, которые приметили. Это поможет не потеряться в огромном потоке информации и найти потом, после окончания курса, необходимую инфу.
● Не бойтесь спрашивать.
● Соблюдайте этикет. Все мы люди. Keep calm and carry on.
● "Дорогу осилит идущий".

Желаю успехов всем будущим студентам Курса.

Искала для себя курс, в котором можно будет прокачаться не только в каких-то новых знаниях, но и более глубоко понять базовые подходы и смежные области, с которыми всё равно приходится сталкиваться в рабочих процессах. В обычной рабочей рутине очень часто нужно быстро решить задачу, приходится использовать какие-то нагугленные решения и даже нет времени вникнуть и понять, почему происходит именно так. Но чтобы быть хорошим разработчиком и правильно выбирать подходящие решения под конкретные задачи, нужно больше осознанности и понимания как все устроено. И этот курс, мне кажется, самый подходящий вариант для этого)

Когда возникло желание переквалифицироваться, решила что лучшим способом будет поучиться не у теоретиков дела, а у тех, кто уже непосредственно имеет практический опыт. Признаться, для меня было открытием, что вообще существует профессия, которая отвечает несколько лет назад полученному и уже подзабытому образованию и совмещает в себе программирование, работу с базами данных, статистику и здравый смысл.

Ранее я прошла несколько бесплатных курсов на Stepik, и один из них был по основам статистики. Преподаватели, которые так понятно, терпеливо и подробно объясняют материал, встречаются не часто. В моей жизни были и хорошие, и плохие преподаватели и разница между ними колоссальна. Так что мой выбор без колебаний пал на курс от Karpov.Courses «Аналитик данных».

Самое сложное на курсе было удержать темп на первом блоке курса по Python. Без предварительного знакомства с программированием будет тяжело, но не невозможно. Материала и заданий много, но это даже плюс, т.к. очень быстро прокачивается необходимый навык. Все блоки курса довольно подробны, хорошо структурированы и последовательны. Практические задания всегда заставляли задуматься и способствовали пониманию материала. Ни разу не возникло знакомого еще со студенчества ощущения, которое можно описать словами: «Вот мы складываем два плюс два и получаем четыре, а домашнее задание – синтезируйте плазму».

На курсе я смогла восстановить и значимо дополнить необходимые знания и навыки для смены профессии. Полностью буду счастлива, когда найду работу. Не исключаю, что ещё раз пройду обучение на Karpov.Courses, но уже по другой программе. Большое спасибо команде! Желаю успехов в расширении программ обучения.

Я работал с машинным обучением и аналитикой, делал скоринговые и рекомендательные модели. На прошлом месте работы я руководил командой, в которой были инженеры данных. И я хотел подтянуть свои компетенции. Сейчас я поменял работу из-за переезда. Компания меньше, поэтому где-то я делаю аналитику, где-то выполняю функции инженера, а где-то разрабатываю. Сначала я проходил курсы на Stepik, оттуда узнал про курс Hard ML в Karpov.Courses. К собственным конспектам Hard ML регулярно возвращаюсь, чтобы лучше решать задачи по работе. Сомнений при покупке курса по инженерии данных не было, хотя после курса Hard ML ожидания были высокие. По результатам: в целом всё то, что хотел узнать, я узнал. Теоретические видео были интересными и содержательными. Понравился блок по облачным хранилищам, сразу есть возможность развернуть что-то своё. Бывает, пересматриваю блок по ETL — знания оттуда помогают решать рабочие задачи. Немного не хватило практики. Хотелось бы больше заданий на написание кода. С точки зрения формата — хорошо, что все лекции записаны заранее. Я думаю, что это правильно — преподаватели не устают и не выдыхаются. Приятно, что вокруг курсов сформировалось комьюнити, и в чатах помогают как студенты, так и преподаватели.

Курс очень живой и интересный. Сложные темы объясняются максимально доступно. Быстрая поддержка с подробными ответами на любые вопросы. Программа интенсивная и составлена таким образом, что пройденные в начале темы периодически применяются в дальнейшем, благодаря чему не забываются. Ко всем заданиям есть подробный разбор, что очень помогает совершенствовать свои навыки.

Очень качественная и хорошая подготовка с большим количеством практики и реальных кейсов. Прошел обучение на курсах «Аналитик данных», «Симулятор аналитика», в процессе — «Инженер данных».

На курсе «Симулятор аналитика» понравилось наличие большого количества новых для меня инструментов и практическая применимость каждой темы. Благодаря уже первому заданию курса я смог на практике придумать метрики и реализовать систему мониторинга в компании, в которой сейчас работаю. Думаю, это лучший показатель того, как хорошо и качественно раскрываются темы. Для меня абсолютно новой темой была работа с GitLab CI/CD, и я очень рад, что удалось с этим разобраться.

В продуктовой команде, в которой я работаю аналитиком, мне удалось выстроить систему мониторингов: 1) на Qlik Sense реализовал дашборды с мониторингом основных показателей; 2) придумал продуктовые метрики для одного из продуктов, после небольших доработок продукта метрики утверждены продуктовым менеджером, также планируется настроить их мониторинг; 3) начал использовать GitLab и научился работать с GitLab CI/CD.

Поэтому курс дал мне очень многое, и я благодарен его авторам!

Очень понравились блоки по питону, статистике, гиту, sql и продуктовой аналитике. Хотелось бы отметить, что задачи максимально похожи на реальные, с которыми сталкиваются аналитики. Хорошо сбалансированный курс с отличной поддержкой. Понадобилась небольшая шлифовка хард скиллов на интервью, но после примерно 3 интервью уже не было никаких сложностей. Жду курс по "Продвинутой аналитике", чтобы продолжить учиться.

Я не новичок в айти — несколько лет я работала тестировщиком. В какой-то момент тестирование стало для меня скучным, захотелось не просто находить баги, а самой создавать что-то красивое и полезное :)

Сначала я прошла несколько курсов по HTML, CSS, JS, но чувствовала себя неуверенно, поэтому решила поискать курс, который не просто учит основам, а даёт реальные знания, которые действительно пригодятся в работе.

Мой выбор пал на курс Frontend, так как мне понравилось содержание курса. Подкупило то, что курс обещал дать все навыки, которые необходимы для выполнения повседневных задач. Свою роль сыграли и качественные видео на Youtube, в которых преподаватели рассказывали полезные вещи доступным языком.

Сейчас, когда я занимаюсь на этом курсе, могу смело сказать, что здесь дают именно то, что обещают в описании. В лекциях очень много полезной информации, которой нет в других учебных материалах, а подача материала чёткая, без воды — сразу видно, что лекции тщательно подготовлены.

Задания нетривиальные, некоторые из них вызывают у меня сложности, но я стараюсь бороться до победного и многому учусь по ходу. Мини-проекты разработаны так, чтобы в каждом из них мы применяли полученные в модуле знания. Благодаря им я преодолела страх перед написанием кода с нуля.

Сейчас я больше уверена в своих знаниях и думаю, что на своей первой работе в роли frontend-разработчика буду успешно справляться с задачами и приносить пользу.

Желаю всем нам удачи на этом нелегком, но интересном пути становления профессиональными разработчиками!

Я считаю, что это один из самых полезных курсов, который я проходила. Я начинала свою карьеру как продакт-менеджер, но стало появляться больше и больше задач по аналитике. Приходилось учиться этим хард скиллам самостоятельно, что иногда было затруднительно, потому что часто появлялись вопросы: "А правильно ли я делаю?". Поэтому я решила пойти на курс, чтобы расставить знания по полочкам и закрыть пробелы.

Этот курс затронул все важные для меня темы (Python, SQL, статистика, продуктовая аналитика). Полученные знания сразу применяла в рабочих задачах. Также понравилось на курсе то, что не было ничего лишнего, как бывает на многих других курсах. На курсе есть интересные кейсы, классные преподаватели, которые всегда помогут, и общение в чатах даже после завершения курса.

Я уже выполняла задачи продуктового аналитика, но так как на работе у меня нет наставника-аналитика, постоянно были сомнения: правильно ли я делаю выводы из данных, правильно ли я провожу а/б тесты и т.д. Знания, приобретенные на курсе, развеяли мои сомнения.

Я закончила НИУ ВШЭ 2,5 раза: прервала свой университетский путь посреди аспирантуры :) Сейчас работаю там же на исследовательской позиции, мы занимаемся экспериментами.

Коллега нашла этот курс и посоветовала мне. Все мы когда-то слушали лекции Анатолия на Степике :) На тот момент я планировала подавать резюме на продуктовые вакансии, поэтому для меня программа оказалась актуальной.

Хороший разбор на пицце, удобная собственная платформа для тестов. Объяснения в тексте понятные, я много конспектировала. Я получала удовольствие даже от решения простых задач. Как ни странно, понравился финальный тест — было ощущение прохождения босса.

Теперь могу написать в резюме, что разбираюсь в А/В-тестах на базовом уровне. Планирую перепройти курс ещё пару раз, когда будут конкретные задачи на работе, поэтому благодарна, что доступ к нему не закрывается.

Данный курс помог мне поднять свои знания на качественно новый уровень. Вложенные средства отбились при первой же зарплате на новой работе. Достойных аналогов я не нашел. Вряд ли какой-либо курс может предложить такой преподавательский состав.

Безусловно, преподаватели, которые являются профессионалами своего дела и делятся опытом и наработками. Это делает данный курс уникальным на фоне остальных. У курса есть свой YouTube канал, где разжевываются многие сложные моменты, а оперативная обратная связь помогает справляться с ними.

Недостатки были решены по ходу курса. К сожалению, из-за новизны они неизбежны. Остались разве что опечатки. Для успешного прохождения необходимы минимальные знания Python и SQL, но это не является недостатком данного курса.

Я учился в МГТУ им. Н. Э. Баумана, проходил курсы на Stepik «Основы статистики» (2 первые части), «Программирование на Python» от института биоинформатики и на DataCamp курс по SQL и по Python.

В karpov. courses проходил программы «Аналитик данных» и Симулятор аналитика. Первая работа аналитиком была в бэттинге/гэмблинге, работал там с бонусными акциями, удержанием юзеров. По большей части работал с PowerBI, SQL: строил дашборды, немного обрабатывал данные. Python использовал по своей инициативе для обработки данных, автоматизации процессов и редко для обработки А/B-тестов До недавнего времени работал в Почте России. Инструменты схожи (PowerBI -> QlikSense), задачи в целом тоже близки, только работал с маркетплейсами.

На работе не так часто применялся Python, и появилось такое ощущение, что он потихоньку забывается. Думал между StartML и Симулятором. Выбрал в итоге Симулятор, так как хотелось попробовать прорешать что-то околореальное, да и ребята в чате сказали, что, если знаешь фит-предикт, то можно пробовать.
Впечатления от программы очень положительные. Приятно работать не с чем-то абстрактным, а будто с реальными задачами, с которыми может столкнуться человек на работе.
Очень понравилось, что проверяется не только работоспособность кода, но и его структура и скорость выполнения. Стоит сказать ещё, что сообщество курса очень живое.

На данный момент смотрю на свой ранее написанный код иначе: вижу то, что можно исправить, улучшить. На настоящей работе, к сожалению, не особо получается знания применять, но получилось оптимизировать некоторое количество функций. Топовый симулятор, команда шикарна. Единственное, что хотелось бы улучшить — скорость ответа поддержки в дикорде.

Для меня важными оказались следующие моменты:

1. Продолжительность.
Курс относительно короткий. В основном образовательные организации предоставляют курсы подготовки с нуля, рассчитанные на год и больше. В Практикуме курсы относительно короткие, но у меня с ними уже был опыт (не совсем положительный), поэтому они не подходили. А короткий курс для меня важен, т.к. я в ситуации, когда уметь делать (хотя бы базово) все то, что есть в курсе, нужно уже сейчас.

2. Команда курса.
Я слышала про Анатолия, натыкалась на его выступления на Матемаркетинге и начинала проходить курсы по статистике (сейчас как раз закончила). Ну и для меня кажется гарантом качества, когда образовательные курсы делают люди из индустрии. И в составе спикеров-преподавателей таких много. Это, конечно, не новость, что люди из индустрии ведут курсы. Но суть в том, что обычно "звездные преподаватели" участвуют только в написании материалов курса. А здесь сразу сам Анатолий сидит и вещает про Питон.

3. Новизна курса.
Курсу нет и года, трафик, наверное, пока еще не такой большой, поэтому сейчас создалась такая ситуация, когда на вопросы в чатике зачастую отвечают Анатолий или Беслан. И это очень ценно! На других образовательных площадках на это можно натолкнуться, но подобное — скорее исключение. В основном же все общение идет через ревьюеров, наставников и т.д. Здесь же создается ощущение если не менторства крутыми людьми, то как минимум их активного участия. Повторюсь, знаю сторонние курсы, где подобное практикуется по инициативе самих преподавателей, но это исключения.

4. Курс в записи.
В мою жизнь вебинары не вписываются вообще никогда, ни одного, наверное, я не посмотрела вживую. А вебинары в записи - это та еще шляпа. Поэтому мне очень удобен формат коротких нарезок из видео. Я смотрю их, когда получится: на обеде, ближе к концу рабочего дня, если успеваю разгрести бэклог и т.д. И мне в этом смысле комплиментарен Степик (у него, конечно, тоже есть косяки: почему, например, левую полосу скролла во время просмотра урока нельзя автоматически пролистывать до курса, который я сейчас смотрю), но в целом он удобен, понятен, показывает прогресс.

5. Структура курса.
У меня подход к обучению "по потребностям". Поэтому, например, по календарю я пропустила почти весь блок SQL — на работе он мне в тот момент был не нужен, зато я более глубоко копала Питон, потому что мне нужно было достаточно быстро научиться парсить данные. Сейчас я вернулась к блоку SQL. Да, я там теряю какие-то баллы за то, что все сдаю не вовремя. Но в остальном я не чувствую, что материал ушел от меня безвозвратно. И я почти уверена, что еще не раз пересмотрю отдельные куски курса, когда у меня появится реальная рабочая потребность в этом. Поэтому здесь для меня кайфово, что: 1 — курс останется со мной навсегда, 2 — нет "блокирующих" заданий (это когда тебе не открывают следующий блок, пока не прошел предыдущий), 3 — есть не только видео, но и текстовый формат, чтобы быстро найти ответ на какой-то вопрос. При этом хорошо, что курс собрал основные инструменты — всегда можно вернуться к содержанию и понять, в какую сторону теперь стоит копать.

6. Рекомендации.
Я пришла по рекомендации знакомого, которому тоже порекомендовали :) В общем, это боль маркетинга — сложно замерить реальное количество людей, пришедших по рекомендации (без опросов), но в данном случае, могу предположить, что таких немало. А рекомендации реальных знакомых в случае выбора не самого дешевого обучения — это очень важно. У всех курсов примерно одинаковые сейлзпоинты, шаблонные истории успеха, обязательно гибкая ценовая политика и т.д. Никак не проверить на старте, что преподаватели вещают о практических вещах, их будет интересно слушать, через месяц не наступит желание все бросить и забыть, что в принципе не отобьет желание развиваться дальше в выбранной отрасли. На отзывы в данном случае вполне можно опираться. Вот так опиралась и я :)

Одновременно с самыми первыми блоками по Питону я внедряла этот инструмент в свою рабочую рутину, что очень и очень повысило качество моих проектов. В настоящий момент времени я нахожусь в поиске работы и уже отметила, что для многих работодателей (из тех, с кем я общалась) этот курс является гарантом достаточно высокого уровня знаний соискателя.

Я прошла «Симулятор аналитика», и мне так понравилось буквально все — и организация самого процесса, и весь материал, и то, как его подают, и комьюнити… да даже выбранная цветовая палитра)) — что я расстроилась, что раньше не прошла большой курс. Если предположить, что там такое же, но еще дольше и больше — жаль такое упускать.

Больше всего мне понравилось, наверное, то, что здесь учат использовать одновременно несколько инструментов. До этого я отдельно тренировала SQL, отдельно Python (причем как-то отвлеченно от действительности), а тут, когда понимаешь, зачем все это в реальности и как их можно применять одновременно, когда твой запрос не просто отвечает на вопрос, сколько кораблей не вернулось из боя (и не факт, что правильно), а дает тебе возможность построить график, а потом еще и вывод сделать (а тут снова не факт, что правильно) — просто магия. И было много дополнительных материалов на «поизучать-подумать», в целом мне этот курс очень помог наметить какие-то векторы развития — кажется, ну что там, всего шесть тем, шесть заданий, но это были очень концентрированные задания. Думаю, мои работы далеки от идеала (хотя кого я обманываю: возможно, они и до среднего не дотягивают), но главное, что после симулятора я уже значительно умнее себя «до».

Обучалась дистанционна впервые. Учебный материал изложен доступно, объёмно, интересные видеоматериалы.
Очень удобно прохождения тестирования - сразу же получаешь оценку. Самое главное, что учиться можно в удобное для себя время, не прерывая свою трудовую деятельность.
Обучение удобное, позволяет сохронять себе информацию для последующего использования в работе.
Большое Спасибо организаторам, экспертам и кураторам Карпов курса❤️👍🏻

Я остался доволен курсом: и технологии новые освоил (причём в прикладном, а не обзорном формате), и пробелы в фундаментальном понимании закрыл. И самое главное — загорелся идеей развернуть своё дата-решение в облаке. В результате я взял сервер на DigitalOcean и сделал там своё рабочее пространство: прямо по всем рекомендациям с уроков развернул в нём кластеры, Jupyter, Superset для визуализации, Airflow для автоматизации, а также Spark и ClickHouse. Остался весьма доволен.

Сейчас я перестраиваю свой пет-проект и переношу на этот сервер — с построением процессов, как разбирали на курсе. У меня, конечно, не BigData, всё куда прозаичнее и меньше, но зато теперь есть реальный опыт ;)

Понравилась практическая направленность. В выбранных тематиках было достаточно современных подходов, теории и задач.

Понравилось, что были разборы ДЗ — это реально помогало. Также понравился интерактив с преподавателями и другими студентами.

Какие-то вещи получилось применить сразу, какие-то смотрел «по диагонали». В целом не все задачи курса сейчас использую, но некоторые разделы (деплой, ценообразование) уже удалось применить в работе. Какие-то вещи просто не успел еще как следует разобрать (те же А\В тесты).

Шло лето 21 года, я только окончил первый курс вуза, сдал (или списал) сессию и понял, что я преисполнился в познании списывания. На 1 курсе в вузе для сдачи зачёта нас обязали пройти курс по программированию на питоне на платформе Stepik, это меня заинтересовало. Постепенно я начал интересоваться сферой данных, осматриваться на то, какие есть специальности и о чем они. Естественно, после полугода путешествий на степике, я знал, кто такой Анатолий Карпов. В мае я написал ему в личку с вопросом о том, стоит ли мне приобретать курс, если я только на 1 курсе вуза, Толя ответил, что стоит, если я хочу пораньше начать свою профессиональную карьеру. Спойлер: он не обманул. В июле я купил специализации по аналитике и начал погружаться в увлекательный мир данных. Не сказать, что все давалось слишком просто, ведь я не сын маминой подруги, не учился в мгу, не щелкаю олимпиадные задачи и т. д.
Однако серьёзных трудностей не возникало только потому, что мне очень нравилась учеба на курсе, я мог часами сидеть и разбираться, в какой строчке я напортачил. За 2 месяца до конца обучения я потихоньку начал рассылать резюме, но в ответ, как правило, тишина. А когда я всё-таки попадал на технические собеседования, то очень сильно проваливался, меня позорили и обливали грязью (но это не точно). Именно период начала похода по собесам могу назвать периодом своего «расцвета», так как только после серьёзных унижений на интервью, я начинал погружаться в те темы, где в моих знаниях были пропуски. В целом, я был готов к тому, что найду работу через месяцев 6, но через пару дней после сдачи финального проекта я перевёлся на заочное отделение (== избавился от фиктивной учебы) и мне выслали оффер из компании KazanExpress, куда я и целился). Команда Karpov Courses — легенды!

Внимательно читайте описание курса — это действительно ИНТЕНСИВНОЕ обучение. Мне понравилось, что курс хорошо систематизирован, очень много практики и максимально доступно объясняется теория. В процессе курса не раз замечал, что его постоянно дорабатывают, обновляют и в целом заботятся о своём продукте. Также хочу отметить всех кураторов и выразить им благодарность, особенно Александру Манаенкову! Я больше всех его мучил вопросами по статистике, но всегда получал максимально развёрнутые и грамотно составленные ответы.

Так получилось, что в компании, куда я попал, используются те же инструменты, что я изучал на курсе. Ну и важно отметить, что со всем из того, что преподавали на курсе, кроме питона, я сталкивался впервые. Поэтому могу с уверенностью сказать, что этот курс напрямую повлиял на мою карьеру.

Экономист по образованию, работал 8 лет в одном и том же банке, как окончил универ. Изначально работал кредитным инспектором, андеррайтером, оценивал всякие дорогие машины и дома в залогах, выезжал на бизнес клиента — лесопилки, молочные фермы… В общем такая неинтересная банковская специфика. Ещё писал роботов на RPA, чего только не делал :)

Потом постепенно перешёл в аналитику (от VBA/Excel до ML/PySpark), так как хотелось автоматизации и ухода от рутины + благодаря прошлому опыту неплохо понимал устройство банковской сферы и слабости/возможности наших продуктов. Считаю прикладной опыт в области более важным, чем хард скиллы (с оговорками, конечно). Последние полтора года работал лидом небольшой команды аналитики в том же банке.

Проводил A/B-тесты на работе, но больше со стороны бизнес-заказчика, без возможности технической реализации. При этом по своей инициативе писал Python скрипты для проверки «соседей», пытался разобраться в специфике. Много всего смотрел, читал даже «Trustworthy Online Controlled Experiment», но почти не понимал, как это применить в жизни. Теперь после симулятора — думаю, что понимаю. Конечно, в реальности всё гораздо сложнее :)

Недавно пришлось покинуть организацию, появилось свободное время + зарубежные компании требуют этот навык. В wait листе на курс был давно, но продвинутую, к сожалению, так и не дождался. Теперь думаю и её приобрести, когда появится.

Самое главное — это структура! На этом уже можно закончить :)

Десятки ранее просмотренных видео, сотни часов контента (без преувеличения) не давали такого ощущения, что всё по полочкам. Примерно до 12-го урока я прямо «преисполнялся в знании», что всё получается, всё могу. Писал бывшим коллегам в стиле «вон оно как!», советовал. Два предпоследних урока немного тяжелее пошли, планирую вернуться к ним, закрепить. Старался каждое занятие переводить формулы из таблиц в Python скрипты, что вызывало эйфорию, когда все сходилось. И это даже лучше, чем если бы дали готовое решение.

Получается, что прошёл симулятор за 5 дней (я и отдыхал, если что). Но оговорюсь, что до этого очень много смотрел ваши видео и читал прочих хаброписцев. Был западающий момент, когда на конференции показывают, например, ту же CUPED, но тяжело продраться через формулы, перематываешь обратно туда-сюда, вроде бы понял, а как проверить? А у вас посмотрел формулы и понимаешь, что абсолютно ничего сложного в этом нет (кстати, хотелось бы понять разницу между курсом и жизнью).
Планирую дать посмотреть курс супруге (она что-то около продакта/проджекта). Она «с нуля», и очень интересно, что она скажет.

Спасибо преподавателям, не было желания Вас перематывать (sic!) :)

Александр показался очень компетентным и, я бы сказал, человечным, говоришь с ним на одном языке. Боялся математики, а там так все разжёвано, очень доволен! Все недостатки расписал ранее в отзывах к урокам.

Закончил бакалавриат Университета ИТМО по направлению «Физика наноструктур». Удалось немного поработать исследователем, выпустить статью, но это продлилось около полугода. На первом курсе магистратуры начал понемногу втягиваться в область анализа данных.
До симулятора уже был опыт прохождения различных курсов по машинному и глубокому обучению.

На симулятор я решил пойти, поскольку на предыдущих курсах мне казалось, что все задачи как бы немного оторваны от реальной работы ML-инженера, а в симуляторе как раз должны были быть реальные кейсы, по сути, как стажировка. И это оказалось правдой :)

Но всё же основной мотивацией было желание пополнить своё портфолио интересными задачами и проектами, о которых было бы не стыдно говорить на собеседовании. Рад, что это удалось сделать :)

Симулятором остался очень доволен. Понравилось, что задачи разделены по уровням и ты сам выбираешь, какую задачу тебе решать. Больше всего понравились задачи уровня middle, так как это многосоставные задачи с некоторым сюжетом, которые приходилось делать несколько дней, а то и несколько недель. Например, задача предсказания оттока, где нужно не просто построить модель, но и провести целый ETL-пайплайн с дальнейшим feature-инжинирингом. Или взять задачу о неуверенности моделей (boosting uncertainty), где нужно прочитать статью и самому имплементировать виртуальный ансамбль, который позволяет оценивать уверенность предсказаний. От решения таких задач получаешь удовольствие :)

Но и из задач уровней intern и junior тоже получилось извлечь много полезного: это и построение асимметричных метрик, работа с SQL, обработка данных с помощью библиотеки pandas, работа с регулярными выражениями и т. д. В общем, я уверен, что каждый для себя сможет найти в симуляторе что-то полезное, будь он новичок или уже специалист.

Удалось пополнить своё портфолио интересными задачами. Наконец-то разобрался в бутстрапе, так как ему было уделено много задач. Сильно прокачал SQL, особенно оконные функции. Научился делать парсинг данных с помощью библиотек Python. В целом прокачались навыки написания кода на pandas и numpy, что позволяет уверенно выполнять тестовые задания.

Очень радует, что разработчики симулятора поддерживают связь со студентами и принимают во внимание их пожелания по задачам. Также выражаю большую благодарность преподавателям и кураторам, которые помогали, если задача ставила в тупик.

Всем привет!

Я работаю в ИТ с 2012 года. Около 10 лет работал как Full-Stack Oracle Developer. 3 года отработал на позиции DE - занимался миграцией данных из Oracle в Snowflake (~10-20 петабайт). Писал pipeline для Airflow файлами json.
На курсы я решил пойти, потому что у меня был отличный проект (подработка) по построению хранилища данных в БД Snowflake для крупного инвестиционного фонда, но понимания как строить DWH у меня не было, поэтому проект со мной не продлили. Это и сподвигло меня пойти на курсы DE - получить знания по DWH, более глубоко изучить Airflow, попробовать что такое Machine Learning и обучение моделей, что такое Spark, Hadoop и почему они чаще всего встречаются в вакансиях, визуализация данных с помощью Tableu и прочих инструментов, названия которых я не помню. Ну и конечно же расширить свой кругозор в области DE.
Про Karpov/Courses я видел информацию в интернете + на сайте Linked In в новостной ленте увидел информацию о том, что кто-то закончил эти курсы.
Выбирал между 2 - Яндекс.Практикум и Karpov/Courses.
Выбрал K/C потому что :
1. Срок обучения 6 месяцев против 1.5 года у Яндекса
2. Понравилась программа обучения (темы и стек) - DWH, MPP, ETL (Airflow), Big Data, Cloud, ML, Model & Data Management
3. Не понравился у Яндекса стек
4. На момент оплаты была скидка (вместо 102 т.р. можно было оплатить 80), в рассрочку на 6 месяцев от Яндекс.Pay (😂) стоимость составила 83 т.р. c учётом переплаты.
Курсы начались 18 января 2024 года. Так же в начале января 2024 года руководство компании предлагает мне 2 варианта на выбор : релокация на Кипр или увольнение с компенсацией. Тк почти год назад мы пробовали себя на Кипре и нам не понравилось, 2 вариант предполагался сам собой.
Начинается тяжелая пора поиска работы. При этом мне надо передавать дела новому коллеге на проекте, учиться на курсах и проходить собеседования. Искал я работу на должность Data Engineer.
Курс начинается с архитектуры DWH. И самое удивительное, когда начинаются мои собеседования - к тому времени курсы идут уже 2-3 недели - на собеседованиях меня спрашивают именно то, что мы только что изучили - слои данных, схемы построения хранилищ (Кимпбалл, Инмон), SCD. То есть знания приобретенные на курсах уже помогают мне. По итогу работу я нашел спустя 1.5 месяца.
Очень удобно выдавали доступ к материалу - 3 раза в неделю после 19:00. Видео понятные, разборы материала тоже. К каждому уроку идут видео (теория/практика), которые можно всегда повторно посмотреть либо для освежения информации можно открыть лекцию в Notion / PDF. Я делал задания через 1-2 дня после того, как выдавали доступ к нему и на выходных.
Обучение проходило легко первую половину курса. Потом стало немного сложнее - началась работа - времени свободного поубавилось. Я старался делать все задания по блокам, но на некоторые и забил - не было желания делать и я их просто пропустил.
Из всех блоков меня зацепили следующие: проектирование DWH, реляционные и MPP СУБД, Big Data (частично) - я так и не заценил Hadoop (и всю его экосистему), но очень понравился Spark, облачное хранилище - это просто улет, Big ML, Управление моделями и управление данными.
Не зашёл модуль Визаулизация данных. Я понял значимость графического отображения данных, но у меня и с Front-разработкой всегда были проблемы - а визуализация данных для меня как Front-end разработка - не пошло как-то.
По модулю Автоматизация ETL-проектов материал был хорошо подан, но изучение этого модуля пришлась на мой отпуск и желания что-либо программировать не было вообще - так что около половины модуля из-за которого я пришел на обучение я просто пропустил(. Но зато с утроенной силой прошло обучение по другим модулям - Big ML, Управление моделями и данными.
Бывали проблемы при выполнении практик - но был создан канал в дискорде и иногда было достаточно заглянуть в поток по теме как решение уже было доступно. Либо можно задать вопрос по заданию - поддержка оперативно отвечает и подсказывает решение.
Подводя итог обучения - я набрал 400 баллов из 480. Это 83 %. Результатом я доволен. Мог бы наверное набрать 440/460 - если бы сдал задания, которые я пропустил. Но уже как есть.
Мои ожидания от курса полностью оправдались. Готов советовать курсы K/C своим знакомым или людям, которые хотят подучиться на DE.

До начала обучения на курсе мне уже приходилось работать над проектами по созданию тех или иных информационных систем и сервисов. Я успел поработать на разных позициях и прошёл профессиональный путь от аналитика и разработчика до техмена и CEO.

На волне развития рекомендательной системы одного небезызвестного видеохостинга мне приглянулась серия записей интервью по System Design, наиболее глубоким среди которых, на мой взгляд, оказался 4-й выпуск с Женей Нижибицким (Uber-like сервис). Какое-то время назад ко мне попала в руки довольно известная книга «System Design Interview — An insider’s guide», а чуть позже я увидел анонс курса-интенсива по System Design от karpov. courses, где преподавателями выступили Валера Бабушкин (Blockchain.com) и Женя Нижибицкий (AliExpress). По долгу службы на фоне реальной проектной деятельности я и сам промышляю преподаванием ИТ-дисциплин по проектированию систем в столичном инженерно-физическом вузе, поэтому решил начать с ознакомления со структурой курса, затем посмотрел welcome-ролик и подумал: а почему бы и нет? Знаний у меня не убудет, да и стоимость довольно демократичная. Сказано — сделано!

Что меня встретило на курсе:

Отлично структурированный модульный контент с постепенным горизонтальным расширением по мере достижения адекватной вертикальной глубины каждой из тем. Здесь и Scope Refinement, и Functional/Non-Functional Requirements, и Capacity Estimation, и High-level + Component Design, и много чего ещё. Каждая из тем сопровождается наглядными схемами, подготовленными в популярном веб-туле для коллаборативного рисования.

2. Через каждую тему курса красной нитью проходят последовательные разборы довольно популярных паблик-сервисов: фотоаппов, сервисов такси, видеоплатформ, чуть более простых сокращателей ссылок и хостингов текстов. В общем, всё то, чем люди регулярно пользуются в обычной жизни и с достаточно высокой вероятностью могут встретить в качестве задачи на реальном интервью по System Design в BigTech-компаниях.

3. Весь материал курса здорово упакован в веб-ориентированную Learning Management System с видеолекциями и конспектами лекционных материалов. Для тех, кому интересно углубиться в тематику, в ряде уроков присутствуют ссылки на дополнительные более расширенные материалы — например, по тем же брокерам сообщений, кэшам, консистентному хэшированию и т. п. Также на платформе в каждом модуле есть практические задания с дедлайнами. Заданий в среднем порядка 20 на модуль, одна часть которых — это разные тесты, а другая — более углублённые практические задачи с обратной связью от преподавателей. Венец курса — финальный проект, в котором необходимо применить все накопленные интегральные знания.

4. Курс не случайно позиционирован как интенсив, что, на мой взгляд, довольно удачно. В каждом из модулей имеются адекватные дедлайны, которые на фоне прочей реальной деятельности помогают поддерживать учебным темп и, проще говоря, не дают «забить» :) Балльно-рейтинговая система курса подразумевает прозрачную систему начисления баллов. В случае несоблюдения дедлайнов система тебя штрафует, и баллов за задания начисляется меньше. Это мотивирует регулярно заниматься и не отставать от учебной программы.

5. Наконец, с коммуникационной точки зрения курс сопровождается, с одной стороны, достаточно оперативно реагирующей поддержкой, с другой — чатом сокурсников. Отдельно стоит отметить, что преподаватели сами находятся в чатах, поэтому какие-то более глубокие вопросы можно обсудить напрямую. Также нельзя не упомянуть и то, что чат с сокурсниками позволяет не только обмениваться идеями, но и вовсе самоорганизовываться в мок-интервью с единомышленниками, если задачей вашего пребывания на курсе является одна из форм подготовки к FAANG-like System Design интервью.

Подведу итоги: если вам интересно расширить свои знания в контексте построения высоконагруженных сервисов, разложить на атомы наиболее популярные из них, сформировать для себя алгоритм быстрого проектирования или прохождения реального интервью по System Design, то стоит обратить внимание на этот курс, безотносительно ознакомления с другими материалами по тематике.

Желаю успехов всем будущим студентам в покорении их академических и реальных дедлайнов, расширении кругозора актуальными технологическими знаниями и возможном прохождении System Design собеседования в одну или несколько BigTech-компаний. Выражаю большую благодарность команде karpov.courses. Это была пушка-бомба ракета!