KARPOV.COURSES

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 ;)

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.

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🔥

Я записалась на курс Data Engineering после неудачного опыта обучения в другой школе. Моё терпение лопнуло и я пошла доучиваться, а на деле переучиваться.

По образованию лингвист. До того как решила вкатиться, отработала 6 лет репетитором английского. Захотелось получить навыки, которые позволили бы релоцироваться по рабочей визе, получать стабильный доход и не оказаться выкинутой с рынка труда очередным мегаобразовательным стартапом. Ещё привлекла возможность решать сложные задачи, ржавеющие мозги — явление малоприятное.

Так что в учебе было больно, тяжко и сложно. До этого что-то читала по аналитике и пыталась делать мини-проекты, но опыта в IT не было вообще никакого, только базовые знания по Python и SQL. Это был путь сплошных ошибок — бурной мотивации и дофаминовых всплесков не было, на это я даже не надеялась. Очень часто отзывы пропитаны энтузиазмом с пафосными фразами типа «влюбился сразу». Это совсем не про меня — выбирала направление прагматично, настоящий интерес появился уже ближе к концу обучения, до этого полагалась на дисциплину и чёткую цель. Сейчас кайфую, так что если вы вдруг начитались нашедших себя и не испытали особого душевного подъёма от учёбы после нескольких недель — не спешите бросать, вспомните, зачем вам это надо.

Курсом осталась очень довольна — было сложно, узнала много нового. Особенно зашли модули по куберу и DWH. Хотелось бы только больше развёрнутого фидбека и практических задач. Больше всего рада, что мне помогли найти работу. Только помощь не подразумевает, что за вас сделают всё — вам помогут, но откликаться надо будет самим. Я изначально понимала, что в эмиграции и без опыта мне дата-инжиниринг не светит: таковы были реалии мирового рынка на март этого года. Но за 6 месяцев активного поиска устроилась дата-аналитиком в международную компанию. А с опытом в аналитике уже можно будет перекатываться в инженеры.

Так что курс рекомендую, потому что он очень насыщенный и актуальный, а помощь карьерного центра — не просто маркетинговая уловка.

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.

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! ❤️

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!

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!

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.

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!

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 :)

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.

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.

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.

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.

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.

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.

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.

У меня изначально были менеджерский бэкграунд и широкие, но неглубокие знания в области ML и DE. Поэтому мне было бы довольно сложно конкурировать с людьми, которые специализируются в CV, NLP, RL или DE. Но зато сейчас появилось много позиций DS Manager, где большую роль играют софт скиллы, умение быстро находить общий язык с HR, DS, AI Directors, VP и SVP, а также опыт управления командами и решения конкретных бизнес задач.

Поначалу я стеснялся сходить с инженерного трека, так как мне интересен и ресёрч, и инжиниринг, но потом понял, что если мои суперспособности — это двигать проекты и решать конфликты, то нечего и отпираться. По результатам тех самых 5 собеседований я проходил в небольшие и средние компании в США на DS, MLE и DS Manager позиции. В конечном счёте я выбрал DS Manager трек — с марта начну работать на позиции Data Science Manager в DISH.com.

По моему опыту, каждое ML интервью состояло из двух частей: базовый ML и продвинутый ML (этап с кодом в расчёт не берём).

В базовой части было важно не только правильно ответить на вопросы, но и объяснить ответы простым языком. Ожидается, что все это могут, поэтому выделиться на этом этапе особо нечем — разве что софт скиллами, улыбчивостью и ответами на каверзные вопросы.

А вот продвинутый ML — эта та часть собеседования, где действительно можно проявить себя. С этим этапом мне очень помог HardML. Люди, конечно, не прочь обсудить продвинутые/редкие штуки, которые вы оба знаете, но будет гораздо интереснее, если вы сможете рассказать о каких-то полезные вещах, которые они не знают. Особенно если есть проект с кодом, в котором можно покопаться. Из общих знаний обсуждались MultiArmedBandits, Fast Nearest Neighbors, CUPED, Clusterization, Uplift Trees. Из того, чем получилось похвастаться — Dask Feature Lib, Contextual MABs, target encoding, probabilistic forecasting, Толока и построение labeling pipelines, а также LambdaMART.

Ещё я для себя понял, что интервью — это не полностью заскриптованный процесс и им можно в некоторой степени управлять. Обычно работало хорошо, потому что слушать в 100 500 раз ответы на базовые вопросы мало кому охота, а обсуждать продвинутые темы всегда интересно. Для себя выбрал такую стратегию, которая работала с переменным успехом:

— Break the ice — small talk, чтобы снять дискомфорт: с кем-то пошутить про новый год, с кем-то посмеяться про гололёд и т. п.
— Понять, что делает команда и выбрать подходящие проекты и знания из своей копилки.
— Рассказывая о себе, обязательно упомянуть подходящие заготовки для продвинутой части.
— Побыстрее проскочить базовую часть.
— Поговорить про продвинутую часть, не сильно углубляясь в дебри.
— По возможности поразбирать код из своего проекта, чтобы сопоставить ожидания и свои возможности.

Так что для меня «ОБУЧЕНИЕ У НАС == КАРЬЕРА В IT» вполне сработало: D

Я инженер-теплоэнергетик, закончил магистратуру в 2019 году. Последний год работаю аналитиком данных в М.Видео. Я единственный аналитик в департаменте, по большей части занимаюсь ad-hoc задачами, в основном использую SQL и Python. До этого 2,5 года работал на стыке теплоэнергетики и IT.

Изначально я хотел получить знания в области машинного обучения. После февральских событий пришёл к выводу, что и профессию пора бы сменить на соответствующую.

Первые два блока очень понравились, все 4 месяца с удовольствием учился на курсе. Где-то с третьего-четвёртого урока третьего модуля задачи стали для меня невыполнимыми. Так как я очень ответственно подходил к обучению на курсе, у меня из-за этого произошло что-то вроде выгорания.

Почему задачи перестали быть выполнимыми — многофакторное явление: и сложность темы, и выгорание, и падение качества лекционного материала. Судя по опросу в Телеграме, большинству также понравились первые два модуля, а к третьему и четвёртому было гораздо больше вопросов. Качество лекций четвёртого модуля вызвало наибольшие вопросы: видео по 20 минут при средней продолжительности роликов час-полтора на протяжении остальной части курса, мало практики, просто определения и иногда скриншоты решённых задач.

Тем не менее задачи оказались вполне выполнимыми, но я не могу сказать, что у меня что-то из этого модуля отложилось в голове. Поэтому отдельная благодарность, что открыли блок по статистике из курса «Аналитик данных». Но к нему я пока не притронулся из-за накопившейся усталости от учёбы.

Финальный проект — крутой с точки зрения стека и задумки, но он был слишком большой и без подсказок (как я понял, они появились на следующих потоках). Из-за этого до дедлайна проект сдали единицы, как я понимаю. Но всё равно это то, что надо для курса.

Пятый блок по собеседованиям — весьма интересный благодаря алгоритмам, отдельное спасибо Лёше Кожарину за эти 4 урока. К сожалению, не все задачи я сдавал вовремя, так как моё «выгорание» к этому моменту ещё не прошло :(

Думаю, что в первый модуль стоит добавить Docker. Но, как я узнал недавно, у K/C планируется бесплатный курс по докеру, что звучит просто потрясающе. Также я бы добавил больше информации по бустингам во второй модуль.

На карьеру курс пока что не повлиял, но надеюсь, что повлияет. Не знаю, что можно отметить в качестве результатов — знакомство с основами ML действительно прошло неплохо, повторение и укрепление базы по Python тоже.

Хочу поблагодарить Никиту Табакаева и Алексея Кожарина за качественные модули — может, в них и есть мелкие изъяны, но впечатления остались только положительные. Алексею Биршерту и Эмилю Каюмову я тоже благодарен, разумеется, но петь им дифирамбы было бы нечестно :)

Я надеюсь, что третий модуль станет попроще. Например, вместо одной огромной задачи будет несколько небольших задач, как во втором блоке. В четвёртом модуле стоит удвоить (а то и утроить) хронометраж лекций, добавив ещё столько же практики не со скриншотами написанного кода, а с live-кодингом и комментариями.

Благодарю всю команду создателей курса за вполне качественный курс по основам машинного обучения. Сравнивать мне особо не с чем, год назад я проходил курс от Learn Python, но он был весьма базовый. На тот момент я не знал о K/C, иначе бы выбрал курс по аналитике данных. Благодарю Анатолия Карпова за то, что он стал для меня проводником в мир анализа данных (думаю, как и для десятков или сотен тысяч других людей). Его интервью у некоторых подкастеров воодушевляли меня на начальных этапах. Интервью с Марией Ждановой, аналитиком из VK, почему-то особенно запомнилось — было очень приятно и радостно услышать, что эта сфера весьма дружелюбна к людям. Благодарю Беслана за подкаст, популяризирующий программирование и анализ данных.

Возможно, стоит как-нибудь награждать самых активных студентов — например, выдавать билет на Матемаркетинг, дарить большую скидку на другой курс или ещё что-то приятное.