KARPOV.COURSES

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

Постараюсь кратко и с контекстом и, разумеется, субъективно.
Я работаю MLOps инженером 3 года, и захотел все-таки расширить область профессиональный обязанностей и на DS/ML задачи.

KC StartML:
+ Отличнейший модуль "Машинное обучение и приложения". Я бы сказал, что по важности для профессии это рядом с тестированием/тервером. Самый длительный курс и преподаватель сделал свою работу на 5+
+ Модуль "Обзор основ Deep Learning" переварил только на 30%, потому что это тема сложная, и буду пересматривать, разумеется. Преподаватель так же всё подробно объясняет и показывает в коде, так что ребята кто соображает побыстрее меня - вам должно зайти с первого раза.
+- Модуль "Статистика и А/В-тесты" довольно сложный. Я пробуксовал на нём серьёзно, и, думаю, мне требуется другой курс конкретно по ТерВеру. Тут он больше подразумевается. Курс Карпова на степике мне в помощь :) Зато в этом курсе шикарно объясняют и показывают подводные камни видов тестирования ML решений в проде.
+- Модуль "Прикладная разработка на Python". Хорошо знакомит с основами разработки приложения вокруг ML решения. Плохо, что мало докера, а вместо контейнеров сдаём 1 файл скрипта в котором и варим и мажем и такое, конечно, в портфолио на Гит показывать не стоит.

Ну и в общем последний пункт это единственный минус курсов.

Саппорт работает быстро. У меня максимум ожидания на вопрос "памагите у меня не работает" было около 40 минут.

Менеджеры идут на встречу, очень приятное впечатление оставили.

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

Взял курс в феврале 2024. Опыта до этого в ML и DS практически не было. Бекграунд: инженер-электронщик, программировал на Си и чуть-чуть на Python. Пришел по рекомендации друга, который прошел там же "Аналитику данных". Цель: попробовать, что это такое этот ваш ML.

Я бы не назвал этот курс лучшим на рынке, но он однозначно дает хорошую базу и дает представление о мире ML и даже немного DL. Пройдя этот курс, перестаешь пугаться непонятных терминов, а магическая субстанция под названием "Искусственный Интеллект" приобретает вполне себе осязаемые и понятные математические формы. После прохождения всех технических модулей я бы не назвал себя ни уверенным ML-инженером, ни даже хотя бы уверенным Python-пользователем, однако теперь я могу назвать то, чего не понимаю. Я знаю, куда мне копать дальше, что изучать, куда тыкаться, что пробовать. Во мне реализовался интерес к знаниям, которые меня еще ждут.
Теперь совсем немного подробностей. Много-много материала. Параллельно работать и постигать новый материал было очень сложно. Больше всего мне хотелось сказать разработчикам курса - а может растянете еще на чуть-чуть даты выхода новых лекций? Хотя я практически всегда закрывал все до дедлайнов, сам факт наличия дедлайна длиной в неделю для 3 довольно объемных уроков меня угнетал. Также у меня вопросы к модулю DL, а именно к лектору, к его подаче информации. Я не сомневаюсь в его профессионализме, но было бы хорошо, если бы лекции были более "разжеванными" и структурированными. Это бы значительно облегчило восприятие нового материала. Хотя я в итоге привык, но печали были много. Также мне не совсем нравится подход курса к созданию "рабочей" обстановки, как при решении реальных задач. Хорошо в это погружаться, но не при получении базовых знаний. Очень многое зависит, насколько крепкая у тебя база, поэтому важно изучать ее основательно и размеренно. Я закончил курс, но начинаю изучать все заново. Но на этот раз - с пониманием, а что именно мне нужно. Впереди еще много всего интересного, и я со смирением "вечного студента" иду вперед:)

Главные перемены в жизни: я уволился с работы и ушел из своей профессии. Начал преодолевать психологические барьеры. Заново начал учиться тому, как учиться. И до сих пор это делаю. Ну и самое главное - уже где-то в середине обучения я нашел работу в маленьком зарубежном стартапе, хотя это скорее результат удачного стечения обстоятельств. Получится и захочется ли мне развиваться дальше - увижу. Пока я оптимистичен и наслаждаюсь каждым моментом, когда мне удается понять очередной метод или поднять качество модели хотя бы на 0.1:)

Готов ли я порекомендовать этот курс? Пожалуй, да. Особенно, если замечания выше были бы учтены. Особенно, если у вас довольно много времени и вы готовы уделять его учебе. Моя оценка курсу: 7.5/10.

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.

Первый курс, который я приобрёл в karpov.courses - Deep Learning Engineer. NLP и отношение к курсу по рекомендашкам сложилось через призму впечатлений от курса по DL.

Для чего я брал курс по рекомендашкам - по работе требуется реализовать рекомендательную систему в корзине, а курс по DL был настолько хорош, что сомнений в том, стоит ли брать RecSys от karpov.courses не возникало. Плюс, ВКР в магистратуре у меня так же на эту тему.

Но курс по рекомендашкам для меня разительно отличается подачей материала, конспектами, глубиной разбора тематики в худшую сторону.
Я не могу сказать, что я им доволен на 100%, но и не считаю его приобретение бесполезной тратой времени и денег: всё-таки по результатам у меня сформировалось представление о том, как можно сделать рекомендательную систему, какие эксперименты можно провести, от чего отталкиваться при написании литературного обзора в ВКР.

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❤️👍🏻

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.

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!

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.

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.

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.

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.

До курса был опыт работы 20 лет, основная специализация — оптимизация SQL-запросов для MS SQL Server. Выбрал этот курс, чтобы получить качественную базу и убрать пробелы после самостоятельного изучения ML.

Курс в целом супер. Многократно превысил мои ожидания. Конечно, есть и недостатки, но ничто не совершенно в этом мире.

Блок по Python изложен божественно (возможно, сам блок несложный), блок по классическому ML отличный и изложение почти такое же отличное, как в блоке по Python. Также отдельная благодарность за объём охваченной информации в блоке по DL. Блок хоть и ознакомительный, но отдельно Deep Learning можно изучать хоть год, если не больше, и ознакомительный характер тут идеален. По блоку статистики мои ожидания (завышенные) не оправдались, но тут я был уже избалован курсом Анатолия Карпова на Степике. Блок хороший, раскрыл ключевые вещи. Также в блоке по прохождению собеседований понравились уроки по алгоритмам.

Из плюсов ещё хочу отметить отличную поддержку, за это отдельное огромное спасибо! Чувствовалась прямо поддержка и заинтересованность, ребята всегда давали много информации, а не просто делали свою работу «на отстань», как частенько бывает в жизни. В общем, я просто в восторге!

После курса почувствовал себя, как Нео в «Матрице», когда он сказал «я знаю кунг-фу». Мой уровень понимания ML вырос на порядок.

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.

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

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!

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».

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.

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).

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!

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.

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.

Немного предыстории: за спиной у меня инженерное образование с отличием, несколько книжек по машинному обучению (Тарик Рашид, Франсуа Шолле, Орельен Жерон) и несколько курсов. В рамках университета пробовал себя в различных областях: от гидродинамики в криогенных условиях в рамках вечной мерзлоты и моделирования идеального прикуса у человека до топологической оптимизации и аддитивных технологий. Сейчас аспирант по направлению «Моделирование с помощью функционально-градиентных материалов с использованием топологической оптимизации».

Познакомился с ML впервые в 2017 году, когда ездил в США на стажировку в Wolfram Research Inc. Помимо метода конечных элементов с топологической оптимизацией, там я реализовал алгоритм исправления опечаток в коде. Алгоритм был реализован достаточно дубово и мне предложили привлечь ML. Собственно тогда я и начал понемногу изучать эту область, но алгоритм завершить не успел, поскольку кончился контракт по времени.

В рамках основной работы я занимался задачами календарного планирования, неградиентными методами оптимизации, изучением новых подходов к решению таких задач. Попутно читал книжки по ML и решал курсы на Cтепике. Со временем понял, что с таким подходом у меня не получается выработать для себя однозначное решение в плане выбора ML как основного направления деятельности и развития.

На курс HARD ML я поступал с целью понять, осилю/не осилю, зайдет/не зайдет, и обрести уверенность в себе в области ML. Уверенность в себе появилась после блока Игоря. Я понял, что мне нравится глубоко копать и узнавать что-то новое, попутно применяя новые знания для решения практических задач. Тем не менее я решил поучаствовать в каких-нибудь хакатонах и опробовать полученные навыки (к этому моменту я прошел 2 первых блока). Сначала хотел поучаствовать в Raifhack, но его я благополучно «проспал», закрутился на работе, поэтому пошел участвовать в Лидерах Цифровой Трансформации 2021. Для меня это был первый хакатон и вообще проба себя именно в ML. Там выбрали задачу «Рекомендательная система для стартапов города Москва». Выбрал по достаточно простой причине — блок Игоря как раз про рекомендательные системы, а блок Стаса частично посвящен теме многоруких бандитов, которые тоже используются в рекомендательных системах. Мое предположение в целом оказалось верным, данные были предоставлены такие, что можно было сделать рекомендательную систему на многоруком бандите в первом приближении. В итоге смогли выиграть хакатон. Сейчас идет разговор о том, как эту систему довести до «production ready» уровня и выкатить «в прод» для города Москвы.

Хотелось бы просто сказать спасибо преподавателям (хотя мне и осталось пройти ещё 2 блока). Я ни капли не пожалел, что пошел к вам учиться.

Прим. от Андрея о времени, затрачиваемом на обучение: «У меня уходило по 8 часов в день на блок матчинга, поскольку Python для меня был „неродным“ языком, на 2-й и 3 -й блоки я уже тратил по 2−3 часа в день, так как к тому времени Python уже не был такой сильной проблемой».

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 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!

Моя компания оплатила мне курс для улучшения наших сайтов. На курс я пришел с неплохим бэкграундом по Python, но в плане веб-разработки был новичком. Я занимался в основном программированием контроллеров и созданием программ для промышленных панелей.

Также написал десктопную программку на питоне, используя библиотеку PyQt, которая анализировала работу бумагоделательных машин, считала статистику, строила графики. В этом проекте я смог применить знания от курсов Анатолия Карпова, которые прошел на Stepik.

До курса примерно месяц изучал HTML, CSS и JS. Сверстал пару макетов, но при этом использовал минимальный набор свойств CSS и тегов HTML. То есть флексы я уже использовал, а вот про гриды узнал уже на курсе. То же самое и по JS. Только начал его изучать, поэтому синтаксис ещё не выучил и при выполнении заданий приходилось гуглить, как пробегаться по списку с помощь map и подобные базовые вещи.

Конечно, я беспокоился, что курс, предназначенный для джуниоров и мидлов, окажется слишком сложным для меня и я не смогу справиться с заданиями в срок.

Однако оказалось, что мои опасения были напрасны. На курсе используется эффективный подход, который позволяет решать проблемы шаг за шагом. Уже с первых занятий стало понятно, зачем применять тот или иной инструмент. Мне понравилось, что преподаватели не торопятся показать готовые решения, а помогают понять, как всё устроено внутри. Благодаря этому стало легче решать проблемы, возникающие в процессе обучения.

Для меня большим плюсом было то, что лекции были записаны заранее, и я мог смотреть их в ускоренном темпе, быстро находя интересующие меня темы. Задания были разнообразными, иногда было сложно, но интересно.

Уже в процессе обучения я начал работать над своим первым реальным проектом
. Каждый раз, когда начиналась новая тема, я сразу же применял полученные знания в своем проекте. Это помогало глубже усваивать материал и быстрее достигать результатов.
Благодаря учёбе я получил необходимые знания и навыки, которые сразу смог применить на практике, и в результате успешно запустил проект в продакшен.
Подробнее о проекте

Моя организация построила в городе плавательный бассейн и начала выдавать бесплатные билеты для сотрудников в бумажном виде. Это вызвало ряд проблем:
1. Во-первых, билеты передавались из рук в руки и по бесплатному билету мог прийти не сотрудник;
2. Во-вторых, невозможно было контролировать загруженность бассейна, потому что люди часто приходили не к тому времени, которое было указано в билете;
3. В-третьих, было неудобно ходить за этими бумажками, а и у некоторых сотрудников появилась дополнительная работа – раздавать эти билеты.

Вот мы и сделали сайт который закрывал эти и ещё много других проблем.
Стек технологий, который мы использовали я взял из курса.
На фронте: React*, Redux, typescript, Mui.
На бэке: Django Rest Framework.
Разработкой дизайна и фронта занимался от начала и до конца сам лично. На бэке был другой парень.
Смотрите сами: https://pool.marbum.ru/

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.

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.

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 ;)

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.

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.

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

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!

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.

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.

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.

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 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.

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.