KARPOV.COURSES

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.

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!

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

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

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

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

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 :)

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

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

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.

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.

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 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.

Меня, как системного аналитика, заинтересовал курс по System Design. Я часто общаюсь разработчиками one-to-one, и мне очень важно разговаривать с ними на одном языке. На работе я создаю компонентные/модульные схемы и защищаю их на архитектурном совете. Именно благодаря обучению я понял, как это должно быть на самом деле, какие частые ошибки я совершал во время проектирования и что нужно делать, чтобы их избежать.

Многие моменты в обучении пересекаются с моими знаниями по системному анализу (ACID, CAP теорема). С помощью курса я смог структурировать свои текущие знания, провести параллели и узнать много нюансов. Я понял, как на основе требований оценивать нагрузку, масштабировать систему и повышать её отзывчивость, и разобрался, как работают разные алгоритмы поиска. Реализация поиска была мне особенно интересна, такую информацию мало где встретишь: чёткая, структурированная и по делу.

Рекомендую этот курс всем системным аналитикам — он позволит посмотреть на вашу работу под другим углом. Курс проходится довольно быстро и легко. Имея возможность применить полученные знания в работе, вы всегда будете на одну ступеньку выше своих коллег.

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.

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

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

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 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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.

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)

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

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».