KARPOV.COURSES: отзывы, рейтинги, курсы

Работаю в нефтегазовой отрасли на различных проектах по моделированию месторождений и оценке рисков. Был необходим человек в команде со знаниям python и машинным обучением. Начал изучать самостоятельно. PYTHON Навык увеличивался, так как имеется множество хороших дешевых/бесплатных курсов, а вот с ML все было сложнее и понимал, что дешевого хорошо курса я не смогу найти. Начал изучать онлайн школы и наткнулся на карпов (знал его еще со времен курсов по статистике на степике). Купил курс и начал интенсивно работать. Очень понравился курс (от подачи до заданий). В частности, стоит отметить блок ML. Сильно улучшил навыки и получил повышени на работе. Финальный проект дался не просто, но дал много и пришло понимание некоторых вещей. Теперь работаю в основном с данными на работе и пишу диссертацию по выбранной тематики. В ближайшее время пойду на курс Deep Learning + NLP от этой же компании, так как полностью устраивает подход и качество. Если готовы учить и развиваться, то данный курс — то, что может дать вам эту возможность.

Курс кайфовый, оцениваю с точки зрения цены/качества. Кураторы и эксперты шустрят как могут, чтобы быстро улаживать проблемы и отвечать на вопросы, респект Вам! Программа очень плотная, прийдется выделить много времени, чтобы поспевать в deadline. Хочу отметить, что курс уверенно наращивает в голове основу/базу, это касается не только блока ml, но и блоков по Python, А/Б тестам, статистике и даже dl. Однако не стоит строить воздушных замков, помимо самой программы нужно будет уделять ещё больше времени на изучение доп инфы, так как с каждой новой темой появляются вопросы. Короче, если верно оценить свои временные возможности и мотивацию, то обучение на курсе пройдёт гладко.

Особенно хотелось бы отметить первые два модуля — преподаватели очень хорошо и понятно объясняют основные темы, которые могут встретиться в будущей профессии. Модуль по нейронным очень обзорный, хотелось бы чуть больше и теории, и практики. В модуле по статистике тоже было бы неплохо добавить задач по теории вероятностей и математической статистике порешать, которые могут встретиться на собеседованиях. В целом курс можно рекомендовать как начинающим разработчикам, так и людям, которые немного знакомы с машинным обучением и data science.

Данный отзыв я хочу разделить на три части с плюсами, минусами и общим впечатлением. Плюсы: Ведущие: Понравилась часть, в которой преподавал сам Анатолий Карпов. Анатолий является отличным преподавателем, который объясняет все доступным языком, демонстрирует иллюстрации и делает материал понятным. От такого преподавателя заряжаешься энергией. Темы, которые преподавал Анатолий заслуживают оценку — 10/10. Также мне понравился преподаватель Беслан Курашов. Хотя у него нет такой же энергии, как у Анатолия, материал после его уроков был хорошо усвоен. У него получилось вызвать интерес к своей теме — 8/10. Формат обучения: Общий формат обучения также понравился: лекция (видеоурок), конспект (подробное описание темы и дополнительный материал), задания (хорошо структурированы), и минипроект (проект, в котором можно применить свои знания, полученные с урока, на приближенных к реальным задачам). Времени на выполнение домашних заданий было достаточно (если вы не работаете или не учитесь где-либо еще). Оценка формата обучения в целом будет в разделе минусов. Обратная связь: Многие эксперты старались отвечать быстро и информативно. Хочу выделить Vladislav S, Olesya O, Pavel D и Alexander M. Куратор также предоставлял хорошие и оперативные ответы (Ангелина З.). Минусы: Ведущие: Почти все блоки визуализации, которые вел Роман Б., заключались в демонстрации его экрана, в котором он просто показывал работу программы, параллельно вставлял свои комментарии. Приходилось просто смотреть, как работает Роман, он мог где-то ошибиться, из-за чего ему приходилось возвращаться обратно, из-за этого урок казался плохо подготовленным. По итогу этот формат обучения показался мне не самым удачным. Главный плюс Романа — позитивный настрой на его уроках. Оценка за его уроки — 5/10. На мой взгляд, наименее увлекательными оказались лекции Жанны А.. Ее монотонный голос и повторение информации, которая и так написана на слайде, делали уроки утомительными. Казалось, проще просто прочитать конспект, чем слушать подобные уроки. Ее лекции были наименее интересными, оценка — 3/10. Преподаватель Алексей Б. также не вызвал особого восторга. Его монотонный стиль рассказа хоть и комбинировался с примерами, но он так и не смог преподнести интерес к своей теме. Оценка — 4.5/10. Формат обучения: Информация, что с материалом можно ознакомиться за пару часов, а также разделить его прохождение на 2-3 дня, уделяя ему 30-40 минут ежедневно. На деле на это все уходит прилично больше времени, если вы первый раз сталкиваетесь с программированием и хотите подробно ознакомиться с темой. Лично у меня уходило примерно 4-8 часов в день на учебу. Обратная связь: Не все эксперты были достаточно активны в обратной связи и реагировали неохотно особенно к окончанию курса. Хотелось бы видеть систему рейтинга для экспертов, чтобы выделить лучших и поощрить их труд. Общий балл 8/10. Общее впечатление: Рекомендую курс, но советую уделить внимание тому, кто именно будет вести лекции и делать упор на то, чтобы большинство лекций вел именно Анатолий Карпов, тогда от курса будет намного больше пользы. Лично по моим ощущениям, я бы поставил курсу 7/10 баллов.

Пользовался симулятором ML на Karpov courses. В целом неплохой набор практических заданий. Задачи достаточно разнообразные. Решать интересно. Единственный минус — неинформативный грейдер. Очень часто бывало непонятно почему-то или иное решение не проходит валидацию, поэтому приходилось дергать саппорт.

Проходил Симулятор DS, в целом понравился. Много практики, различных рабочих инсайдов и best practices из мира ML и DA. Дают подробную информацию по решению той или иной задачи, которая может встретиться в работе + теория по работе алгоритмов машинного обучения, и разумеется есть задачи на реализацию того или иного алгоритма руками. Из недостатков: — не всегда понятно, что от тебя хочет грейдейр (система, принимающая задания), то есть выскакивает ошибка, но не понятно, что именно ее вызвало; для таких ситуаций есть помощник Ада, но она далеко не всегда дает дельные советы; лично я прям каких-то серьзных затруднений с этим не испытывал, но людям, только вкатывающимся в тему, в некоторых задачах придется туго — поддержка работает довольно медленно, иногда ответ может занимать по несколько дней

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). 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. 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. На момент оплаты была скидка. 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. 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.

Проходила курс StartML по основам машинного обучения. Курс понравился, состоит из нескольких блоков. 1. Прикладная разработка на Python. Отличный, очень познавательный блок. Хотя с языком была знакома и уже работала на нем, узнала много новго. Небольшой информации о SQL и AirFlow достаточно, чтобы заинтересовтаься и потом самой уже изучить все подробнее. Преподаватель — отличный, в конце блока было даже грустно с ним прощаться. Очень спокойно и поянтно объяснил весь материал, иногда даже слишком понятно:) Задания несложные, отличный блок, чтобы познакомиться с языком и библиотеками. 1. Машинное обучение и приложения. Это просто восторг! Не уверена, что подать материал можно лучше, чем это полуичлось у Никиты. Весело, интересно, математично (!), Что для меня было очень важно. Очень здорво, что объясняют, почему модели именно так работают, откуда взялись формулы и с математической точки зрения углубляются в это. Очень-очень понравилось! Задания тоже отличные, их много, но это отлично, к концу блока уже свободно запомниаешь весь синтаксис и можно даже не подглядывать в конспекты:) Финальное задание, скажу честно, далось с трудом, много самостоятельной работы, попыток разобраться, но зато какая радость, когда все получается! А трудно в любом случае должно быть, иначе не интересно:) 1. Обзор основ Deep Learning. Тяжело и очень интересно. Блок, конечно, осведомительный, никаких углублений, но все равно очень познавательный и классный. Преподаватель отличный, интресно рассказывает, но информация все-таки сложная, поэтому после блока хочется пройти отдельный курс по диплернингу) 1. Статистика и А/В-тесты. Хороший блок, интересный, но после диплернинга все-таки трудно воспринимался, поэтому, возможно, надо было проходить его сразу после МО. Математика несложная и очень красивая, а программировтаь ее одно удовольствие:) По собеседованиям тоже полезный блок, краткий, конечно, мноое придется читать/искать/изучать самому, но все равно полезно. Еще из плюсов: — доступ после окончания курсов (это просто золотой ящик с конспектами и видео-уроками) — платформа действительно очень удобная — приятная команда (преподаватели, кураторы, все очень компетентные и умные люди) — времени на ДЗ дают достаточно (2 недели без снижения баллов), это очень важно Минусов, как таковых, выделить. Не могу, единственное — все-таки людям, не знакомым с университетской математикой, советую сначала пройти какой-нибудь курс про математику для МЛ, потому что может быть довольно сложно с этим разбираться, а понять важно. В общем, курс отличный, всем будующим МЛщикам очень советую и желаю удачи:)

Курс «StartML». Очень хороший вводный курс в классическое машинное обучение. Подробный разбор теории, последовательное введение в решение практических задач: шаг за шагом. Отличная гуманная команда специалистов поддержки — действительно пытаются помочь, а не просто пишут отписки. В плане обучения затронуты темы: 1) Базовое введение в python и sql (осторожно: оно не базовое, оно для тех кто уже умеет сам писать хотя бы простейшие программы) — Все хорошо, вспомнили основные необходимые темы. Очень порадовал fast api. 2) Основные темы классического ML — тут все супер, никаких нареканий. 3) Введение в нейросети — мне было очень тяжело. Такое чувство, что очень быстро пробежали по верхам, но при этом требуется решать задачи в виде самостоятельной раюоты. Может быть проблема была в том, что я о нейронках до этого только слышала. 3) Математическая статистика — краткое хорошее введение в базовые понятия и обучение базовым навыкам для решения задач анализа данных. 4) Подготовка к собеседованиям — очень понравилось. Постарались затронуть интересные темы: сортировка, рекурсия и тд. В целом впечатления о курсе очень хорошие, 5/5

Курс очень понравился. Хороший базовый вводный курс, необходимый и достаточный, чтобы начать развиваться самостоятельно и не пугаться статей по МЛ. Курс разбит на блоки по Python, ML, DL и статистику. Блок Python: для новичков, умеющих только в Hello World, будет достаточно сложно. Разбираются концепции ООП и относительно продвинутого программирования. Желательно иметь уже небольшой опыт. SQL Разбирается на базовом уровне. Хотелось бы конечно побольше про библиотеку Pandas, но в целом круто. Блок ML: тут без комментариев — Браво! Единственное хотелось бы заданий на самостоятельную реализацию некоторых библиотек, для более полного понимания. Блок DL: Сложно, но интересно! Придется много читать, и искать самостоятельно, чтобы полностью вкатиться в тему (хотя любой процесс обучения на 80% это самостоятельный поиск информации и ее усвоение). Блок Статистики: Тоже все круто, к математике вопросов никаких. Разбирались крутые библиотеки, строились красивые гистограммки, в общем одна красота. Ну и конечно же из огромных плюсов — это поддержка кураторов, преподавателей. Отвечают на вопрос быстро, помогают разобраться в непонятных моментах. А еще и конспекты остались! :)

Хочу поделиться своими впечатлениями от прохождения курса StartML. Обучение проводится на платформе Karpov Courses. Лекции размещены в виде записанных уроков, которые открываются по расписанию, задания проверяются системой автоматически, а взаимодействие с командой КС осуществляется в Discord. Обращаю внимание тех, для кого важное «живое» общение с преподавателем и обратная связь — здесь их количество сведено к минимуму. Существует возможность задавать вопросы на проводимом раз в месяц вебинаре, а при возникновении сложностей во время решения заданий, следует обращаться за помощью к экспертам в Discord. К работе команды экспертов нареканий нет: отвечают быстро, вежливо и действительно стараются помочь разобраться. Также после дедлайна по заданию открывается урок с его разбором, где свое решение можно сравнить с эталонным. Я об этой особенности знала и лично меня такой формат устроил, но все же полное отсутствие код-ревью на начальных этапах можно отнести к минусам. Касательно самого обучения: Перед началом посоветовала бы познакомится с синтаксисом Питона и вспомнить основы математики (у KC есть бесплатные курсы). Охватывается огромный массив информации, и самостоятельно его изучение и структуризация заняли бы огромное количество времени, именно поэтому я выбрала курс вместо самостоятельного изучения. Особенного хотелось бы отметить первые два блока — Алексей и Никита просто преподаватели от Бога! Сложные темы объясняются очень просто, интересно и доходчиво. За блок классического машинного обучение вообще жирный плюс. В блоке по Deep Learning немного «утонула», но он позиционировался как ознакомительный, и задания в нем были очень схожи с разобранными на лекции. От блока по статистике тоже осталось много пробелов, но он наложился на другие трудности, не связанные с курсом, поэтому его мне сложно как-то комментировать. В последнем блоке ведется разбор наиболее часто встречающихся вопросов на собеседованиях. Полезно как с точки зрения трудоустройства, так и просто вспомнить пройденное. Главный недостаток курса на мой взгляд — это темп. Совмещать с работой в офисе 5/2 ОЧЕНЬ тяжело. На учебу уходило все свободное время, и даже его не хватило, чтобы как следует вникнуть в материал. В общем-то, в основном за это и снимаю звезду, так как курс придется пересматривать повторно, уже в своем темпе и вникая в то, что в спешке оставила на «потом разберусь». С оставшимися пробелами, если честно, уверенности в своих силах пока недостаточно, и такой продолжительный срок даже морально тяжело находится в режиме автрала. В качестве пожелания для команды: рассмотреть возможность либо покупки отдельных блоков, как на HardML, либо выбора нагрузки и продолжительности. Справедливости ради отмечу, что существует возможность перевестись в другой поток, но я ей не пользовалась, так как 7 месяцев уже оказались довольно утомительными, и хотелось завершить поскорее. Доступ к курсу сохраняется после его завершения. Резюме: курс рекомендую, но советую учитывать отсутствие код-ревью и очень высокий темп обучения.

Цель моего прохождения курса — освежить знания о базовых концепциях ML и их применении. В конечном счете цель была достигнута, но расскажу чуть подробнее про сам процесс. Платформа, на которой проходят занятия, и прилагающиеся инструменты показались мне достаточно удобными и юзер-френдли, чтобы без проблем находить то, что мне нужно (именно с точки зрения навигации). Курс делится на 4 модуля, три из которых на мой взгляд довольно неплохи, чего не скажешь про четвертый. Сначала о приятном: модули «Прикладная разработка на Python», «Машинное обучение и приложения», «Статистика и А/В-тесты» для начинающего ML-щика / дата-аналитика сделаны весьма сносно, хотя фундаментальные основания часто заметались под ковер. Мне, как человеку с базовым мат. Образованием, иногда это резало слух, но думаю среднему человеку, проходящему курс, так даже лучше. Порадовало, что присутствовал блок со статистикой и практическими примерами, а также была «пробежка» по airflow, git и прочим вещам, которые лично у меня в работе случаются всегда редко, но метко) Были замечены 5-10 опечаток/ошибок по ходу курса, но я списываю это на замыленность глаза создателя. В целом после каждого модуля начинающий может начать (неуверенно, но все же) писать какой-то программный код на Python, работать с БД, строить простейшие модельки (без глубокого на мой взгляд понимания ситуации изнутри), сравнивать их качество и определять значимые улучшения, и даже выкатывать свой сервис с простейшими запросами и ответами. Блок «обзор основ deep learning», на мой взгляд, лучше было не добавлять совсем. Совершенно непроработанная программа, для новичка это 100% будет сравнимо с абракадаброй. У меня конкретно опыт с deep learning (опять же, с фунд. Математикой) имелся, и как человек с опытом, делюсь мнением, что так преподносить информацию не стоит. Преподаватель старался, это было видно, и первые 4 урока даже шли довольно бодро, но воткнуть с 5-го по 10-й уроки кучу разных шаблонных сетей — не лучшее решение. Не запоминается ничего. К тому же, задания из этого блока нужно было выполнять на kaggle, где есть некоторые проблемы с регистрацией (у меня она отняла минимум неделю). Своих инструментов для работы в этом модуле платформа не предоставляет. Мне попадались негативные отзывы в чате «студентов» курса именно об этом блоке, так что думаю, что я не исключение) Отдельно расскажу про систему автооценивания — она хороша, но не совершенна. Иногда текст ошибки ограничен словом «неверно» и трудно представить, где искать промах. Мне понравилось, что сертификат получить непросто. Нужно выполнить первые две части фин проекта на максимальный балл и в целом за курс набрать хотя бы половину баллов. Это не просто. Расстроило, что в эталонных (!) Ответах, открывающихся преподавателями студентам после дедлайнов, есть ошибки, и просто запустить код из ipynb не получится, нужно потрудиться и исправить промахи. Составители курса — такого точно допускать нельзя! А в целом выражаю благодарность авторам, рассказчикам и всем, кто трудился! Вышло на твердую 4 из 5. Спасибо!

Хороший вводный курс в базовые концепции ML, его стоит рассматривать как стартовую точку для дальнейшего погружения в данную область. Из всех основных блоков (а их 4) — часть по ML разобрана максимально подробно. Вводный блок хотя и содержит информацию про основы работы в python и базовый SQL всё же будет сложноват для тех, кто вообще не знаком с этим. В начале всё максимально подробно, но применяемые принципы ООП в блоке ML потребуют определённых знаний по написанию классов, собственных методов. Основные концепции желательно уже знать. Блок по ML разобран настолько, насколько это возможно в рамках выделенного на него времени. Разобрана подкапотная жизнь основных алгоритмов, понимание на какой математической базе они построены будет. Блок по DL очень-очень вводный, к нему не стоит предъявлять завышенные требования. Такого глубокого и детального разбора как в ML не будет. Все же достаточно подробно рассмотрены такие базовые вещи как тензоры и операции над ними. Понимание как выстраивать архитектуру точно будет. Дальше уже копать в глубину самим. Блок по статистике и a/b тестам знакомит с основными статистическими критериями, вероятностью и их применением в a/b тестах. Здесь тоже без глубокого погружения в математику. Поддержка осуществляется через Discord, живого общения здесь нет. Можно ходить на вебинары, но прям задачи курса там детально не разбираются. Вот эту часть хотелось бы добавить — хотя бы 1–2 раза за курс живое общение с экспертом.

Прошёл курс в феврале 2024 г. Все мои ожидания оправдались. Сейчас анализируя полученную информацию примерно прикидываю, что на самостоятельный поиск и освоение у меня ушло бы в 10 раз больше времени. Отдельно хочу отметить формат курсов. Платформа удобная и понятная с первого дня. Обучение построено таким образом, что незаметно для самого себя удаётся организовать своё время для ненапряжного просмотра лекцийи выполнения заданий. Материал преподносится чётко и понятно. Можно смотреть на повышенной скорости. Плюс, есть конспекты, это вообще огонь. Я лично вел ещё и свой конспект, но он получился очень маленьким, так как подготовленные конспекты составлены довольно грамотно. Активно пользовался чатами для общения с кураторами и экспертами. Отвечали на все вопросы оперативно и грамотно, чётко по делу!) Отвечали даже на вопросы напрямую не касающиеся материалов курса, за что отдельный респект!) Ну и задания. Задания довольно интересные. Мне за месяц не успели наскучать. В общем, рекомендую!

Один из лучших курсов на рынке Из плюсов: — отличная база для аналитика (питон + статистика + Табло) — средний темп обучения — активное комьюнити школы — полезные карьерные консультации абсолютно бесплатно после окончания курса Из минусов: — финальный проект мог бы быть более серьезным — некоторые блоки (SQL, продуктовая аналитика сделаны так себе)

В целом курс мне понравился, но как и везде есть свои плюсы и минусы. Так как я уже был знаком с Python и статистикой, блоки по разработке и АБ тестам не являлись для меня очень полезными, но это не минус школе, материал вполне достойный, для старта начинающим должно хватить. Блок по Машинному обучению вызывал только восторг. Никита Т. и этот блок – это огромный жирный плюс этого курса. Никита очень доступно объяснял каждую тему, уроки шли последовательно, из одной темы мы плавно перетекали в другую и, что мне очень понравилось, преподаватель давал мотивировку и доступно объяснял на примерах что, зачем куда и почему. После лампового и доступного идет совсем не радужный блок по DL, который мне совсем не зашел. Ждал его очень сильно, но то ли преподаватель не зацепил, то ли материал показался непроработанным, то ли сама тема довольно таки сложная и я уже подустал. В общем, хоть и говорится, что этот блок просто обзорный, после прохождения осталось ощущение, что я ничего не выучил и ничего не понял. В целом курсу спасибо, свою задачу он выполняет. Понятное дело, что в 6-7 месячный курс невозможно засунуть все, в любом случае нужно самостоятельно искать доп. информацию, благо есть саппорт, который может помочь с вопросами. Считаю, что после курса вполне реально найти работу, если действительно у вас стоит такая цель (у меня такой цели не было). Дорогу осилит идущий...

Очень здорово, что именно наши ребята пришли к такому продукту, ведь аналогов буквально нет. Если вы человек горящий идеей трудоустройства в сфере ML, но даже понятия не имеете что вас ждет - это реально классный продукт, так как есть возможность потрогать реальные задачи с приближенной инфраструктурой, а не просто написать в своем ноутбучке логрег модель.

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

За последние несколько лет прошел несколько курсов, этот, к сожалению, входит в число худших. Давно наблюдал за karpov.courses и очень жаль, что мое знакомство с платформой состоялось в рамках этого курса. К сожалению, особо плюсов для себя не могу выделить, т.к после первых двух недель стало все предельно ясно и горящие глаза потухли. Итак: 1. Записи лекций абсолютно не воспринимаются на слух, это и монотонность повествования, это и путанница в окончаниях, это и монтаж лекции, когда каждые 0.01 секунды идет склейка. Хорошо, что есть конспекты, подумал я. Но, как сказал один учеников в одном из отзывов тут же - это низкое качество конспектов. Материал в разы меньше, разнится с содержанием лекции, ошибки. 2. Если говорить про сам материал, то на мой взгляд это халтура. На сайте курса говорится о middle+, senior, teamlead, как о тех, кому подойдет этот курс. Но я не предствляю инженера, который заинтересуется верхнеуровневой базой из курса и почерпнет из этого верхнеуровневого материала что-то новое. 3. Ужасная коммуникация. На конструктивную критику от учеников были следующие аргументы, цитирую "... у системного аналитика всегда есть кейсы когда нет полноты информации и тогда стоит прийти к коллегам по команде или оунеру и задать уточняющие вопросы", с последующим утверждением, что это прокачка скилов уточнения требований, а не дыра в материале. Также на задержку в ответах, задержку в проверках домашних заданий раз за разом получали ответы, цитирую: "поток студентов далеко не один и приходить в каждый тред возможности нет", аналогичные ответы на вопросы о задержках в проверках дз. Почему информация о других потоках должна быть нам известна? В какой-то момент к менеджеру курса с вопросами о возможности возврата средств за курс, тут было интересно, получил сразу ссылку на возврат и только последующую коммуникацию. Поставил бы 2 звезды из 5, но оставляю надежды, что остальные курсы созданы с более глубокой проработкой и не ставлю крест на всей платформе, потому что многие знакомые хорошо отзываются о ней.

Получаю искренее удовольствие от прохождения данного курса. - Во первых курс содержит большое количество задач, которые максимально приближены к тому с чем сталкиваешься в реальной жизни на работе, методы и подходы из некоторых задач уже удалось успешно применить у себя на работе. - Во вторых поддержка на курсе тоже максимально приближена к коммуникациям в рабочей среде (да бывают моменты когда не сразу видят запрос, но его могли банально пропустить из за большой нагрузки. Когда тегаешь команду поддержки еще раз, то всегда отвечают и помогают решить проблему). - В третьих курс действительно добавляет понимания как что устроено и какие подходы лучше использовать для решения бизнес-задач, на что стоит обратить внимания. - В четвертых comminuty, всегда можно пообщаться в приятной двоерительной среде с участниками и командой Симулятора в чате телеграмм, задать интересующие вопросы на различные темы (даже помогли найти подход к решению рабочей задаче, которая никак не связана с Симулятором). Каких-либо существенных минусов в курсе не вижу, этот курс действительно позволяет взглянуть на применение ML как оно есть на самом деле в жизни!

Во время прохождения симулятора качество моего кода заметно улучшилось благодаря тому, что в каждой задаче присутствует проверка. Теперь стараюсь писать документацию и тестировать свой код. Также мне понравилось, что задачи разделены на разные уровни и в самом уровне есть постепенное усложнение. Раньше думал, что работа ML инженера связана только с моделями, оказалось это не так и разнообразные задачи с симулятора помогли побольше узнать о разработке. В общем симулятор ML оправдал мои ожидания. Есть конечно недочеты в некоторых заданиях, но как правило они разобраны в канале дискорда и ждут исправлений.

Начну с плюсов (к сожалению, их мало): 1. программа курса реально хороша в плане ML и DL, хотя и перегружена, на мой взгляд. Я так и не поняла, зачем нужен блок A/B тесты, потому что новой информации итак вагон и маленькая тележка, усвоить еще и A/B тесты (по которым, кстати, есть отдельный курс, насколько я знаю) почти нереально человеку, который обучается с нуля. 2. очень радует то, что доступ к материалам остается навсегда, так как в системе все по полочкам: видео/конспекты/задания. Теперь минусы: 1. просто крик души. Ребята, наймите копирайтера!!! Курс стоит 18к в месяц, так почему я должна читать конспекты, написанные левой пяткой на коленке? Запятые в конспекте должны существовать не просто так, а чтобы лучше его понимать! Ну невозможно читать предложения длиной в нехилый абзац без запятых, ничего не понятно, что к чему относится! А от вашего неумения написать верно, к примеру, слово "параллелепипед" вообще плакать хочется. 2. ох уж этот сленг...ну не могу я в первом блоке понимать IT сленг в заданиях! Пример: "Войдите консолью в папку ...". Что, простите? Дальше мои впечатления по модулям курса: 1. блок "прикладная разработка на python" - не понравился лектор (это чисто субъективно), пыталась читать конспекты, но см. п. 1 минусов, поэтому оценка 3/5. 2. блок "машинное обучение" - 10/5, ну очень понравилась и информация, и лектор, и задания. 3. блок "глубинное обучение" - 3/5. Лекции немного не зашли (чисто субъективно) + здесь мне уже требовалась помощь поддержки в решении заданий, этой помощью я осталась не совсем довольна. Не быстро, часто не по делу. Ответы в стиле "посмотрите лекцию" вообще считаю неприемлемыми. Да я ее 5 раз посмотрела, но не понимаю, что и как делать. 4. блок "A/B тесты" - 0/5. Не поняла, зачем он мне вот прямо в этом курсе. Не понравился лектор от слова совсем (он 2-х предложений связать не может, видео постоянно дергалась из-за многочисленных вырезанных фрагментов), странная длительность лекций: она огромная для этого блока!!! Например, тема "трансформеры" в блоке DL была рассказана за 30 минут (хотя, на мой взгляд, это очень сложная вещь), но при этом в блоке по A/B тестам лектор 2 часа 11 минут (!!!) вещал про доверительный интервал, для которого можно дать определение и остановиться. Поддержка: Команда поддержки - слабенькая. Простите, но от бота Евы после ее появления на платформе курса стало больше толка, чем от команды поддержки. Например, поддержка не могла помочь мне с заданием 8 дней. У меня все работало локально, но не грузилось в проверяющую систему. Я ошибку не видела. И только спустя 5 дней активного решения этого вопроса они углядели ошибку в моем коде загрузки в их систему, состоящем буквально из 5 строк. Ну, странно же...Вроде, должны сидеть опытные люди... В общем, сложилось ощущение, что курс распиарен. Красивая обертка, а внутри все не так уж и вкусно. Кстати, это не только мое мнение. Знакомые - айтишники с опытом тоже недовольны раздичными курсами от karpov.courses, в первую очередь работой (или неработой) команды поддержки.

Отличный курс от сильных специалистов индустрии. Курс подходит как для начинающих аналитиков, так и для тех кто уже работает в этой области. Много практики, но и достаточно теории. Важно отметить, что всё таки требуется определенный опыт программирования на питоне (в области анализа данных: pandas, numpy etc). Кроме того, хорошо бы знать базовые вещи мат стата (достаточно пройти бесплатный курс на известной платформе от известного спикера по основам статистике). Хорошая поддержка от суппорта, а также от самих авторов. Лично я очень сильно вырос благодаря этому курсу.

Как первое место работы у меня была должность ml инженера в медицине, но я очень хотел перейти в любую компанию, связанную с бизнесом, в идеяле it консалтинг, поэтому решил добавить опыта решения прикладных задач в симуляторе. То, что я получил на ml симултяоре превзошло мои ожидания, потому что темы заданий актуальные, новых знаний навалом, задания разделены по уровню и вкатываться в весь процесс было достаточно просто. Поддержка поддерживает, задания заданятся. Очень рекомендую ml симулятор, если вы уже подбераетесь к поиску первой работы или как я, хотите освежить память для будущего собеса. Сужу с высоты junior, поэтому не знаю насколько это будет полезно позициям выше, но, возможно, будет просто интересно.

Обучение в DS я проходил самостоятельно, без платных курсов. Но практики везде мало. Как правило, в курсах есть примеры, практические задачи, но это все не то. По отдельности куски тем вроде и понятны, но из этого не складывается понимание, как подходить к решению конкретной большой задачи из бизнеса. Симулятор как раз заполняет эту брешь. Реальные задачи из прода, большой объем данных, и что порадовало отдельно — хорошая вводная теоретическая часть.

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 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».

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.

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!

Обучение было очень насыщенным, хорошо структурированным, я многому научилась. Как будто действительно месяц поработала аналитиком :) После курсов планировала устроиться на работу аналитиком данных. Пока что я только начала проходить собеседования, но уже сейчас на них я чувствую себя гораздо увереннее и лучше понимаю, каких вопросов ждать. Благодаря курсу всегда могу рассказать о выполненных задачах как об опыте, сильно приближенном к реальному.

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 АВ тесты).

Особенно хочется выделить модули по A/B тестированию и Uplift моделированию. Качество материала, задачи на высоком уровне. Данный курс глобально повлиял на мою карьеру. Благодаря приобретенным навыкам, в особенности по модулю продвинутое A/B тестирование, через 2 месяца после окончания курса я получил оффер на позицию Senior research analyst в крупнейшем маркетплейсе РФ, хотя до этого в IT компаниях я не работал.

Данный курс помог мне поднять свои знания на качественно новый уровень. Вложенные средства отбились при первой же зарплате на новой работе.Достойных аналогов я не нашел. Вряд ли какой-либо курс может предложить такой преподавательский состав. Безусловно, преподаватели, которые являются профессионалами своего дела и делятся опытом и наработками. Это делает данный курс уникальным на фоне остальных.У курса есть свой YouTube канал, где разжевываются многие сложные моменты, а оперативная обратная связь помогает справляться с ними. Недостатки были решены по ходу курса. К сожалению, из-за новизны они неизбежны. Остались разве что опечатки.Для успешного прохождения необходимы минимальные знания Python и SQL, но это не является недостатком данного курса.

Я 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.

В свое время начал с курса статистики на степике и после него уже решился довериться полноценному обучению. Не пожалел. Это было крутое путешествие! Благодарен за такой классный продукт. Достоинства — Актуальный материал; — Затронуты все темы, что позволяет после обучения претендовать и на дата-, и на биай-, и на продуктового аналитика; — Адекватная поддержка и помощь; — Отсутствие критических проблем. Недостатки — Из-за сжатого срока обучения (5 месяцев) надо быть готовым тратить более 80% своего свободного времени после работы и на выходных на обучение; — Некоторые блоки, на мой вкус, были не слишком сбалансированы по сложности (например, старый блок по airflow или четвертый урок питона по работе с грязными данными)

Курс точно не стоит своих денег. Особенно после отмены очных сессий и с таким качеством монтажа. Как часто бывает с материалами по ML, все лучшие курсы, учебные материалы и статьи вы найдете в открытом доступе бесплатно. Я бы мог посоветовать модуль по АБ-тестам, он реально хорош. Достоинства Четвертый модуль по АБ-тестам — это лучшее, что я видел по данной тематике вне зависимости от языка учебного материала. Превосходный учитель, большой специалист и харизматичный человек. Интересная подача, каждый слайд разбирается досконально: с выводом формул, подробным описанием и практическим применением. Таким образом, к концу лекции ты получаешь не просто готовый ответ «sample size считается вот так», а понимаешь каждый шаг, который привел к такому результату. Если бы я оценивал только четвертый модуль, то поставил бы 5+. Недостатки 1. Ужасный монтаж видео. Ну, правда, возьмите и запишите видео заново, а не делайте пять склеек в одном предложении: «и поэтому | модель | должна будет | вернуть предсказанную | вероятность». Я не утрирую, просто откройте хотя бы модуль «ценообразование» и убедитесь сами. 2. Далее про сам модуль ценообразования: неструктурированный набор лекций, не создается целостной картины «а изучаем-то чего?». Сначала тратится три лекции на элементарный препроцессинг (хотя в описании курса HARD ML написано для уровней senior DS), потом идет элементарная регрессия (простая и квантильная), «галопом по Европам» временные модели и...многорукие бандиты. Новых знаний с модуля получаешь крайне мало. Куда лучше было бы разобрать более глубоко какую-то подобласть в ценообразовании, чем пытаться объять необъятное. 3. Ранжирование и матчинг. Первое и главное — довольно токсичный преподаватель. На ранних запусках курса, когда были очные сессии, на уточняющий вопрос по теории или ДЗ я часто сталкивался с ответом преподавателя: «перечитайте внимательнее, в описании все есть». Уважаемый преподаватель, вы составляете учебный материал, разумеется, для вас там вопросов нет и все очевидно. Но если из раза в раз, чтобы получить ответ на вопрос, приходится читать между строк, то, возможно, для студентов не все так очевидно. На n-ом этапе я просто перестал спрашивать, если не мог найти ответ самостоятельно, то ждал разбора ДЗ. Всяко лучше, чем тратить нервы на токсичное общение. Касательно материала: на самом деле довольно неплохой курс, очень много приходится писать с нуля, что здорово. Сильно прокачался в PyTorch из-за этого. Из минусов по материалам: мы, вроде, ранжирование и матчинг проходим, зачем в последних лекциях делать больший упор на эмбеддинги, Bert и трансформеры, если мы не используем их ни в одном из ДЗ, ни в финальном проекте. Вместо этого можно было бы разобрать sota в ранжирование, а не заканчивать на реализации KNRM.

Курс серьезно прокачал несколько навыков: если по реляционным БД в целом все было понятно и знакомо, то работа с тем же MLFlow и облаком VK была в новинку, захотелось копать глубже и дальше. Достоинства Курс организован хорошо и разбит на модули, за каждый модуль отвечает отдельный ментор (тьфу, лучше русское слово — преподаватель). Взаимодействие с преподавателями происходит через Slack. Команда курса также в целом очень быстро решает вопросы. Сами лекции подаются в виде записанных видео, материал дублируется в виде текста и слайдов. Относительно самих материалов: кратко, без лишних слов. Задания сочетают как теоритические вопросы, так и практические задания. Они ограничены по времени. Недостатки Не все модули одинаковы наполнены информацией: одни больше, другие меньше. Также скорость подачи материалов во всех курсах разная и зависит, как я понял, от преподавателей. Кроме того, понятно, что преподаватели заняты своей основной деятельностью на 100%, поэтому быстрых ответов можно не ждать и лучше включать голову и искать ответы самому.

Курс подходит для тех, кто хочет перекатиться в DE из аналитики и уже работал в компаниях. В требованиях к поступлению значатся оконные функции. Ожидаешь, что они встретятся в заданиях, но нет. Это просто материал, который нужен специалисту в DE, но на курсе этого не проходят, потому что если надо — пройдешь сам. Расскажут про партицирование и покажут код. Все. Такого будет много. Bash, командная строка, линукс — предполагается, что люди уже это знают. Вообще, это и плюс, и минус. Для человека без большого опыта работы в компании с большими данными курс слишком теоретизированный и мало практики. Примерно еще в полтора раза больше материала нужно добирать самому. Правда, это можно сделать почти бесплатно и найти курсы, учебники и т.д. легко. Для человека в теме это плюс: не тратишь время и не платишь за лишнее. На вебинарах была стандартная ситуация, когда люди, которые уже работают с данными, говорили: «вау, как классно, а мы не знали и мучались». Курс слабовато подходит для тех, кто хочет вкатиться в IT с улицы. У него чуть уже таргет, чем его подают рекламщики. Но если вы ищите хорошо упакованную теорию и примеры решений, а стоимость для вас ок, то все весьма достойно. Достоинства Курс покрывает основные направления, дает хорошее общее представление о предмете. Достаточно хорошая и проработанная теория почти во всех модулях. Топовые специалисты, современный стек. В самом главном модуле отличный и ответственный лектор, который провел много многочасовых онлайнов с практикой и разбором. Курс достаточно хорошо подходит для того, чтобы по его итогам пройти собеседование. Если, конечно, не забыть к концу курса, что было в первых модулях. Очень достойная программа трудоустройства. Облачные технологии рассматривают на примере VK cloud s, но отдельные топики преподы иллюстрируют на Яндекс.Облаке. Курс не страдает развесистой клюквой, когда скучный материал разбавляют смехуечками и всяческим копирайтингом (если вы понимаете, о чем я). Лекторы делают акценты на том, что им самим интересно. В итоге получается отлично. Это жирный плюс. Недостатки Я был во втором потоке. Достаточно часто менялось расписание. Нужно закладывать время на учебу, а ты заранее не знаешь, когда и сколько тебе понадобится на прохождение курса (дедлайны, правда, очень комфортные). Домашки проверялись с большой задержкой. Почти все домашки по типу проектов. Нет небольших практических заданий. Есть тесты, но это не то. Практика сильно уступает теории в объеме. Задания на «пощупать один раз», тогда как ты ожидаешь отработки навыков. По отдельным модулям (типа Airflow) брал сторонние практические курсы. Ровно потому, что если быстро делаешь — быстро забываешь. Несбалансированность нагрузки по темам: можно было бы исправить, лучше организовав расписание. Разрозненность тем, но это уже объективная вещи, которую исправить сложнее.

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.

Начинал свое обучение 28.02.2023 . Пошел на курс без какого либо опыта в аналитике. Команда курса очень отзывчива и всегда готова помочь , даже если время было уже вне их графика . Обещанные навыки я освоил достаточно хорошо и даже немного больше чем гарантировали . Так что если советовать нишу по обучению аналитике , советовал бы данную школу