Отзывы о школе Karpov Courses

Я люблю учиться и могу сказать, что успешно училась и завершала курсы по своей специализации на многих платформах, как платных, так и бесплатных, т.е. у меня нет проблем ни с мотивацией, ни с самоорганизацией. Но этот опыт стал, пожалуй, самым неприятным и разочаровывающим. Видимо, мы кардинально не совпали. Если бы курс не был предложен и оплачен работодателем, я бы бросила его и вернула деньги сразу, а так пришлось мучиться до конца. У karpov очень хороший пиар, поэтому мы с коллегами (уровень middle/senior) охотно согласились, немного смутили преимущественно плохие отзывы на внутреннем сайте, где оценка курса даже до 3х не дотягивала. но онлайн-обучение не всем заходит, и известно, что отзывы чаще пишут отрицательные, поэтому ожидания были только позитивные. О хорошем: лекции (за исключением пары модулей), семинары - действительно хорошо расширяют кругозор, материал структурирован, его много, местами очень много, на семинарах разбираются реальные кейсы. На этом хорошее заканчивается. Опыт именно обучения - сугубо отрицательный. Во-первых, дедлайны. Они есть, на каждый модуль отведен определенный срок, после истечения этого срока стоимость заданий падает вдвое, и если где-то немного не рассчитать или допустить пару ошибок, пытаясь понять, что имел в виду составитель теста, зачет по модулю получить уже не удастся. При этом теоретический материал непростой, требует хорошей базы, и на то, чтобы его просто проработать, что-то дополнительно разобрать или вспомнить, уходит немало времени. Особенно на этом фоне выделился модуль про A/B тесты, сам по себе прекрасный, очень подробный и основательный, но содержащий в одном уроке несколько часовых видео с разбором статистических формул и выкладок. Это не тот материал. который можно так просто воспринять за несколько часов в неделю после работы, если ты не вчерашний студент МФТИ. А дальше в полный рост встает вторая проблема курса - задания, которые сдаются через грейдер. Задания часто сформулированы невнятно, с ошибками, опечатками, сырые, многие из них относятся к разобранному материалу по принципу как нарисовать сову - мы показали, как нарисовать круг, теперь нарисуйте оставшуюся часть совы. В грейдере практически отсутствует диагностика и обратная связь, возвращается просто "ошибка". Поддержка через чат и не всегда эффективна и информативна, по истечении заданного расписанием срока обучения доступ к ней, как и к другим инструментам, просто отключили (не то, что спросить, а просто почитать предыдущие обсуждения уже нельзя), на платформе регулярно возникают технические проблемы, это не учение, а мучение, и все это подгоняется истекающим дедлайном. В результате, все усилия уходят не на то, чтобы усвоить материал, разобрать и решить задачу, а на то, чтобы успеть хоть что-то сдать, пока шансы зачесть модуль не превратились в тыкву (иначе зачем вообще это все было?). И это не только мои впечатления, из моих коллег в дедлайны по модулю с финальным проектом не уложился никто (как я уже писала, речь не о джунах и не о вкатывальщиках, все с адекватным опытом), все фрустрированы и оценивают этот опыт как негативный, даже взаимовыручка нас не спасла. Возможно, этот курс для успешного прохождения требует полного погружения, не заявленные 8 часов в неделю, а все 40, но для работающих fulltime людей такое погружение невозможно. Если бы была возможность проходить его в своем темпе и ритме, бросать, возвращаться, перескакивать на темы/модули, регулировать нагрузку, неспешно ковырять задания, наверное, впечатления были бы другими. Курс, возможно, подойдет тем, кто неспешно ищет работу в качестве интенсива, если у них есть реальная возможность тратить на это часы каждый день и полгода в запасе (потому что быстрее расписания пройти его тоже не удастся). Людям, обремененным работой и семьей, он вряд ли зайдет. Несмотря на прекрасные материалы отдельных модулей (A/B, uplift, mlops совсем базовый, но понравился, т.к. легко воспринимается и хорошо расширяет кругозор в плане инструментов, в динамическом ценообразовании очень слабые содержательно лекции + косноязычный лектор, но неплохие семинары, ранжирование и матчинг просто очень сложно воспринимать на слух), рекомендовать его я бы не стала и жалею о времени, которое можно было бы потратить с куда большей пользой и отдачей.

Я проходил курс Karpov.Courses Аналитик данных, который длился 6 месяцев. 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 Sakharov, Olesya Ogurtsova, Pavel Dolgih и Manaenkov Alexander. Куратор также предоставлял хорошие и оперативные ответы (Ангелина Захарова). Минусы: Ведущие: Почти все блоки визуализации, которые вел Роман Бунин, 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 Азизовой. 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 Баталов 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.

Я в бешенстве! Курс написан умственноотсталыми математиками социофобами! Если вы не задрот-математик, то вам будет крайне тяжело понимать их язык объяснения элементарных вещей запутанным языком! Там, где можно сказать прямо и банально, зачем то приводятся запутанные примеры с пятимерными объемными ответвлениями в пустоту! Чем дальше проходишь курс, тем все более запутаннее будут становиться примеры и описание. Так же будет куча тем которые вы должны использовать при решении задач, но вот РАССКАЗАТЬ вам про эти темы не будут, сначала догадайтесь, а потом найдите ответы сами. Даже прогнав уроки через ЛЛМ модели они были в шоке нафига так все усложнять?!!!

Некоторые главы курса хороши. Я проходил две главы, из них мне понравилась только глава про MLOps. Местами там было много воды и теории, лекции достаточно длинные, но зато это позволяет разобраться в теории MLOps и подходах, если вы раньше с этим не сталкивались. Задания в тренажере интерактивные, можно не ждать проверки, а самостоятельно отправлять их и получать результат. Правда в этом и минус - вас не будет проверять живой человек. Также есть чат поддержки, куда можно задать вопросы и посмотреть вопросы других участников курса, чаты для нетворкинга и общения (немного мертвые). Также после каждого урока есть конспекты в pdf. Однако главу по рекомендательным системам не порекомендую никому. Очень много материала, каждую лекцию что-то новое, лектор пытается впихнуть как можно больше, но не углубляется в суть вообще, так что без самостоятельного поиска в интернете вы вряд ли поймете рекомендательные системы. Лектор часто оговаривается, хотя явно читает текст с экрана. Пару раз мне попалась одна и та же склейка друг за другом, просто лектор перезаписывал часть. Очень много склеек. Материал не очень последовательный, второй урок ссылается на то, что третий пройден) С самого начала блок "рекомендательные системы" плохо структурирован, нормального введения нет, сразу какие-то истории и метрики. Также в этом курсе ужасное качество конспекта. Картинки настолько шакальны, что с них невозможно разобрать текст. Разборы домашек есть, но код в них не запускается, и приходится фиксить его. Ну и все вопросы нужно задавать в чат поддержки, а ревью ДЗ никакого нет, только автоматизированная проверка.

Курс полностью разочаровал. Создается впечатление, что его делали лишь бы сделать, без малейшей заботы о студенте. Теория: Материал подается крайне неструктурированно. Видеоуроки длинные, бессмысленные и наполнены водой. Концентрации полезной информации в них близка к нулю. Практика: Полный провал. Примеры не работают из-за устаревших версий ПО, что делает их изучение невозможным. Практические задания настолько бессмысленны, что проще и быстрее их выполнить через ChatGPT, чем разбираться с неповоротливой техподдержкой. Итоговый тест: Составлен абсолютно некорректно. Ответов на вопросы нет в предоставленных материалах, что заставляет студентов искать их где угодно, но только не в самом курсе. Итог: Потраченные деньги и время. Категорически не рекомендую.

Пишу отзыв на курс "Инженер данных с нуля", так как нет возможности выбрать его. Курс начался в июле месяце 2024 года, первый поток. Из-за чего было много небольших недочётов, которые были ожидаемы, но раздражения не вызывали. На курс ушло суммарно около 8 месяцев с переводами дедлайнов по техническим моментам. Изначально курс проходил ещё будучи работая на постоянной работе, совмещать в целом удавалось. Я бы даже, честно говоря, увеличил темп, чтобы укоротить программу, так как некоторые модули концептуально не могли содержать большого количества практики, а значит проходились зачастую не за отведённые 2 недели, а за 1-2-3 часа. Далее напишу то, что я в целом писал в отзыве по курсу команде: - Объём курса хороший, придётся многое узнать; - Большое количество рассматриваемых инструментов (но HDFS, Hive, MapReduce я бы добавил чуть больше, чем просто обзор); - Качественно записанные лекции, где видно, что не просто читали с суфлёра; - Понятная подача материала; - Достаточно много практики Из недостатков можно было выделить небольшую "сырость" курса на первом потоке, так как часто чекер не принимал выполненные задания или падала инфраструктура, на которой производились вычисления. Также есть небольшой нюанс в виде присуждения баллов на курсе: хоть я и стремился проходить курс по-максимуму, но всегда остаётся соблазн выполнить самые "жирные" по баллам задания, чтобы пройти минимальный порог для получения сертификата, а так как очень часто на курсе можно было встретить достаточно лёгкие задания с большим количеством баллов, то волей-неволей подсознательно обращалось внимание на них. Также стоит отметить, что рамки курса достаточно нестрогие, так как после окончания дедлайна по заданию, при успешном выполнении вам назначается половина баллов, при этом вы можете буквально посмотреть разбор этого задания без дополнительной потери баллов после истечения дедлайна. Я бы за использование просмотра разбора задания штрафовал бы дополнительно на половину баллов. Подводя итог, могу рекомендовать курс к прохождению тем, кто заинтересовался этой профессиией. Особенно, если учесть, что команда будет постепенно исправлять все ошибки курса и всячески его улучшать с каждым новым потоком.

Курс состоит из записанных видео 2-5 летней давности, с тех пор(по крайней мере модуль python) не обновлялся хотя есть над чем поработать. Видео лекции записанные Александрой Овсяниковой мне было сложно понимать, объясняет скучно и не понятно. Почему то у меня по рекламе сложилось впечатление что будут встречи в формате вебинаров, оказалось что за весь курс таких встреч будет всего 5-10(в начале каждого модуля), с кураторами и менторами можно связаться только в чате и то что они отвечают за 15 минут ложь(приходится тегать их в общем чате чтобы ответили) По итогу вы получаете заранее записанные видео 2-5 летней давности и задачи(в общем 490) за 80 т.р

Настолько лагающий jupyterhub, что иногда просто невозможно выполнить задание. И чинится днями. Бесполезные эксперты. Главный совет от создателя: если не понимаете материал, то смотрите видео столько раз, пока не станет ясно.

Очень непонятное объяснение сложных тем. В заголовке курса написано, что обучаете с нуля, но по факту, если человек пришел с нуля ему не будет понятно. Хочется улучить качество лекций и подачу информаций от самих лекторов, прочитать со слайда я могу и сама))

1) Теория. В курсе очень хорошо разбираются все необходимые теоретические знания, все подробно разбирается в видео-уроках, а потом дублируется в текстовых конспектах. Знаний будет более чем достаточно, чтобы пройти собеседования на уровень мидла. 2) Практика. В курсе очень много заданий разного уровня сложности. Часто их можно решить самостоятельно, но если что-то не получается, то команда поддержки всегда поможет. Сами по себе задания довольно разнообразные и учат применять только что полученные теоретические знания на практике. 3) Команда поддержки. Еще раз отдельно выделю работу кураторов и экспертов: они всегда готовы помочь с любым заданием и отвечают на все вопросы

Плюсы: - Курс хорошо структурирован - Сложные и интересные домашние задания - Финальный проект, который действительно походит на задачи из реального мира - Есть большой карьерный блок В целом, практическая часть мне очень понравилась. Минусы: - Возможно это моя проблема, но как дело дошло до сложных тем ни лекции, ни конспекты мне не помогали. Поэтому ближе к концу я их уже просто пропускал и шел сразу задавать вопросы в чатгпт с припиской "Объясни как для чайника". Я думаю, что в курсе для начинающих преподаватели и должны объяснять "как для чайников" - Конспекты я считаю самой слабой частью курса, они слишком куцие. Часто в лекциях есть вебинары, где много всего рассказывается и ничего этого потом в конспекте нет. А мне с видеоинформацией намного сложнее работать как минимум потому что по тексту ты можешь использовать поиск, а по видео нет

Ставлю 4, но я бы сказал что 4+. Почему? Курс показался немного сложноватым, но это не то чтобы минус. Были некоторые задания, которые делаешь и вообще не понятно то от тебя ожидают или нет, но ведь и в реальной жизни тоже так — есть пространство для творчества, так сказать, внутри требований к реализации. Тем кто думает что их проведут за ручку, лучше и дальше продолжать решать задачи на python и sql. Тем кто хочет попробовать реальные кейсы, хотя и учебные, кто готов сосредоточиться на работе и получить результат, курс подойдет. К тому же отличная возможность пополнить портфолио некоторым количеством разнообразных кейсов. Вы точно получить опыт близкий к реальной работе. Курс рекомендую, но будьте готовы к тому, что инфу придется искать самому и иногда работать в режиме неопределенности — но не этому ли вы хотите научиться? С другой стороны можно всегда задавать вопросы менторам, так что никто вас не бросит. Минусы: — иногда как будто недостаточно информации для решения задач — конспект не всегда полностью соответствует лекциям, поэтому иногда нужно пересматривать отдельные видео фрагменты — если вы совсем зеленый и хотите выполнить все задания по красоте, то вам скорее всего понадобится уделять больше времени в день, чем говорится в описании курса

Единственное преимущество, что он бесплатный. Теория дана ужасно скомкано и разрозненно. Иногда в заданиях нужно применять методы которых не было в теории урока и ты это понимаешь только когда простдел несколько часов над решением, сдался, решил через ЖПТ и понял, что это не ты тупой, а просто в принципе нельзя решить задачу способом который ты еще не знаешь! Мое личье ревью и оценка, что если у вас куча времени - то ок, пробуйте. Оценка 3-- из 5

Плюсы: 1. Общая стилистика оформления лекций, видеоматериалов. То есть сначала видео, потом конспект, презентация. Плюс цветовое оформление в едином стиле. 2. Почти после каждой лекции есть практические задания, тесты. 3. Есть эксперты для помощи и консультации. 4. Есть бесплатная вступительная часть. 5. Также есть проверка знаний, что очень здорово. Минусы: 1. Есть опечатки в текстах лекций, в некоторых предложениях могут быть пропущены слова. Выглядит так, будто впопыхах писали текст либо не перепроверяли, что написали. 2. Попадались задания с ошибками. Например, ошибка при проверке кода задания (уже исправили). 3. Мало практических заданий. Какая бы теория ни была хорошей, без практики от неё толку 0. 4. Некоторые вопросы или задания описаны неочевидно, трудно понять, что нужно. Особенности курса: 1. У вас не будет одного цельного проекта. Вместо этого у вас будут несколько небольших проектов: - Pipeline для считывания данных с диска и загрузки в Greenplum. - Архитектура DWH. - Визуализации. Для кого-то это плюс, для кого-то минус, тут просто особенность курса. 2. Также по видеоматериалам — огромное количество склеек при монтаже. Складывается впечатление, что либо лектор плохо изучил материал лекции, либо не подучил перед записью, поэтому вырезали паузы, оговорки. Мелочь, но бросается в глаза. 3. ИИ-помощник Ева, который предназначен для помощи в решении задач, в основном мешает. Вместо того чтобы подсказать, куда копать нужно, — ещё больше вопросов задаёт. Пару раз эти наводящие вопросы помогли, но в остальных случаях — только усложняет дебаг. 4. Некоторые видеоматериалы — как будто выдернуты из другого курса со схожей тематики. 5. Нет раздела по описанию и подбору параметров Spark/Yarn для запуска заданий. Эта тема очень обширная, и было бы здорово добавить в лекцию. 6. Ещё некоторые задания нужно выполнять в VK Cloud, какие-то в Yandex Cloud. ИМХО, проще в одном сделать. 7. По проверке начальных знаний перед прохождением курса — это хорошая идея. Знать нужно Python, SQL. По SQL у них есть бесплатный тренажёр, который сделан если не идеально, то близко к этому. Итог: если вы ни разу не видели Airflow, Greenplum, не занимались проектированием хранилищ и т.д., то вы можете ознакомиться с курсом. Скорее всего, будет сложно на практических заданиях, так как задания не совсем очевидно расписаны. Но если опыт хоть какой-то есть, то, наверное, лучше всё-таки подыскать что-то другое, так как этот курс познакомит только с основами основ.

Местами материал был для меня слишком новичковым, а местами наоборот. Например, у меня был опыт sсientific programming, в том числе на python, но если бы его не было, сомневаюсь, что введения из первого модуля "Прикладная разработка на Python" мне бы хватило для комфортного прохождения курса. Практика с базами данных так же показалась недостаточно глубокой, однако для прохождения курса этого было достаточно.

Темы по разработке, наоборот, мне как не разработчику давались с наибольшим трудом. Больше всего понравились модули два и три - можно сказать, ради них я и записывалась на курс - получить развернутые теоретические и практические знания в мл. Особенно полезным для интегрирования знаний показался конец второго модуля, где мы обобщали полученные до этого знания по машинному обучению. Третий модуль был скорее обзорным, но подстегнул продолжить углубленное изучение нейронных сетей в будущем. Из четвертого модуля не выучила много нового, так как статистику знаю и так неплохо, а тестирование гипотез применяла раньше на практике (просто в другой области, а не для закуска продуктов). Пятый модуль я не допроходила полностью, но задания на алгоритмы были интересными. К сожалению, я не активно пользовалась поддержкой, так как в силу своих личных качеств нахожу это слишком замороченным. Возможно, если бы я ей все-таки пользовалось, это сэкономило бы мне время возни в чеккером (см. ниже) Из минусов: -На мой взгляд материалам и заданиям требуется обновление. Возникали проблемы с установлением и совместимостью устаревших библиотек питона. А из-за несоответствия библиотек иногда возникали проблемы со сдачей ответов. Об этом было были предупреждения при описании заданий, но пока до меня это дошло, в чем проблема, часы времени были уже потеряны. -Не понравилось взаимодействие к чеккером, когда иногда - без обратной связи - совсем не понятно, в чем ошибка. -Я бы, возможно, пересмотрела критерии прохождения курса и ту часть заданий, которая является обязательной, чтобы можно было бы, например, пропускать те уроки, материал которых тебе уже знаком. -В текущей конфигурации, я бы не рекомендовала курс занятым, работающим людям, особенно с детьми. Новые уроки появляются три раза в неделю. Это минус три-четыре свободных вечера. -Ну и последнее и наболевшее (с юмором): произношение английских терминов! К концу курса я уже тоже начала говорить аккьЮраси Итог: Можно рекомендовать новичкам, которые хотят изучить основы машинного обучения

Курс «Инженер машинного обучения» оказался для меня очень полезным и практичным. До этого мой опыт анализа данных был ограничен Excel, а здесь я смогла глубже освоить Python, SQL и машинное обучение. Особенно понравилась работа с реальными данными и бизнес-кейсами — это помогло лучше понять, как применять знания на практике. Формат домашних заданий позволил хорошо закрепить материал, а быстрая поддержка экспертов и кураторов делала обучение комфортным. Супер интересно было проходить модуль по нейросетям — он дал понимание принципов работы и применения моделей. Советую сразу вести GitHub, загружая туда проекты, включая финальную работу — это полезно для портфолио. Курс помог мне дополнить бизнес-бэкграунд техническими навыками, и теперь я планирую развиваться в роли на пересечении бизнеса и данных. Определенно рекомендую!

Начинал я курс с базовыми знаниями по питону и линуксу (пару лет назад проходил курс «Поколение Python» и установил себе Ubuntu на ноутбук), но с нулевыми знаниями о машинном обучении. Курс хорошо структурирован и последователен — именно этого я от него и хотел. Бывали моменты, когда я замечал нехватку каких-то деталей, которые мне уже были знакомы и, как мне казалось, уместно было бы добавить. Но нужно понимать, что курс не резиновый: если вложить в него всё, то он получится огромным и бесконечно долгим. В него действительно включили всё самое необходимое и важное для хорошего старта в профессии. Первый модуль прошёл на ура и даже показался легковатым. Второй же поначалу напугал математикой и формулами (всю школьную математику я уже давно забыл), но в итоге он плавно перешёл в полезную практику и объяснение того, как всё работает под капотом, когда мы используем уже готовые решения. Первые две части - основные, и их я прошёл с энтузиазмом. А вот дальше я ушёл в отпуск, учёба пошла прерывисто, и я просто пытался угнаться за дедлайнами. Поэтому планирую эти модули перепройти ещё раз, уже спокойно и вдумчиво. Курс хорош, но лично для меня видеоформат не совсем подходит. Я это и до покупки понимал, но думал, что, возможно, с этим курсом приучу себя к такому формату. Поддержкой экспертов я ни разу не пользовался — меня прекрасно в этом поддерживали ChatGPT и Grok. А вот к замечательному куратору Юлии я обращался не один раз по поводу продления дедлайнов и не только. Она всегда помогала с большой радостью. Человек-обаяние: стоит лишь увидеть и услышать её на первом ознакомительном зуме, и даже у самых стеснительных пропадает неловкость задать вопрос, пусть даже, как нам кажется, глупый. В целом, курсом я доволен и ставлю ему твёрдую четвёрку с плюсом. Я не знаток по курсам и не так много их прошел, но считаю, что неплохо прокачался и получил то, что хотел: продуманный вход в ML с нуля. Основная база есть, а значит, появилось и понимание, куда двигаться дальше и во что углубляться.

Я начал учиться на курсе "StartML: Машинное обучение для начинающих" от Karpov.Courses без какого-либо опыта в аналитике данных. До этого я знал Python только на уровне "hello world", но не больше. Моя цель была простой: получить базовые навыки в машинном обучении, чтобы перейти в data science или хотя бы применять это в будущей работе для автоматизации задач. Я хотел понять, как работают алгоритмы, и научиться строить простые модели. Ожидания оправдались на все 9 из 10. Я думал, что курс будет слишком сложным для полного новичка, и он действительно был сложноват, но структура оказалась логичной: сначала основы Python, Git и инструментов вроде Airflow, потом классические ML-алгоритмы. Конечно, без базовой математики (типа дифференциалов) иногда приходилось подтягивать знания самостоятельно, но это не помешало. Поддержка на курсе была на высоте — кураторы отвечали быстро в чате, помогали с домашками, и было много вебинаров. Мне всего хватило, хотя в пиковые моменты (типа дедлайнов) иногда ждал ответа пару часов, но это нормально. Контент понравился: лекции в видеоформате, с примерами из реальной жизни, и много практики на реальных датасетах. Преподаватели объясняют просто, без лишней воды, и блоки связаны между собой — от получения данных до деплоя моделей. Общее впечатление супер: курс дал мне уверенность в ML, я даже сделал пет-проект по рекомендательной системе, который добавил в резюме. Я не совмещал учебу с работой или другой учебой, и все равно было трудно — как полный новичок, я тратил много времени на освоение. Оценка: 9/10. Готов ли я порекомендовать курс другим? Абсолютно да, особенно если у вас есть базовые навыки в программировании и вы мотивированы учиться. Если вы полный новичок, то лучше освободить побольше времени для учебы, чтобы не торопиться и все усвоить.

О школе узнал от знакомого, который когда-то посоветовал «Симулятор SQL». Симулятор зашёл отлично, особенно после Coursera и Udemy, где основной упор был на теории. А здесь задания реально прокачивали понимание SQL и работу с данными. Позже уже решился попробать курс «Инженер данных». Закончил буквально неделю назад. Плюсы Несмотря на то что у меня уже был определённый опыт, некоторые вещи стали реальным открытием. Например, что помимо классических нормальных форм существуют методологии Data Vault и Anchor Modelling — до курса даже не знал о них. Наконец-то стало понятно, что из себя на практике представляет Big Data. Попробовал кучу инструментов. Впервые поработал с GitLab - намучился с конфликтами слияния. Поработал с Airflow: здесь, честно, хотелось бы больше уроков. Финальный проект сделал относительно легко, но застрял на модуле «Облачное хранилище». Главное для меня - действительно много практики. Нужно было реально выделять время, чтобы всё пройти и понять материал. Если возникали вопросы, поддержка реагировала оперативно. В общем, не скажу, что после курса стал полноценным инженером данных, но появилось ощущение уверенности: теперь понимаю, что если сесть и подумать (или погуглить) — в принципе справлюсь с любой задачей. Минусы Из минусов, может то, что курс относительно дорогой. Из пожеланий: хотелось бы больше уроков по автоматизации ETL-процессов. А так, в принципе, нет каких то серьезных замечаний. Ну, иногда, после лекций приходилось лезть в Google или ChatGPT, чтобы получить объяснение более доступным языком — но это, скорее, особенности моего восприятия. Итог В общем, впечатления хорошие. Позже, наверное, попробую один из платных симуляторов. Если же говорить о самой специальности, то она достаточно специфическая: data engineering — это не про формулы и алгоритмы, а больше про умение работать с большим количеством инструментов. К сожалению, человек вне профессии не всегда имеет доступ к инфраструктуре, кластерам, Airflow, Spark и т.д. , поэтому тяжело самому практиковаться и развивать навыки. Для тех же Data Science и Аналитки данных есть свои симуляторы, где можно серьезно прокачаться.

После прохождения курсов Карпова (Karpov Courses) по Аналитике данных, могу поделиться своим опытом. Во-первых, организация учебы оставляет желать лучшего. Несмотря на достаточно удобную и понятную платформу, иногда возникают трудности с доступом к материалам, но эта техническая проблема решилась в первые дни обучения. Из положительных моментов моего обучения могу выделить, что курсы Карпова действительно пригодятся в начале карьеры в IT- разработчики смогут получить базовые навыки и знания, которые могут пригодиться при собеседованиях. Очень хорошая поддержка - быстрое реагирование на вопросы. Но есть некоторые нюансы - курс оказался крайне насыщенным, что с одной стороны хорошо, но иногда слишком много новой информации сразу, что затрудняет усвоение, мозг закипает от перенасыщения информацией новой, появляется ступор, что не очень хорошо. План учебы и домашних заданий был составлен не всегда четко, что затрудняло разобраться в материале. Для начинающих данный материал очень даже полезен, но для специалистов, которые хотят развиваться не спер подойдет, но все зависит от уровня подготовки. Для получения базы знаний, могу рекомендовать, хороший курс за свои деньги.

Совсем не оправданы ожидания. Самый более мене нормальный в аналитике модуль по статистике, где преподает сам Карпов. Продуктовая аналитике - это вообще мрак и ужас. Остальной преподавательский состав - трата времени в пустую, ничего не усвоите нужного. SQL также слабо, как и другие. По АБ тестам ничего не понятно от слова совсем. Очень долгая обратная связь по домашке, можно ждать и месяц и два, даже потом не вспомнишь как делал и что. В симуляторе до кураторов вообще не достучишься с вопросами. По аналитике дают материал без обратной связи и возможности задать вопросы, а только в конце курса могут пояснить что и как, и то совсем граммы, причем когда оно уже не особо актуально. Не могу рекомендовать данный курс, как хороший.

Прошла обучение на курсах Карпова в 2025 году. Осталась довольна в целом, однако некоторые моменты вызвали восторг, а другие — желание доработки. Что понравилось: -Видеолекции– качественные записи с четкой подачей материала. -Разбор заданий– детальные объяснения помогали лучше усваивать темы. -Готовые конспекты– удобно повторять ключевые моменты. -ИИ-помощник– полезный инструмент для быстрых ответов на вопросы. -Работа в Jupyter Notebook– практика в удобной среде с реальными примерами. Что можно улучшить: -Конспекты– хотелось бы более развернутых материалов, а не только тезисов. -Обратная связь– автоматическая проверка не заменяет экспертного мнения преподавателя. -Поддержка– не все кураторы отвечали качественно, иногда чувствовалась формальность. -Технические сбои– встречались, но это, увы, неизбежность онлайн-обучения. Итог:Курсы стоящие, но есть куда расти. Рекомендую с учетом небольших оговорок.

Я начала обучение в январе 2025 года. До этого работала маркетологом. Курс очень интенсивный, и если раньше не было опыта, то будет непросто, особенно при совмещении с работой. Дедлайны очень жетские, темы объемные, домашки серьезные. Очень много практики, это несомненный плюс. Я тратила в среднем по 6-7 часов в день на учебу. Тем не менее, все материалы изложены понятно: в лекциях все наглядно, в конспектах можно подробно разобраться в упущенных моментах. Поддержка на курсе — на высоком уровне. Можно задать любой вопрос и получить оперативную и подробную помощь от экспертов. Это помогает не застревать и двигаться дальше. Много практики, примеров и четкая структура. В целом курс оставил очень хорошее впечатление, появилось чувство уверенности, понимание, куда двигаться дальше, и мотивация довести начатое до конца. Спасибо команде Karpov. Courses

Я впервые училась на онлайн-курсах. Имея высшее образование по направлению "Статистика", я могу отметить, что на данном курсе за полгода вы узнаете не меньше, чем за 2 года в универе. Лекции ведут замечательные спикеры, слушать которых - одно удовольствие! На каждом уроке была не просто "сырая" теория, но и масса практических примеров. Проекты, предлагаемые на курсе, вполне соответствуют тому, что ждет вас на реальной работе. В рамках курса также представлено огромное количество дополнительных материалов для особо заинтересованных студентов. Кроме того, студентам предоставляется доступ к карьерному чату, в котором единомышленники делятся опытом трудоустройства, а специалисты помогают подготовиться к собеседованию и проводят "прожарку" резюме. При возникновении трудностей всегда можно связаться с поддержкой. Эта опция почти ни разу не пригодилась за все время обучения, так как материалов уроков было вполне достаточно для выполнения заданий. Однозначно порекомендовала бы курс тем, кто только начинает свой путь в анализе данных.

Я поступал на курс «Инженер машинного обучения» в конце 2024 года. Сейчас, когда я пишу этот отзыв, я уже на финишной прямой и скоро получу сертификат об успешном завершении курса. До начала обучения у меня не было профессионального опыта в сфере анализа данных (data science, data analytics и т. д.). Пока что я еще не начал активно искать работу в индустрии, поэтому не могу похвастаться успехами в этом направлении. Этот курс стал для меня первым платным обучением. До него я проходил множество бесплатных курсов, в том числе на платформе Karpov.courses. Особенно хочется отметить их курс по SQL — это настоящая любовь с первого занятия. На мой взгляд, это лучший курс по SQL, максимально ориентированный на реальные бизнес-задачи, а не на экзотический функционал, который используется раз в сто лет. Теперь расскажу подробнее о самом курсе «Инженер машинного обучения». В целом я бы оценил его на 8–9 из 10 . Рассмотрю каждый модуль отдельно. Модуль 1: Разработка на Python Максимальный респект Алексею Кожарину за потрясающий подход к объяснению всех тем! Человек способен объяснить сложные концепции так, чтобы их понял даже полный новичок. Этот модуль заслуживает твердую 10/10 . Модуль 2: Классическое машинное обучение Что может быть лучше модуля про Python? Только модуль про классическое машинное обучение! Материал изложен максимально подробно, доступно и на реальных примерах. Все идеально. Этот модуль также заслуживает 10/10 . Модуль 3: Основы глубокого обучения (Deep Learning) Лично для меня уроки с 5-го по 6-й оказались практически неподъемными с точки зрения сложности. Я такой человек, который пока полностью не разберется, как работают нейронные сети, не может двигаться дальше. Однако этот модуль нужно воспринимать именно как обзор основ глубокого обучения. Если подходить к нему с такими ожиданиями, то он вполне неплохой. Я усвоил для себя несколько полезных вещей и безумно влюбился в NLP. Теперь планирую покупать курс по Deep Learning. В целом бы я поставил этому модулю 7–8 из 10 . Модуль 4: Статистика Самый неоднозначный модуль. Лично для меня даже простые темы были изложены довольно сложно, из-за чего ощущение удовлетворенности от модуля практически отсутствовало. Пришлось добирать информацию на просторах интернета. Однако свои 6 баллов из 10 он заслуживает. Модуль 5: Подготовка к собеседованиям Очередной плюс курса — лекции снова от Алексея Кожарина. Это бесценный материал, который помогает подготовиться к реальным собеседованиям. Поддержка курса Хочу отдельно отметить поддержку, которую оказывают эксперты курса. Они всегда оперативно помогали (буквально в течение получаса), направляли на нужные мысли и давали конструктивные советы. Безусловно, я рекомендую многим проходить курсы на Karpov.courses. Я сам планирую продолжить обучение на этой платформе и больше не рассматриваю другие варианты, такие как Яндекс.Практикум.

Курс очень хороший. Материал подаётся качественно(в основном). Анатолий выкладывается на 10/10, остальные послабее (иногда заметно слабее, особенно с монотонной подачей информации). Заданий много, проработаны почти всегда качественно, недочёты учитываются командой, вносятся правки. Поддержка на уровне, практически всегда точно и быстро. Бывали проблемы с инструментами (писали в группе), но не у меня. Работал на виндовс + впн. Времени нужно больше чем предполагалось, здесь нужно учится, если 2-4 часа в неделю вам не сюда. Сам до этого проходил питон, ескюэль, статистику и было не совсем просто. Думаю, те кто с нуля закапывались нормально, по началу так точно. Курс однозначно рекомендую, но советую сначала пройти базово питон и ескюэль (доступно бесплатно на платформе школы, особенно ескюэль - топ курс, питон только практику проходил, раньше на степике учил).

Курс от в целом понравился. Лично мне он помог систематизировать имеющиеся начальные знания, заполнить пробелы, освоить базовые принципы и методы работы с данными в языке Python, понять структуру написания кода на нём. Особо хочется отметить пользу разнообразных и, зачастую, весьма интересных домашних заданий, которые не только заставляли попрактиковаться в техниках, освещенных во время лекций, но и также весьма неплохо развили навык самостоятельного поиска нужной информации в интернете, без которой, в большинстве случаев, ДЗ сделать было практически невозможно. Преподаватель другом примере, где-то визуализировать свою речь для большей наглядности. Немного конструктивной критики: 1. Разбор ДЗ в начале урока не обязательно делать с нуля в прямом эфире. В целях экономии времени, лучше разобрать уже готовый код кого-нибудь из учеников. 2. Регулярные выражения - на мой взгляд, не заслуживают такого пристального внимания в рамках курса. 3. Ну и последний урок по Django очень сжат. По хорошему, курс надо было продлить ещё на два-три урока, разъяснить основные принципы работы с ОРМ, MVC(Т) более детально и подробно. В любом случае, начало положено, всё необходимое для дальнейшего саморазвития дано. Надеюсь, вскоре появиться вторая, более углубленная часть. Спасибо за этот курс Школа Data Science!

Очень интересный курс. Блок по страхованию немного сыроват: 1. Хотелось бы изучить пример успешных моделей в страховании, а не модели, которые ничего не предсказывают. 2. Для ДЗ 8 нужны дополнительные материалы по hyperopt для мультиклассификации. 3. Авторы ДЗ 8 как-то забыли, что в нашем курсе вообще не было мультиклассификации, а преподавателю это стало известно в конце урока 8 при выдаче ДЗ. Часть материалов о мультиклассификации выложили оперативно, а чтобы получить схема запуска hyperopt для мультиклассификации пришлось убить кучу времени на поиск информации в интернете ... и только через неделю после урока удалось получить полный комплект информации. Дальше хотелось бы учиться без таких ляпов.

Я Data Engineer с опытом 4 года. Опыта вроде хватает, а разнообразия в стеке и целостного понятия о DHW и Data продуктах было мало. Это все вызывало страхи и сомнения перед рынком труда и поиском более высокоплачиваемой работы. Понимала что есть пробелы в знаниях и отсутвия знаний в таких популярных технологиях как GreenPlum и Airflow. Решила в качестве подготовке к собесам и вообще для своего роста поискать курс по DE. По описанию программы Карпов Курсы мне очень понравились. Было что-то смежное с курсами, которые проходила на работе, затрагивались все аспекты Big Data с фокусом на DE. Начала проходить курс в мае 2025 года. Честно прошла активно его до проекта и пару блоков после. Потом уже чувствовала себя уверенней. Смогла пройти собесы и получила оффер. Времени было меньше пройти до конца, но рада возможности изучить материал после. Так как материалы курсов остаются доступными. Очень понравился блок по проектированию DWH, он восполнил абсолютно все пробелы в моих знаниях, и я по сей день пользуюсь теорией с курсов на работе. Немного не хватило информации по GreenPlum. Остальные блоки считаю хорошо справились с объяснением информации и практикой по новым знаниям. Очень порадовало, что в курсе предоставляют уже развернутую инфраструктуру для задач и проекта. Это намного упрощает обучение и дает сфокусироваться на конретных задачах. Но иногда практика казалась простоватая. Курс отлично подошел бы junior и junior+ разработчикам. Так же отдельное спасибо за поддержку команду Карпов Курсов. Я считаю команда разработала классную и очень удобную платформу для обучения, а так же чат поддержки очень быстро и четко отвечали на вопросы студентов. В целом пройденым обучением довольна. Была бы рада пройти обучение снова по уровню выше. Уже порекомендавла курс всем коллегам на новой работе :)

Преподаватели - огонь! Курс дает хорошую базу для старта профессии. Но он точно не "с нуля". В идеале вы должны уже иметь представление об основных инструментах. Если оно есть - то очень рекомендую. Иначе вам придется много гуглить.

Неплохая часть курса была по Phython была в формате демо , поэтому и приобрел себе обучение. Но тут оказалось больше минусов, чем плюсов. По sql материал оказался очень слабо подготовлен, даже в бесплатном доступе море понятной информации, на неплохом уровне, чем тут. По статике - также в открытом доступе классная инфа. По визуализации тоже очень слабая подготовка. В середине курса я принял решение уйти, не хочу такую слабую подготовку, я пришел сюда учится новым знаниям и умениям, а не слушать не интересные, а главное не особо нужный материал, на 70% состоящий из воды. Хорошо хоть возврат средств сделал. Может конкретно для этой школы такой уровень знаний - это норма, может у меня завышенные критерии оценки качества, но я не готов платить деньги в никуда. Может курс нацелен на помощь в трудоустройстве, но мне не судьба до этого было дойти на данной платформе. Не могу давать свою рекомендации, что курс хороший.

Курс очень подробный, структурированный. Хотя понятно, что Hadoop это безграничное обучение)) Теория+практика. Преподаватель всегда рассказывал, как то или иное происходит в реальной жизни, как применяется. Не смотря на то, что с этим всем я столкнулась впервые, 90% материала было усвоено. Преподаватель старается говорить на языке группы, которую ведет. Если что то осталось непонятно, обязательно объяснит другими словами. На вопросы отвечает всегда в телеге. Домашки было делать даже интересно. После предыдущего курса (БАЗЫ ДАННЫХ ДЛЯ АНАЛИТИКОВ) этот курс просто бальзам на душу и голову)). Спасибо.

Изначально хотел поставить оценку "4" преподавателю, но, как говориться, "все познается в сравнении". Что понравилось: - Преподаватель не оставит без внимания ни один вопрос, все домашки будут разобраны подробнейшим образом, причем это extra время (по факту каждая лекция длилась 3 часа вместо 2х); - преподаватель показывал разные приемы, которые можно использовать в практике, охотно делился своим опытом; - считаю программу курса достаточно сбалансированной, особенно понравились дз, они сложные (особенно для тех, у кого вообще нет опыта программирования), но только так вы будете расти; Что не понравилось: - почти весь курс нас сопровождали какие-то технические проблемы: то с ClickMeeting, то с окружением преподавателя (тормозит комп и тд). это реально портит общее впечатление как о площадке, так и о преподавателе - (это скорее к формату курсов) на мой взгляд, слишком жесткие дедлайны для домашек: особенно с понедельника по четверг, людям у котрых "завал" на работе, сделать качественно дз в срок почти нереально (ну разве что ночами не спать) Пожелания: Мне кажется, курс "Advanced Python" нашел бы свою аудиторию, ну или "Django".

Курс благодаря курсовому проекту дает реальные знания по машинному обучению. Можно с нуля научиться строить модели и даже идти участвовать в соревнованиях на kaggle. Все темы освещенные в курсе актуальны. Преподаватель хорошо освещает темы на вебинарах и дает много практики. Единственное за что ставлю 4, а не 5 это то, что последняя тема про обучение без учителя не участвует в курсовом проекте и по ней не было практики. Из минусов могу отметить проблемы с проверкой ДЗ. Но думаю это были временные трудности.

Хороший и интересный курс для ознакомления с азами DS. Радует наличие реального проекта. Из замечаний -- отсутствие методичек (как я понимаю, этот вопрос в данный момент решается), без них курс реально хромает. В теории видимо задумывалось, что интерактивные видео обучат технике, а вебинары -- для работы над проектом. По факту получается, что между домашними заданиями и самим проектом огромная пропасть. Задания все на повторение и синтаксис, особой работы мысли там можно не проявлять, а проект, это полностью свободное плавание. У некоторых учеников может возникнуть ситуация, что они не понимают, что именно происходит за кадром исполняющегося кода.

Спасибо преподавателю за отлично проведённый курс, считаю что со своей задачей он справился на все 100%: доступно и понятно проводил вебинары, всегда отвечал на любые вопросы в telegram и вовремя проверял ДЗ с подробными комментариями. По поводу учебной программы однозначно есть недочёты. Сильно не хватает "Введения в Машинное обучение", где бы рассказывали в целом про то какие бывают модели, зачем нужны классификации, зачем регрессии, что такое обучение с учителем, что такое без, что такое переобучение, и т.д. (на courseria есть одноимённый курс от Яндекса, где на первом же уроке об этом всём рассказывают) Подходить к практическим моделям в sсikit learn без ответа на эти вопросы очень странно - как-будто ты что-то где-то пропустил, но не ясно где и что, ведь тебя обучают "с нуля".

Очень интересный курс, обзорно рассказано про множество практических подходов машинного обучения в бизнесе. Лектор Школы Data Science очень хорошо объяснял, причем мы в группе на вебинарах требовали более подробного объяснения математических принципов изучаемых алгоритмов, и он очень терпеливо все объяснял, задерживаясь порой на полчаса. Из недостатков - одного урока на вывод модели в продакшн конечно маловато, причем курсовая-то как раз на эту тему. Хотелось бы более подробного рассмотрения этой темы, возможно на 2-3 урока.

Обучалась на курсе ML Engineering Информация подается структурировано Для новичка курс непрост, но все возможно Отдельное спасибо куратору Марине, которая поддерживала на этом марафоне

Программа курса по верхам охватывает Hadoop с разных сторон. Для первого знакомства и общего развития - самое то. Как ни странно, наибольшие трудности были с первыми домашними работами, а дальше привыкаешь, и становится понятнее. Хороший преподаватель, рассказывает не скучно, с шутками. Лекции слушаются легко. Также преподаватель всегда готов прийти на помощь студентам. В моей группе он первый преподаватель, кто создал отдельный чат в Телеграм, где собрал всех студентов текущего курса. Это очень здорово, все вопросы можно обсудить не только с преподавателем, но и с однокурсниками, так что в целом эффективность обучения немного возрастает.

От курса в полном восторге. Впрочем, как и от преподавателя: невероятно умная женщина, которая еще и умеет объяснять. Искренне надеюсь когда-нибудь стать такой же, как она. Курс очень зашел тем, что в нем мы наконец-то отошли от сферических моделей в вакууме и стали рассматривать машинное обучение именно как инструмент для решения конкретных бизнес-задач. Курсовая работа пойдет в тест на реальных пользователях, появилось четкое видение, как решить еще одну из насущных задач. Единственный минус курса - последнее занятие. Совершенно определенно, за два часа рассказать про вывод моделей в прод просто невозможно, поэтому пришлось, как дрессированная обезьянка, дословно повторить кусок из урока для выполнения соответствующей части последнего задания. Обращаясь к организаторам обучения - очень зря убрали из программы отдельный курс по выводу моделей в продакшн, на двух поверхностных часах далеко не уедешь.

Отличный курс, я получила много знаний и опыта по CV и Deep Learning, и стала увереннее в этой области. Задачи интересные, преподается объемный материал от профи в сфере, даются советы по прохождению собеседований. Есть кураторы, которые оперативно отвечают на вопросы. В целом я курсом довольна и однозначно его рекомендую, я получила от курса именно то, что хотела.

Начал обучение 21 августа 2025 года без какого-либо опыта в аналитике данных. Моей целью было разобраться в аналитических методах и метриках, научиться их применять и подготовиться к поиску работы аналитиком. Ожидания от курса оправдались на 8 из ­10. Очень понравились объем и глубина материала, его детальный разбор и практические проекты. Снизил оценку из-за некоторых модулей, где одновременно давался слишком большой объем информации — это мешало понять логику применения инструментов. Иногда я больше концентрировался на способе решения, чем на интерпретации результата. Поддержка на курсе отличная — оперативно помогали с возникающими вопросами. Контент был интересным и полезным. В целом курс оставил хорошое впечатление. Стоит отметить, что изучаю аналитику "с нуля" и впервые. Вследствие этого, мне нет возможности сравнивать. Также остаются мысли, что придется еще раз пройти теоретическую часть.

Проходила курс Hard ML и осталась очень довольна результатом. Программа действительно продвинутая: много практики, разбор реальных бизнес‑задач и сильный упор на продакшн‑подход к машинному обучению.​ Отдельно хочу отметить структуру курса и подачу материала: модули логично выстроены, затрагивают ранжирование, матчинг, динамическое ценообразование, uplift‑моделирование и работу с ML‑пайплайнами, оркестраторами и CI/CD. Благодаря этому после окончания обучения мне стало гораздо проще решать нестандартные задачи и увереннее чувствовать себя в рабочих проектах. Кураторы и эксперты оперативно отвечают на вопросы и помогают разбираться в сложных темах Однозначно рекомендую курс

Никому не рекомендую данный курс, тк сложные темы объясняют слишком поверхностно, инфраструктура платформы устаревшая и очень слабая по ресурсам, при обработке 6 млн строк ядро юпитера падает, невозможно решить проблемы с совместимостью при локальной работе.

Хороший курс. В целом остался доволен. Информации было достаточно много. Из минусов можно отметить достаточно скромные возможности кластера, на котором работали, так как периодически его мощностей не хватало и приходилось ждать, когда задачи смогут исполниться. Но если брать ситуацию в целом, то работа была стабильной. Преподаватель хорошо давал материал и очень оперативно отвечал на задаваемые вопросы. Учитывая, что курс вводный в рамках третьей четверти, то наверно чего-то глобального добавить и не получится. Но если в принципе говорить о дополнениях и пожеланиях, то, на мой взгляд, можно больше уделить внимания работы с кластером средствами ЯП (тот же Python). Также больше внимания уделить запуску MR-задач на  YARN'е (возможно больше заданий на эту тему или примеров). Если говорить непосредственно о вводном курсе, то думаю, что в конце курса можно добавить отдельное занятие по разбору типовых проблем, которые могут возникать в процессе работы с кластером. Остальные пожелания по углублению в работе с БД и загрузкой данных - скорее уже относятся не просто к вводному курсу, а к более объемному. Поэтому оставлю их, как говорится, "за скобками". Но повторюсь, что наверно в рамках вводного курса - объем и информативность учебного материала вполне достаточны.

Очень понравилась визуальная составляющая курса, в частности как устроены распределенная файловая система HDFS, DWH, Hive. Очень доступно подана информация об основах MapReduce, Hive, ETL, форматах хранения. В рамках курса даны лишь основы экосистемы Hadoop. Для более глубоких знаний необходимо самостоятельно изучать документацию. При этом по теме NoSQL о базах Cassandra и HBase дана совсем минимальная информация. Для прохождения курса надо обладать знаниями основ Linux (основные команды bash), так как работа с кластером осуществляется в консоли.

Все хорошо, с тестами был знаком поверхностно, поэтому и приобрел курс. На продвинутом варианте курса было сложно, т. К. Для не сталкивающихся с АБ тестами до этого, — очень много новой информации, а так же в заданиях (на продвинутом уровне) требуется думать чуть дальше и шире, чем на уроках, и когда эти два условия в связке, очень легко запутаться и вообще понять, что от тебя требуется в задании. Но упорная работа и помощь от экспертов помогают этот барьер преодалеть. Из минусов — не хватило практики, думал там усыпано будет заданиями на питоне с разными бизнес историями, как часто рекламируется в медия от этой компании. Но по сути не так. Тем не менее, цель достигнута, приобрел ценные знания. Преподаватель топ, погруженный в тему. От меня твёрдая 5, если разнообразят и добавят больше сценариев в заданиях будет 5+. Спасибо, до свидания!

У меня был небольшой опыт и примерное понимание работы моделей классического МЛ, опыт работы с питоном тоже имелся. Но при этом части по питону и классическому мл были полезны для структурирования знаний, более глубокого понимания. Отдельно хочется выразить благодарность преподавателю по модулю МЛ так ясно и понятно принципы работы моделей мне никто не объяснял. В целом курс полезен, начинаешь чувствовать какую-то почву под ногами. После «прожарки» резюме сразу получила приглашения на собес, хотя до этого получала только отказы. Впереди еще карьерный курс, возлагаю на него большие надежды.

Хотела бы поделиться отзывом о курсе «Инженер машинного обучения» онлайн школы Karpov. Courses. Узнала о школе Karpov. Courses и Анатолие Карпове, когда проходила курсы на платформе Stepik, которые вел Анатолий: «Основы статистики», «Введение в Data Science». Меня очень заинтересовала подача материала этих курсов, настолько увлекательно Анатолий преподносит контент и мотивирует в освоении, казалось бы, на первый взгляд, скучной дисциплины Основы статистики. Далее начала смотреть, какое направление IT мне было бы интересно. Познакомилась с направлением ML и решила, что это будет челлендж для меня стартовать в ML, так как закончила ВУЗ по специальности IT более 15 лет назад, после ВУЗа в IT не работала, решила тогда, что мне это не очень интересно. Работая в другой сфере достаточно долго, в итоге поняла, что пришло время вернуться в IT, так как чувствую свой потенциал, обладаю аналитическим мышлением, способностью и желанием развиваться в IT, а также достигать поставленных целей. Опыта в аналитике данных (python) на данный момент, к сожалению, нет. Получается, работаем с тем, что есть:) Считаю, что hard skills+soft skills+умение достигать поставленных целей рано или поздно приводят к желаемому результату. Если не получится сразу найти работу в ML, начну с аналитика данных, так как реально оцениваю рынок IT и свои возможности/приобретенные навыки. Главное — двигаться в нужном направлении и ощущать внутренне, что данное направление IT — это твое, и оно реально вдохновляет и мотивирует. Если неинтересно, вряд ли это сработает, это мое мнение. Сравнивала несколько известных онлайн школ по контенту курса ML, длительности и отзывам студентов, выбрала в итоге Karpov. COURSES И считаю, что сделала правильный выбор. Длительность курса 7 месяцев для меня оптимальна. Начала учебу в апреле 2025 г. Проходя обучение на курсе, узнала, что немало студентов уже имеют опыт работы в аналитике, знакомы с python и библиотеками и проч. Поэтому по моим ощущениям, обучение мне далось сложнее из-за отсутствия опыта в аналитике данных. Но все же материал реально освоить, если у вас все в порядке с аналитическим мышлением, математическими способностями, навыками кодинга и целеустремленностью. В курсе дается много теории и практики, ссылок на внешние ресурсы, так что материала более чем достаточно для изучения для новичка и старта в ML. Обучение, на мой взгляд, очень интенсивное, необходимо изучать теорию и выполнять практические задания (выкладываются 3 раза в неделю), есть дедлайны. Желательно это делать в тайминге. Первые 2 модуля по Python и машинному обучению — просто супер! Подача материала Алексеем Кожариным и Никитой Табакаевым такая же интересная и мотивирующая, как ведет курсы Анатолий Карпов (писала об этом в самом начале). Модуль по Deep learning дается в более сжатом виде, но подробнее выделен в отдельный курс на Karpov. COURSES, Если появится желание продолжить развиваться именно в направлении Deep learning. Модуль Статистика и A/B тесты, на мой взгляд, преподнесен менее интересно лектором, что не влияет на сам контент блока: теории и практики в нем также предостаточно: теория вероятностей, мат статистика, практические задачи. По мере прохождения модулей курса кураторы запрашивают по желанию обратную связь, и я делилась ей. В ответ рада была узнать от кураторов, что курс улучшается, учитывая обратную связь студентов, например, что уже запустили улучшенную программу и не только финальные модули дополнили и немного упростили, но добавили новый вводный блок, несколько новых уроков в python сделали, неточные формулировки в некоторых заданиях отточили. В плане поддержки эксперты всегда оперативно помогали, если возникали трудности в решении практических задач, за что очень благодарна! В финальном проекте время ответа экспертов было более продолжительным, о чем предупреждали на курсе, но тем не менее приемлемо. Отдельно хочу поблагодарить кураторов — Юлию Рожкову и Марину Тюлькину! Очень поддерживали, подбадривали и всегда старались оперативно помочь, когда возникали затруднения в организационных вопросах. Впечатление от курса только положительное. Несмотря на некоторые нюансы, о которых написала в отзыве, готова рекомендовать пройденный курс.

Как и для любого интенсива, для прохождения этого курса нужен небольшой, но уверенный бекграунд web-разработки - знание основных понятий и практика программирования за плечами (решение абстрактных задач как минимум). Лично мне было тяжеловато, но это как бы говорит мне, что курс стоящий :) Спасибо преподавателю, подача материала отличная - если что-то было непонятно во время лекции, то пересмотр трудных моментов в записи всегда расставлял "всё по полочкам". Так же отмечу хорошие методички, очень помогали по ходу курса. P.S.: ну и с одногруппниками повезло, грех не сказать :)

Я долго сомневалась, идти ли на курс «Принятие решений на основе данных». Не потому что неинтересно, а потому что рынок таких курсов переполнен: везде обещают «научим аналитике», а на выходе — красивые дашборды без понимания, как именно данные влияют на решения. Потерянные деньги, время и никакого результата для роста в компании. Здесь ключевое отличие стало понятно уже в процессе обучения. Курс не про инструменты ради инструментов. Он про мышление: - как формулировать управленческий вопрос, - какие данные действительно нужны для ответа на ключевые вопросы бизнеса - где заканчивается аналитика и начинается интерпретация - и кстати , в каких местах аналитик легко начинает врать сам себе. Понравилось, что материал подаётся структурно и честно от действующих экспертов. Не создаётся иллюзия «данные всегда знают ответ». Наоборот — постоянно подчёркивается роль контекста, бизнес-целей и ответственности за принятое решение. Отдельно отмечу практику. Задачи не выглядят искусственными: они близки к реальным ситуациям, ( действительно, на текущей работе, мы решаем подобные вопросы); где данных либо недостаточно, либо они противоречат друг другу, а решение всё равно нужно принимать. Это сильно отрезвляет и формирует полезный навык — думать, а не просто считать. Если же вы хотите научиться принимать решения осознанно, опираясь на данные, но не перекладывая на них ответственность, — это один из немногих курсов, который действительно даёт эту основу. Мне так кажется!) Я бы рекомендовала его тем, кто работает на стыке аналитики, продукта и управления — и хочет меньше угадывать, а больше понимать, как принять верное решение. Я лично работаю как продакт менеджер в e-commerce.

Курс получился содержательным и интересным. Спасибо лектору за подробные объяснения и интересную подачу материала (насколько это было возможно при столь сжатых сроках). Курс довольно интенсивный и затрагивает много тем, каждая из которых во время занятия была разобрана на реальных примерах. Есть вопрос к самой платформе : как при таком количестве студентов в потоке ( 93 ) и частотой занятий каждые 3-4 дня один преподаватель может справиться с такой нагрузкой? (проверка заданий, ответы на вопросы, консультации по итоговому проекту).

Хороший, четко структурированный курс. Если честно, то начинала его с опасением, казалось, что все будет нудно и непонятно. По итогу все опасения не оправдались:) Преподаватель максимально последовательный и великолепно объясняющий преподаватель! Курс ооочень понятный, каждый шаг был подробно объяснен, Hadoop рассмотрен вдоль и поперек! Причем скучно не было, прослеживалась четкая структура всего курса, а в итоговом задании удалось подытожить и уложить в голове все пройденные знания. Однозначно, это заслуга преподавателя! Круто, спасибо!

Прошел обучение на курсе MLE и хочу поделиться честными впечатлениями. Если вкратце: это было мощно, местами больно, но максимально полезно. Что понравилось больше всего: Преподавательский состав: Огромный респект всем лекторам (Алексей Кожарин, Никита Табакаев, Алексей Биршерт и Эмиль Каюмов). Чувствуется, что это не просто теоретики, а практикующие специалисты из бигтеха. Материал подается глубоко, без лишней воды, с акцентом на то, как это работает в реальном продакшене. Практическая направленность: Это не тот курс, где вы просто переписываете код из туториалов. Задачи заставляют думать, проектировать и учитывать ограничения реальных систем. Проекты в портфолио получаются действительно «взрослыми». «Чаепития» с преподавателями: Это, пожалуй, уникальная фишка. Формат неформальных созвонов, где можно разобрать сложную тему на пальцах или получить фидбек по своей карьерной стратегии — бесценен. Помощь с консультациями по будущему поиску работы реально придает уверенности. С чем пришлось побороться: Настройка окружения: Пожалуй, это был самый «колючий» этап. Конфигурация локальной среды, зависимости — местами приходилось знатно потанцевать с бубном. Также стоит отметить актуальность материалов, на момент обучения использовались записи лекций от 2023 года. Мир ML меняется очень быстро, появляются новые фреймворки, библиотеки и инструменты. Итог: Курс однозначно стоит своих денег и времени, если вы готовы пахать. Это не «легкая прогулка», а полноценный буткемп для тех, кто хочет реально понимать, как устроено ML-инженерное дело.

-Предоставляют инструменты для практики SQL, Spark, Airflow; - тех. поддержка на связи каждый день; - профессиональные опытные преподаватели из больших и известных компаний; - гибкие дедлайны по домашним работам; - по модулю СУБД отсутствует практика для отработки теории после каждого урока; - доступ к инструментам закрывается через месяц после окончания курса. Ожидания в целом оправдались. Курс однозначно советую, при условии, если вас не смущают минусы, обозначенные выше.

Курс дает знания, информации довольно много. Но не могу сказать, что структура и последовательность изложения мне понравились. У меня математическое образование, поэтому было проще. Для не столь подготовленных людей такой курс может показаться сложным, как мне кажется. Тем не менее, курс можно 3 раза на месяц переносить, чем я и воспользовалась 2 раза. Наличие дедлайнов действительно подстегивало, без них вот так вот взять и углубиться в тему крайне тяжело. В целом, я примерно это и ожидала от курса, поэтому довольна тем, что получила.

Сейчас заканчиваю курс по машинному обучению в Karpov.courses. Начали мы ещё в Октябре. Я пришла на курс без каких-либо базовых знаний, поэтому меня обрадовало, что это не «курсы за 2 недели». Здесь реально много математики и понимания того, что под капотом у алгоритмов. Курс очень интенсивный. Совмещать с полным рабочим днём было сложно — иногда приходилось тратить все выходные, чтобы закрыть дедлайн. Но куратор Марина всегда приходила на помощь при необходимости продлить какой-либо дедлайн, спасибо ей за это! Если планируете идти — закладывайте минимум 10-15 часов в неделю, просто так «проскочить» не получится, если хотите приобрести хорошие, упорядоченные знания. Очень порадовало большое количество практики. Видео в курсе короткие и по делу, без лишней воды. Конспекты к лекциям — это отдельная база знаний, к которой я часто возвращалась при выполнении заданий.

Курс сделан по-взрослому, с ориентиром на то, что с этим пойдешь в реальную компанию. Т. Е. Это не значит, что легко. Это значит, что тяжело, но делают максимум, чтобы ты разобрался: — теория перемежается с практикой всегда — теория (включая математику) подается хорошо — я понял то, что не понял в институте на тех же предметах. — Курсовой проект максимально приближен к практике.

Курс «Машинное обучение: от технической базы до создания ИИ-продукта». Теория сразу закрепляется на реальных задачах. Курс не просто учит писать код, а дает глубокое понимание проектирования ИИ-продуктов и их ценности для бизнеса. Наработки из курса удалось успешно внедрить в текущую работу, что заметно повысило личную продуктивность. Материал подается структурировано, менторы и преподаватели всегда на связи и дают качественную обратную связь. Защита диплома стала отличным финальным аккордом и мощным кейсом в портфолио. Курс рекомендую, но советую заранее освободить график под учебу.

Отличный курс для тех, кто уже что-то понимает в ML, но застрял в каком-то одном направлении и хочет не только развиваться в глубь, но и в ширь. Хорошая и отзывчивая поддержка, которая в чатах всегда подскажет, что не так с решением

Я брал курс Аналитик данных. Впечатления в целом положительные. Понравилось, что обучение построено вокруг реальных задач, а не только просмотра лекций. Особенно полезным для меня оказался блок по SQL,после практики стало гораздо понятнее, как применять знания в работе. Материал местами непростой, поэтому расслабиться не получится, но все осваивается, это нормально. После курса стал увереннее работать с данными и лучше понимать задачи аналитика.

Практическую направленность курса и конечно очень сильную поддержку со стороны менторов и мощнейщее комьюнити! Учебный процесс организован очень грамотно. Есть парочка вопросов к платформе и к чекеру, но в общем все безумно удобно, все в одном месте. Дедлайны хоть и жесткие, но они отлично дисциплинируют и мотивируют не отставать от программы. Подача материала - одна из сильнейших сторон курса, даже в сравнении с материала на английском языке. Лекторы те люди, на которых хочется опираться и быть похожими. Блоки именно те, что понадобятся реально широкому кругу специалистов. В общем чате всегда можно было задать любой вопрос и быстро получить помощь от сокурсников или экспертов. С людьми, которых там встретил - общаемся до сих пор! Тем не менее, были и моменты, которые можно было бы улучшить. Система проверки заданий: Например, автоматическая система проверки иногда работала нестабильно. Бывало, тратишь лишнее время, пытаясь понять, в чем проблема: в твоем коде или в самом грейдере. Это немного сбивало с толку. В конечном итоге, курс превзошел мои ожидания. Я пришел за прочной базой в ML — и я получил ее в полной мере. И пусть я пока не стал ML-инженером, знания, полученные на курсе, оказались невероятно полезными в моей текущей работе аналитиком. Но главный мой результат — я нашел свою первую работу аналитиком прямо во время прохождения курса. Это было здорово. Я смог не только успешно пройти собеседования, но и с первых дней уверенно применять на практике то, чему нас учили, что дало мне отличный старт. Так что я бы определенно посоветовал этот курс тем, кто готов серьезно работать и хочет получить реальные, применимые навыки. Он однозначно стоит своих денег. Впечатления остались очень положительные, поэтому ставлю твердую пятерку. Теперь в планах закрепить знания на симуляторе, так что останавливаться не собираюсь

Прошел курс и старался сдавать все вовремя, материал и работа платформы были хорошо организованы без каких-либо серьезных замечаний. Знания помогают решать задачи, которые казались сперва непонятными, а порой пугающими. Считаю отличный старт для начинающих с нуля. Но лично мне показалось лишним для себя проходить пару модулей, когда есть опыт, а именно программирование и гит. Но в целом я остался доволен. Считаю отличный старт для погружения в среду AI и ML.

Хотелось понять, как работает машинное обучение, и научиться применять его в научных и прикладных задачах — в идеале связать с химическими данными, катализом и молекулярным моделированием. Плюс — сменить вектор карьеры в сторону data science и ML-инжиниринга.Контент курса оказался чрезвычайно насыщенным. Поначалу было трудно — приходилось гуглить каждое второе слово. Но при этом объяснения чёткие, лекции хорошо выстроены, с акцентом на практику, продакшен и реальные кейсы. Важно понимать, что курс требует много сил — особенно если, как я, вы стартуете с нуля. Я тратил 20–25 часов в неделю, особенно на первых модулях. Курс 10 из 10. Для меня он стал фундаментом, с которого я реально могу двигаться дальше в ML.

Начал обучение на курсе системный аналитик в начале июня этого года, опыт в аналитике есть, но это все самообучение, и есть необходимость структурировать знания и закрыть пробелы. Обучение в рамках курса от KarpovCurses очень понравилось, а именно, качественное объяснение и подача материала, интересные разносторонние задания, которые позволяют хорошо закрепить пройденный материал практикой, полезные ссылки на дополнительные материалы, советы в работе - просто 10/10. Также хочется отметить поддержку в рамках обучения, которая решает все административные вопросы, вопросы по заданиям и платформе в целом. Впечатление от курса отличное.

Я прошёл этот курс, хотя у меня почти не было знаний в области машинного обучения. Мне очень понравилось, как понятно и доступно были объяснены основы. Однако, чтобы по-настоящему извлечь максимум пользы из курса, желательно иметь базовые знания по математике, так как уровень сложности постепенно возрастает. Раздел по статистике показался мне самым слабым. На мой взгляд, там почти ничего не объясняется по самой статистике. Для меня этот курс однозначно стоит своих денег, и я рекомендую его всем, кто не хочет бесконечно искать разрозненную информацию в интернете. Лучше один раз пройти весь курс от начала до конца, даже если местами будет сложно. Лично я планирую пройти курс ещё раз с самого начала, так как доступ остаётся навсегда. После этого хочу набраться больше практического опыта на платформах вроде Kaggle или на хакатонах

Перед началом курса Start ML были сомнения — получится ли совмещать обучение с работой. Работаю аналитиком данных, и график часто бывает насыщенным. Но в итоге удалось встроить учёбу в свой ритм, хоть временами и было тяжеловато. Главное — оказалось реально, даже с полной занятостью. До курса у меня уже был опыт в аналитике, но машинное обучение оставалось «чёрным ящиком». Хотелось разобраться в основах, структурировать знания и научиться строить рабочие ML-модели. Эта цель была полностью достигнута. Особенно хочу выделить первые два модуля: модуль по Python помог подтянуть базовые вещи и заложил фундамент, а блок по машинному обучению оказался максимально полезным и прикладным. Огромное спасибо Никите Табакаеву — его лекции были отлично структурированы, объяснения — чёткие и понятные, а примеры — приближены к реальным задачам. Благодаря этому блоку стало понятно, как работает машинное обучение и как применять его в аналитике. Контент курса в целом понравился, но хотелось бы более понятных и последовательных объяснений в модулях по статистике и глубинному обучению — там временами не хватало простоты подачи и пошаговых разборов. Эти темы важны, и чуть больше ясности в объяснении точно пошло бы на пользу. Ожидания от курса оправдались на 9 из 10. Формат удобный, задания практичные, поддержка была своевременной. Иногда хотелось чуть больше обратной связи по проектам, но в целом всё на хорошем уровне. Курс стал отличной отправной точкой, если вы — аналитик и хотите сделать уверенный шаг в сторону машинного обучения.

Я работаю руководителем направления анализа данных в банке, проходил курс для повышения своих навыков по части ML. Понравились все модули, как по наполнению материалом, так и сложности задач. Кандидата успешно прошедшего этот курс я бы с удовольствием был бы готов принять на работу в качестве аналитика данных. Из недостатков могу отметить слишком дотошную проверяющую систему, с ней приходилось немного получаться.

Закончил курс "Инженер машинного обучения" он же в прошлом Start ML. Очень долго присматривался к этому курсу и, когда получилось выделить время на обучение, был приятно удивлен насколько курс хороший. Плюсы: очень много материала, много практики, интересные проекты, да и задания домашние тоже Минусы: могу отметить только один - какие-то темы показались не до конца раскрытыми. Но это уже субъективный взгляд Так же хочу отметить, что есть возможность перенести обучение, в случае если не успеваешь или по другим личным причинам. Поскольку обучение очень плотное, мне из-за рабочих моментов и отпуска пару раз пришлось перевестись в другой поток. Но лучше так, чем пытаться нагнать все с таким плотным расписанием. Курсом супер доволен 10/10

Всем привет :) Прошел курс StartML (Deep Learning Engineer). Впечатления только положительные. 1. Материал: Все понятно, есть хинты и подсказки, особенно порадовало что есть конспект к каждой лекции который помогает пройти практику 2. Платформа: Все ок, были иногда правда баги самой платформы или ее отвал, но за все время раза 2-3 и быстро достаточно эти пробелмы решали. Единственное что еще не хватает - более подробного дебага, порой ответ LMS что ответ не правильный заставляет проходиться по всему коду а не в конкретную точку смотреть 3. Эксперты: Быстро отвечают, помогают решать кейсы и направляют в нужную сторону, тут все гуд

Начал учиться в феврале, сейчас нахожусь в поиске стажировки. Могу сказать, что на курсе максимально понятным языком, исчерпывающе объясняются все фундаментально важные темы для программирования и машинного обучения в целом. На курсе затрагивали не только поверхностные аспекты из работы моделей, тебя не держат за пятилетнего ребенка и это приятно . Из минусов могу выделить маленькое количество проектов, которые можно добавить в портфолио. Однако после прохождения курса ты способен сделать их сам с абсолютного нуля. Самый важный блок про машинное обучение раскрыт отлично, не нашел больших отличий между ним и теми же университетскими лекциями, которые читают в университете (единственное различие: математику в университете затрагивают подробнее). Отдельно хочется подметить кураторов и экспертов. Кураторы отзывчивы, на курсе одного не бросят. Эксперты отвечают на все вопросы, если непонятно - объясняют еще раз, и так пока не поймешь. С их помощью темы получалось усвоить еще быстрее. В общем всем советую, немного подрасту и приду на hardML

Курс «StartML» дал мне понятное и структурированное введение в машинное обучение. Для человека с небольшим опытом важно не просто слышать теорию, а понимать, как применять её на практике, и курс с этим справляется. После каждой лекции идут домашние задания, которые помогают закрепить материал. Первые шаги даются непросто, но постепенно всё становится понятнее, и появляется уверенность в том, что ты понимаешь, как это работает. Особенно полезной оказалась возможность обсуждать задачи с другими студентами в групповом чате. Это помогает не застревать над домашкой и видеть альтернативные решения, а также получать советы по сложным моментам. Сам материал курса подаётся логично и последовательно, без лишней воды, но при этом достаточно подробно, чтобы новичку было ясно, как устроены основы машинного обучения и с чего стоит начать дальше. В итоге курс дал хорошую базу и понимание того, куда двигаться дальше в Data Science. После него становится понятно, какие темы изучать глубже, а какие навыки стоит развивать в первую очередь. Это действительно хороший старт для самостоятельного изучения машинного обучения.

В 2025 году прошла курс "Start ML" (он же "Инженер машинного обучения"). Технического, а уж тем более практического, бэкграунда у меня нет, но за год до этого я выпустилась с курса по DS на Яндекс Практикуме, так что мои впечатления основаны по большей части на сравнении двух школ. Что больше понравилось на Karpov Courses: 1. Видео-лекции. Качество звука и картинки очень хорошее, и в целом приятно учиться "с человеком", пусть и не в режиме реального времени. Алексей Кожарин (блок по питону) и Никита Табакаев (блок по ML) - топовые преподаватели, очень понятно, подробно и наглядно разбирают материал. 2. Быстрая автоматизированная проверка всех заданий (даже финального проекта). 3. Программа курса. Много полезных практических инструментов, довольно глубокая теоретическая база в блоке по машинному обучению. Мне было интересно и в меру сложно - сложнее, чем на Практикуме, но без первого своего курса я не знаю, как бы вывезла этот. 4. Очень хороший куратор, Юлия Рожкова. Была в курсе происходящего у каждого студента, помогала с дедлайнами. 5. Бадди. В специальном треде в Пачке можно найти себе напарника по обучению - вроде такая простая вещь, но помогает обойти скованность группового чата и найти кого-то, с кем можно обсудить обучение, обменяться опытом, пожаловаться) Что понравилось меньше: 1. Конспекты. Печатные материалы очень сильно варьируют от блока к блоку: иногда они содержат дополнительную информацию, ссылки на статьи вне платформы, а иногда настолько скупые, что даже не все формулы из лекции включены. 2. Отсутствие хотя бы одной проверки финального проекта человеком. Очень бы хотелось получить живой фидбэк, пусть только на EDA или в общем на оформление готовой работы - это было бы отличной мотивацией сделать чистовой вариант тетради. Добавлю еще пару слов про экспертов, которые отвечают на вопросы по заданиям. Мало с ними контактировала, но, на мой взгляд, это лотерея. Поскольку сейчас в любое время дня и ночи можно обратиться за разъяснениями к чату гпт, кажется, это более быстрый способ получить ответ, который может оказаться даже лучше ответа эксперта. Подводя итог, скажу, что в общем "Start ML" мне понравился. Думаю, школа предлагает достаточно уникальные программы, так что мне было бы интересно продолжить учиться.

В целом курс мне понравился. Начинается с небольшого разбора программирования на питон и знакомства с языком SQL. Заданий очень много и они довольно интересные. Однако, до этого курса я бы посоветовал пройти какой-нибудь небольшой курс по питону, иначе будет трудно. Вторая часть - классическое машинное обучение, много информации, куча заданий, датасетов, мне очень понравилась. По окончанию второй части нужно было сдать вторую часть финального проекта, это было довольно сложно) Ушло кучу времени, чтобы во всем разобраться, но было интересно. Третья часть курса посвящена нейронным сетям, очень интересный кусок и... поверхностный( Хотелось бы поглубже погрузиться в эту тему. Четвертая часть курса посвящена статистике и а/б тестам, довольно объемная и хорошо структурированная. В общем, вполне рекомендую этот курс.

Очень насыщенная первая часть (Python), дальше чуть легче. Мне помогло разобраться и спустя пару месяцев после окончания устроиться продуктовым аналитиком в очень крупную компанию. Если это важно, мой бэкграунд - сильный технический вуз, но не ИТ. Недостатки: модуль по Airflow был слишком сжатым, на мой вкус. Курс советую всем новичкам, начинающим свой путь в аналитике и не имеющим бэкграунда в этой сфере. Мне помогло в трудоустройстве

Темы сложные (DWH, ML), объёмные (AB tests, ML), но всё очень по делу, без воды. Мне пришлось взять академ на 1 месяц, потому что нагрузка на работе была высокая, но даже в этом случае служба поддержки пошла мне навстречу. Курс советую. Мне помогло закрыть многие пробелы в знаниях и освоить продвинутые методы аналитики (Causal Inference, Diff-in-diff, ML и др.)

Для продуктовых аналитиков очень полезно, я считаю. Я наконец разобралась в бутстрапе и в отличии параметрических тестов от непараметрических. Также есть модуль по продвинутым методам, супер полезный. Важно! В курсе нет дедлайнов — это одновременно и плюс, и минус, так как нет внешней дисциплины и приходится опираться только на внутреннюю. Очень полезно, я считаю, это было моё лучшее вложение 40 тысяч. Чувствую себя увереннее в решении рабочих задач

Пошел на курс от работодателя. Выбор этого курса был связан с преподавательским составом, т.к. 3 из 5 преподавателей практикуют у нас в банке. Структура курса выстроена хорошо, от простого к сложному: - Python сначала основы, а потом уклон в backend-разработку и ML - ML от простой линейной регресси до градиентного бустинга рассказывается подробно - по DL был только обзор основ, но по началу даже эти основы казались достаточно сложны - В статистика и A/B-тестах был необходимый и достаточный минимум В конце каждого модуля была одна из частей финального проекта, который состоял из 4 частей. Большую часть знаний из первых 2 модулей уже применил в работе, поэтому могу точно сказать что по Python и ML дали классный материал. DL и A/B-тесты на практике пока не применял, поэтому сказать сложно. В целом впечатления о курсе классные)

Курс Start ML от Karpov Courses приятно удивил своей продуманной структурой — всё подаётся по шагам, без лишней воды, что особенно ценно, если ты уже с опытом в аналитике. Поддержка на высоком уровне: наставники быстро отвечают и помогают разобраться с любыми вопросами. Учебные материалы качественные и актуальные, с примерами из реальных кейсов и подробными пояснениями. Особенно ценю хорошо продуманные домашние задания и проекты — они помогают сразу применять теорию на практике. Отдельный плюс — доступ к дополнительным материалам и инструментам, которые пригодятся и в работе.

Курс начинающего ML-инженера на Karpov Courses оказался серьезной работой на протяжении чуть более полугода. Мне, для комфортного усвоения материала, нужно было в среднем по 4 часа учёбы 5 дней в неделю. В первой половине курса у меня это время было - было затишье на основной работе, и я с удовольствием погрузился в Python и основы ML. Потом на работе начался аврал и вторую половину курса я проходил бегло, всё чаще используя ИИ, срезая углы. Преподаватели по каждому блоку - профи, очень хорошо разбираются в предмете и в основном хорошо объясняют материал. Материала много. Теории много. Практических заданий много. Мне кажется, что этот курс будет уместен либо тем, кто вообще не работает, либо тем, кто умеет быстро фокусироваться на новом материале, не теряя время на раскачку. Резюме: курс очень сильный, очень интересный, сложный и весьма объемный. Я доволен на 100%, с учётом, что мне удалось соблюсти все дедлайны, а материалы курса останутся доступными навсегда, чтобы потом как следует разобраться с теми разделами, которые не удалось полноценно усвоить.

Сейчас прохожу курс Анатолия Карпова и пока что я доволен результатом. На курсе оооочень много практики как в виде тестов так и в виде самостоятельной работы, что для меня было важно, лекции курса выходят строго по графику что мне помогло планировать режим обучения и легко вписать его в свой распорядок дня. Лекции в большенстве своем понятные но в тоже время не легкие, часто приходится сильно поломать мозг над задачами что собственно хорошо. Удобно что есть команда поддержки, я к ним обращался и мне помогали и отвечали на все вопросы. Сама платформа удобная, если мы говорим о компьютерной версии. Версия для телефонов не очень, но это мелочи. Большинство лекций читал сам Анатолий и он прекрасный учитель, тут я ставлю уверенно 10/10. Резюмируя пока что мне курс нравится, я получил даже больше чем ожидал. До карьерного курса еще не добрался, на него рассчитываю, но пока ничего сказать о нем не могу. Всем удачи

Прошел данный онлайн курс и остался в крайней степени доволен результатом обучения. Материал представлен в виде модулей, а "главными испытаниями" в каждом из них являются проекты, представляющие собой части одного целого. Я по-началу не поверил, как можно представить обучение такому не легкому направлению, как приключение, но вскоре мне все стало ясно и понятно. Вся работа у них распределена по командам, которые делают ее блестяще. За сценарий, атмосферу и взаимодействие обучающихся отвечают люди, которые не занимаются этим по совместительству, а конкретно работают по направлению. Преподаватели излагают материал структурно, современно. Если вы честно и добросовестно просматриваетеле лекции, читаете конспект, отрабатываете практический блок, то в сухом остатке получаете именно те знания, за которыми пришли. Команда специалистов непросто отвечают на возникающие у обучающихся вопросы, а дают наводящие подсказки. Таким образом все выполненные задания так или иначе выполняются самостоятельно каждым. Выражаю большую благодарность команде Карпов курсы за добросовестную работу.

Я пошла на курс по ML для начинающих,поскольку данная область была очень интересна. Мне хотелось на более глубоком уровне получить знания и скилы,которые я могла бы применять в дальнейшем на основной работе. Могу честно сказать,что курс не легкий,нужно достаточно уделять времени для прохождения практических занятий. Желательно пойти хотя бы с какими-то базовыми навыками,чтобы легче было воспринимать всю информацию. Единственное, что мне не совсем хватало— теоретической части. Там явно есть нюансы в написанной литературе, бывают ошибки или некоторые источники информации устаревают. Сама платформа LMS давала порой сбои,но я думаю,что команда Karpov.Courses работает над тем,чтобы улучшить ее. Общие впечатления остались хорошими, могу уверенно сказать,что после окончания курса ты выходишь готовым к новым достижениям😄

Курс ML-инженер (Инженер машинного обучения) очень насыщенный лекциями и заданиями. Был уверен что уверенно и легко пройду все основные части. Но курс удивил большим набором полезной информации, которая заставила вникать и прикладывать усилия. Я очень доволен качеством и количеством знаний по машинному обучению, статистике, программированию которыми славится Carpov.courses. Отличная поддержка кураторов и экспертов по решениям задач. Будет сложно, но по итогу вы получите достаточный набор знаний и умений для трудоустройства.