Отзывы о школе Karpov Courses

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 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.

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.

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.

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!

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.

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

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

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.

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

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

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 «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!

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.

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.

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.

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».

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.

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.

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.

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!

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.

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.

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 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.

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

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.

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.

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 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😄

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 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).

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).

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.

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.

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.

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.