Специалист по Data Science

Мне понравился формат текстового представления теории в тренажере. Это гораздо лучше, чем записанные на видео семинары. Все оформлено круто и с картинками, чтобы не заскучать. Понравились проекты, они разноплановые, дают представление о реальных задачах, а в процессе ревью чувствуешь как растет твой скилл.

Мне не понравилось как поверхностно составлены курсы по машинному обучению для текстов и компьютерного зрения. Я конечно понимаю, что это отдельные очень объемные направления, но объем этих курсов все равно непозволительно мал, и сдача проектов там тоже реализована неудобно.

Этот курс хорош, чтобы изучить классические методы машинного обучения и пайплайн исследования данных. Но читать и изучать самому все равно придется много. И после завершения курса тоже, кучу всего надо будет изучить.

Очень хорошо объясняется вообще суть этой профессии, задается вектор обучения, по которому можно двигаться даже после завершения обучения.

Некоторые темы объясняются ну ужслишком поверхностно.

Тектсовый формат обучения (нужно много читать и конспектировать).

1. Понятная теория. Нет сложных формулировок, бесконечного количества терминов без пояснений, а также трехэтажных формул. Новая функция yandexGPT устраняет всё оставшееся недопонимание.

2. Множество интересных и емких проектов, наполняющих портфолио. Есть возможность отработать все этапы жизненного цикла моделей машинного обучения, обсудить спорные моменты с ревьюером, получить актуальные советы специалистов из индустрии. Возможности ограничены только личным временем.

3. Материала более чем достаточно. Множество ссылок на книги и статьи, а также дополнительные мини курсы по текущим темам попадаются в рекомендациях как в конце уроков, так и в комментариях ревью.

1. Распределение времени. Хотя чаще всего время выполнения и указано, но фактически оно может отличаться. Для теоретических уроков прогнозируемое время соответствует действительности, а вот на тренажёры и проекты может уйти сильно больше времени.

2. Работа тренажера. Иногда возникают спорные моменты с принятием задания, так как тренажер считает, что задание должно быть выполнено по другому, при этом исчерпывающих подсказок нет и приходится искать решение наугад. Наиболее актуально в модуле повещённом SQL. 20 минутная задачка превращается в мучительную 2 часовую.

1. Рассчитывай время на выполнение проекта как x2.

2. Советую иметь нормальные навыки владения python. Хоть в описании и сказано, что не обязательно, но в больших проектах может быть множество не очевидных ошибок, которые в совокупности с новых материал будут снижать конечное качество вашего обучения.

3. Согласно исследованиям внешних экспертов, курсы практикума заканчивают 60%, но фактически в официальной беседе при старте было где-то 200 человек, а к концу 40 (20%).

Ревьюеры, что проверяли проекты. Это самый ценный опыт

Теория, что идет после курса численных методов. Возможно, если бы добавили третий сборный проект, то большинству получилось бы глубже вникнуть в эти темы

Все же он не для совсем всех людей, тут можно научиться программировать с 0, но только, с хорошей базой математики

Самый главный плюс Яндекс Практикума - это практика! Каждый спринт сопровождается проектом, который проверяет DS-специалист, который делится знаниями и лайфхаками, помогает улучшить проект. Также мне нравится, что теория здесь в текстовом формате, а не записанные видео. Почти каждую неделю проходят онлайн вебинары с преподавателем, который разбирает проекты/вопросы с собесов и тд. Однозначно советую курс, он полон знаний)

Не понравилось, что если проходишь модуль и сдаешь проект раньше дедлайна, то следующий модуль сразу не открывается, приходится ждать, пока этот дедлайн пройдет. Для кого-то может это своего рода каникулы, но мне было бы удобней делать все в своем темпе.

Действительно подойдет ребятам, обучающимся DS c нуля, всё подробно и разжёвано.

1) На курсе было очень много практики: в конце практически каждого спринта был самостоятельный проект, задания для которых были весьма интересными и близки к реальности. Очень часто при просмотре вакансий встречаются именно такие задачи, которые выполнялись в ходе проектов. Кроме того, ревьюеры дают оооочень много ценных советов, польза которых перевешивает порой даже теорию, которая дается в курсе.

2) Достаточно удобная платформа. Все работает отлично и видно, что курс сделан так, чтобы обеспечить максимальную вовлеченность в учебу

3) Классная команда сопровождения - любой вопрос всегда будет решен

4) Достаточно сжатые сроки - это держит всегда в тонусе и помогает не забыть всю теорию, когда доходишь до проекта

1) Маловато теории - особенно когда переваливаешь за половину курса, ее становится все меньше и меньше, хотя сложность возрастает в геометрической прогрессии. Понимаю, что хорошего айтишника отличает умение гуглить, но все-таки за такую стоимость хотелось получить максимум пользы от теоретических подборок

2) Второй минус вытекает из первого. Когда пошли совсем сложные вещи типа NLP, нейронных сетей и т.д., стало мало объяснений, как всё работает под капотом. Появилось умение писать нейронки, но глубоко разобраться, как они работают - не получилось

Будет очень тяжело без знания Python и математики - особенно производных и линала, желательно эту базу знать перед началом

Мне очень понравилось обилие практических заданий и разнообразных применений полученных знаний. Курс выстроен с заботой о студентах

Иногда бывают задачи, когда не хватает теории, полученной в ходе урока

Взвесьте все за и против выбранной специальности и учите математику

Практика, много практики. Каждый момент отрабатывается на задачах.

Не было некоторых технологий, таких как докер, ML Flow, Git

Изучить основы мат анализа, статистики, линейной алгебры и теорвера

Отлично структурированный курс с достаточным количеством теории и с большим объемом практики. Даже если у вас гуманитарное образование материалов, представленных на платформе и рекомендуемых наставниками, будет достаточно, чтобы пройти курс. Курс охватывает различные области Data Science, что позволяет вам определиться с тем, что вам ближе. Кто-то возможно поймет, что для него комфортнее сконцентрироваться просто на анализе данных. Кто-то углубиться в прогнозирование данных на основе временных рядов или компьютерного зрения. В общем, этот курс - отличный старт для определения вашей специализации в сфере Data Science. При этом у вас будет достаточный багаж знаний для работы в каждом из направлений.

Очень сжатые сроки для каждого спринта: 2 недели. Но с другой стороны, если бы сроки были более растянутые, то из-за большого объема материалов к концу спринта можно было бы забыть о том, что было в начале. А здесь всё, как в спорте: при интенсивных регулярных тренировках, идет интенсивный набор массы.

Времени на изучение курса может уйти гораздо больше, чем это указано в начале каждого спринта. С каждым спринтом уровень сложности материалов постепенно растет, и это, соответственно, сказывается на времени обучения. Отсюда, важно жестко придерживаться установленного тайминга и не позволять себе просрочки мягких дедлайнов. В противном случае, задачи будут набегать снежным комом, и вы ничего не успеете к жесткому дедлайну. В общем, важны сильная мотивация, дисциплина и наличие большого количества времени на на прохождение курса. Всем удачи! Большая дорога состоит из маленьких шажков! У вас всё получится!

1. Много практики: Обширный практический опыт в ходе обучения. Учащимся предлагают множество заданий, проектов и реальных кейсов, которые помогают закрепить теоретические знания и применить их на практике. Это важно для усвоения и глубокого понимания материала, а также для развития навыков решения реальных проблем.

2. Есть удобный и интуитивно понятный интерфейс для изучения материала и выполнения заданий. Мобильное приложение Яндекс.Практикума, хотя предназначено для доступа к теоретическому материалу, предлагает мобильную версию платформы, которая позволяет учащимся учиться в любое удобное для них время и место. Хотя практику с мобильного приложения выполнить невозможно, это понятно, учитывая сложность и требования к вычислительной мощности анализа данных.

Довольно сложно подана теория, приходилось искать доп материалы по теме, что бы лучше понять.

Довольно хороший курс, пусть моментами и сложноват даже для человека который знает несколько языков программирования. Так как цель была просто познакомится поближе с этой сферой в IT, считаю курс оправдал все ожидания.