Специалист по Data Science

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.

много практики по классике, интенсивный блок по sql

мало теории, блоки составлены разными авторами, из-за чего некоторые темы не раскрыты совсем, например нейросети в компьютерном зрении

пройти бесплатную часть по нескольким направлениям, выбрать нужную

В рамках курса было акцентировано внимание на самостоятельной работе студентов, включая выполнение практических заданий и проектов. Были предоставлены рекомендации по самообразованию и участию в открытых соревнованиях для расширения знаний и навыков.

Отсутствие личного контакта и общения с преподавателями и другими студентами.

Технические проблемы, такие как проблемы с с платформой.

Все можно найти в интернете, больше похоже на толчок. Большое количество практики