2
Соотношение цены и качества
2
Программа курса
4
Преподаватель курса
3
Практическая применимость знаний
3
Удобство платформы
4
Качество практики
0
Помощь с трудоустройством
За 16 месяцев обучения по 15 часов в неделю вы освоите навыки.
Минусов много, давайте по порядку.
1. Очень скудная теория, по сути рассказывают, как вызвать метод в python и все, в теорию вообще не вникают, а это важно для работы, для дальнейшего образовательного роста.
2. По итогу, куча практики, где просто нужно сделать анализ данных, нарисовать графики, вызвать catboost и задача решена. В продакшене конечно же не так, и построение ML-моделей занимает меньшую часть времени.
3. На работе же нужно уметь делать микросервисы, где ты разворачиваешь свои ML-решения. К сожалению, на этом курсе ничего об этом не было. Да, есть курсы, где это дают.
4. Выпускной проект представляет из себя обычное задание, которое решается вызовом катбуста из коробки. Я потратил два вечера на это задание, а ведь это выпускной проект.
Больше написать не могу, ограничение на буквы)
1. Изучите другие варианты, здесь не учат быть data scientist'ом. Максимум Дата аналитиком, и то в узком плане, так как придется самостоятельно потом осваивать нужные компетенции помимо python и sql.
Этот курс не для ребят, которые хотят с нуля стать специалистами. По всем темам объяснения поверхностные.
В курсах Практикума люблю проекты, широкий выбор методов реализации идей, качественную обратную связь от ревьюеров
В некоторых темах непонятно расписана теория и нет никаких мероприятий для закрепления именно теоретический знаний, а на собеседованиях спрашивают именно их
Нужно будет дополнительно погружаться в теорию, закреплять понимание того, как модели работают под капотом
Все понятно структурировано. Получила и отработала новые знания. Классная программа поиска работы
Иногда преподаватели отвечали на вопросы не вникая в проблему. Очень поверхностно.
Необходима самоорганизация, что бы выстроить процесс обучения. Темп высокие, отчисляют если не сдашь во время проекты.
Самое полезное, это возможность получить фидбэк по домашке и исправить ее. По большей части, именно это и требуется от обучения. Материалов достаточно, чтобы иметь какую-то базу, а остальное можно доизучить самостоятельно.
Большой и очень нудный модуль по SQL. Если есть вменяемый опыт в этой теме, то в процессе прохождения - хочется вообще забиться на все и вся.
Курс дает базовые знания + фидбэк от живых людей, правильно ли вы понимаете, как пользоваться инструментами, но не более. То есть, после прохождения - у вас будет знание только инструмента на нормалном уровне и можно будет уже готовиться к реальным собесам, но не более.
Курсы Практикума предлагают большое количество полезной практики и регулярные проверки проектов. Особое внимание уделяется основам машинного обучения, что служит отличным фундаментом для дальнейшего развития. Глубоко изучаются математическая статистика, теория вероятностей и базовая математика. Также я получил ценные знания в области анализа данных, что крайне важно для реализации реальных проектов.
Особенно хочется отметить, что здесь не дают поблажек студентам: многое приходится осваивать самостоятельно, преодолевая себя. Это позволило мне научиться работать с современными нейросетями, грамотно использовать поисковые системы и связанные с этим навыки.
В целом, это был ценный как образовательный, так и жизненный опыт.
А вот что не понравилось, так это непотребно мизерное время, уделённое на основые современные вехи развития ML и нейросетей - NLP и ComputerVision. Именно это нужно работодателям, а не дерево решений и логистическая регрессия. Также я столкнулся с довольно банальной проблемой - в связи со спецификой моей текущей професии я не мог лично присутствовать на вэбинарах вечером. А преподаватель просто забывал делать записи. В итоге я вообще отказался от занятий с наставником (хотя заплатил деньги за обучение), а зотельсь бы смотреть на эти занятия оффлайн или слушать в дороге.
Однако мне хотелось бы отметить некоторые недостатки. Во-первых, крайне мало времени было уделено таким важным современным направлениям развития машинного обучения и нейросетей, как NLP и Computer Vision. Эти темы особенно востребованы среди работодателей, в отличие от дерева решений и логистической регрессии.
Во-вторых, из-за специфики моей текущей профессии я не мог посещать вечерние вебинары лично. К сожалению, преподаватель иногда забывал делать записи. В результате я отказался от занятий с наставником, хотя и оплатил обучение. Было бы удобнее просматривать эти занятия в офлайн-режиме или слушать их в дороге.
Однако, Практикум никак не контролирует вэбинары со студентами, а хотелось бы!
Получение новых знаний, приобретение связей, интересные знакомства.
Полученных знаний недостаточно для поиска работы. Во второй части курса, где появились наиболее серьезные темы, материал подан скомканно. Все очень сжато. В теоретической части присутствуют опечатки, в тренажере много ошибок, из за чего приходилось постоянно писать в техподдержку. Хочу добавить, что студентам также было заявлено, что знаний полученных в курсе DS будет точно достаточно для позиции аналитика. Однако, не было знакомства с такими основными инструментами работы аналитика как: дашборды в средах визуализаци (Tableau, Power BI и т д), практики Ad-hoc аналитики, реализации AB тестов, работы с метриками качества для аналитика.
Курс хорош для ознакомления с ds. Возможно года 3 назад знаний полученных в курсе было достаточно, но по нынешним требованиям трудоустроиться довольно сложно.
В первую очередь новые знакомства, прокачка мозга, приобретение нового опыта.
Слабая обратная связь от некоторых преподавателей, слабенький материал, для новичка, который ничего не знает от слова совсем и нормально будет изначально, но после уже слишком просто становится, а если есть хоть какие-то знания, то курс очень слабый в плане знаний. На степике гораздо больше информации по ML. И что самое интересное, выделяют как по моему мнению очень мало мощностей на GPU для обучения моделей, смешно конечно, но приходится ждать в очереди n-е количество времени. Смешно об этом писать, но как есть. Не хотят возвращать день после 6 месяцев поиска работы(как изначально оговаривалось в договоре), при выполнении различных условий, рекомендация. В принципе это и не удивительно.
Взял именно этот курс по ds+, т к Яндекс давно на слуху и у них довольно удобный тренажер, только лишь поэтому. Из 10 баллов, я бы дал твердую 5, ну ладно, с большим натягом 6 баллов. При условии, что это мои первые онлайн курсы. Отдать 250,000 руб. + за обучение и не найти работу, жалко конечно.
Хорошее сочетание теории и практики. Всё можно проходить в своём темпе. Никаких видео, только текст, практика, очень много практики.
Иногда лагает тренажёр. Иногда что-то не работает вообще. Иногда очень много теории и мало практики. Иногда Мастерские не согласованы с программой обучения. Иногда ну очень сложно :(
Быстренько пройти и получить доп. образование не получится. Тут нужно пахать, и делать это планомерно и регулярно. Если не готовы, лучше не браться. Полтора года вы будете учиться всё свободное время. Но это очень круто!
Понятно и в доступной форме даётся теория. Полученные знания закрепляются в тренажёре на практике. Очень полезна проектная работа и онлайн общение с преподавателями.
Каких либо негативных моментов у меня по курсу не было.
Если есть желание учиться и получить знания в области Data Science, то данный курс будет хорошим выбором.
В целом, удобно, что ты в тренажере пишешь маленькие задания ручками, тем самым лучше закрепляешь материал. Иногда попадаются интересные наставники, которые хорошо выстраивают взаимодействие, также есть мастерские, где +- уже задачи, где можно подумать.
Также есть карьерный трек, где вроде бы помогают с трудоустройством.