Отзывы о курсе «Специалист по Data Science» в Яндекс Практикум

Достоинства: Понятная и обширная программа обучения. Соотносится с магистрским образованием (Сам магистр по направлению "Разработка интеллектуальных систем").

Недостатки: Не все задания можно пройти с телефона\планшета, но общему обучению не мешает

Комментарий: Учёба активная, программа плотная, практики много. Времени как правило не так много.

Достоинства: Курс обеспечивает глубокое понимание области. Структурированный текстовый материал удобен для восприятия. Много практики по Python для закрепления знаний. Проекты основаны на реальных бизнес-задачах. Есть кураторы, наставники и круглосуточная техподдержка. Доступ к материалам навсегда, дополнительные материалы для собеседований и помощь в трудоустройстве. Свобода творчества и полезные ссылки для углубления. Возможность обучать нейросети на удалённом сервере. Хороший баланс между теорией и практикой.

Недостатки: Курс даёт общее представление, но не глубокое погружение. Теория, особенно математика, изложена поверхностно и требует базовых знаний высшей математики. В конце курса ощущается перегруз из-за сжатых сроков и быстрого прохождения тем. Машинное обучение для текстов и компьютерное зрение освещены поверхностно. Отсутствие задач разного уровня сложности может быть минусом для продвинутых студентов. Проблемы с производительностью платформы и придирчивая проверка заданий в Jupyter Notebook также снижают удобство обучения.

Комментарий: Курс однозначно ориентирован на практическое применение знаний, но для успешного прохождения нужно быть готовым к жестким дедлайнам и большому количеству времени на учёбу. Придётся много заниматься самообразованием после курса, так как он даёт только основу. Он хорош для начинающих, но требует дисциплины, базового знания Python и математики, а также готовности читать на английском. Несмотря на некоторые недостатки в организации, общий вывод — курс хороший, он структурирует знания и предоставляет необходимую базу, но для глубокого погружения в профессию нужны самостоятельные усилия.

Достоинства: Структура и подача — материал разбит на логичные блоки: от основ Python и статистики до машинного обучения и нейросетей. Всё без «воды», с упором на практику.Практические задания — после каждой темы сразу применяешь знания в реальных кейсах: от EDA до построения моделей. Особенно круто, что работаешь с настоящими данными.

Комментарий: Было бы неплохо перед стартом подтянуть математику и пройти какой-то небольшой курс по питону и статистике, но это не обязательно

Достоинства: Курс охватывает работу аналитика по получению, предобработке данных, их подготовке к машинному обучению и несколько задач классического ML: NLP, Timeseries, Computer Vision. Курс очень понятный и доступный.

Недостатки: Хотелось бы больше внимания ML задачам, но у Яндекса есть отдельный курс по этой теме.

Комментарий: Есть чувство погружения в специальность, актуальные темы, временные рамки. Формулировка задач с каждым спринтом становится немного расплывчивее, из-за чего укрепляется собственное понимание того как подступиться к задаче. Сложность курса регулируешь ты сам, если времени совсем нет, то можно выполнять только обязательные задачи спринта, а если есть возможность и желание, можно читать ссылки из дополнительных материалов, которые помогут понять, как решать задачи эффективнее, найти новые инструменты, подходы, соревнования. Понравилась работа ревьюеров, они не просто указывают на ошибки, но и дают информацию для размышления.

Достоинства: Навыки опережают рынок, то что учили тогда, только сейчас становитсяmust have.

Недостатки: Маловато практики, и хотелось бы больше лекций, в этом плане поприятнее курс Карпова.

Достоинства: Много интересной практики тесно связанной с теорией, на вебинарах подробно разбирали дополнительные лабы. Был очень сильный наставник Антон Нилов, какой не просто хорошо объяснял, но и подстегивал интерес студентов

Недостатки: постоянно вносили правки в тренажер, так как что-то устарело

Комментарий: Требуются хотя бы базовый опыт разработки и администрирования, придется очень быстро въезжать в огромное количество инструментов для пентеста

Достоинства: Большой материал джава, затем котлин и долгожданный аднройд - xml и композ. По началу нарешиваем задачки в консоли практикума и затем переходим в ide и работаем через пулреквесты на гитхабе. По итогу получаем навыки начального джуна. В самом конце получаем 3 проекта - 1 делаем в течении года, 1 - диплом и финальный проектный месяц.

Недостатки: Проектный месяц сомнителен, он легче диплома, просто работаем в большей команде. Хотелось бы, чтобы проверки были приближенные к работе - оценивались не как сдача задач, а проверка кода и подходов, которые ревьювер пропустил у себя на работе от другого человека из команды. Думаю стоит добавить как минимум мониторинг ошибок и сделать более сложней проектный месяц.

Комментарий: На курс пошел уже с опытом в кросплатформе в несколько лет, как повышения навыков. Просто учеба идет лучше, когда тебя кто-то пинает =) Как итог можно спокойно переписать свои кросплатформенные проекты на натив. Что ожидал, то и получил.

Достоинства: Много практики, много полезного материала, подробная теория, необходимые для работы навыки разработки приложений , работа в команде, отличные наставники и кураторы.