Достоинства: 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.
Недостатки: 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)
Комментарий: 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.