Отзывы
о наших курсах

До курса я уже был знаком с IT и статистикой, но весьма поверхностно и без понимания, как и где применить знания. Такое изучение области может и полезно для общего кругозора, но крайне непрактично. Моей целью перед курсом было войти в IT, получить актуальные знания, сделать проекты и представить картину целиком (чем же должен заниматься аналитик). Все это курс мне дал.

Что мне больше всего понравилось на курсе, так это структурированное и последовательное погружение в анализ данных. Каждый следующий блок связан с предыдущим (пример: после Python вы изучаете статистику уже не просто на словах, а применяя программирование, что помогает наглядно отобразить то, что было в теории).

После прохождения курса помощь не заканчивается. HR курсов помогает максимально структурированно подойти в поиску работы. Получается своего рода еще один блок курса с куратором Оксаной Васильевой (огромная благодарность за помощь и поддержку на финальной прямой) и множеством собеседований и тестовых заданий. Таким образом, от непонимания до устройства на работу один karpov. courses)

Очень продуманные структура подачи и качество материала, ориентированные прежде всего на реальные задачи аналитика. После каждого задания есть его разбор. Если что-то непонятно или есть вопросы, то тех поддержка всегда подробно отвечает и помогает. Есть обратная связь по некоторым проектам.

Я изначально пришла на курс «Аналитик данных» с целью смены профессии. У меня были довольно высокие мотивация и интерес, а также доверие к качеству материала. На курсе есть модуль помощи в поиске работы, которым я и воспользовалась. Оксана Васильева помогла мне скорректировать резюме, чтобы оно выглядело более презентабельным, подсказывала, как лучше поступить в непонятных ситуациях, помогала с поиском вакансий. В результате через месяц активного поиска работы, прохождения собеседований, переживаний и волнений, я получила оффер.

Хочу отметить, что мне пригодились не только полученные знания, но и итоговый проект курса, ссылку на который я разместила в резюме. Также очень помог совет Анатолия при поиске работы — узнать и понять предметную область, задачи и проблемы бизнеса, куда ты хочешь пойти работать.

Для меня важными оказались следующие моменты:

1. Продолжительность.
Курс относительно короткий. В основном образовательные организации предоставляют курсы подготовки с нуля, рассчитанные на год и больше. В Практикуме курсы относительно короткие, но у меня с ними уже был опыт (не совсем положительный), поэтому они не подходили. А короткий курс для меня важен, т.к. я в ситуации, когда уметь делать (хотя бы базово) все то, что есть в курсе, нужно уже сейчас.

2. Команда курса.
Я слышала про Анатолия, натыкалась на его выступления на Матемаркетинге и начинала проходить курсы по статистике (сейчас как раз закончила). Ну и для меня кажется гарантом качества, когда образовательные курсы делают люди из индустрии. И в составе спикеров-преподавателей таких много. Это, конечно, не новость, что люди из индустрии ведут курсы. Но суть в том, что обычно «звездные преподаватели» участвуют только в написании материалов курса. А здесь сразу сам Анатолий сидит и вещает про Питон.

3. Новизна курса.
Курсу нет и года, трафик, наверное, пока еще не такой большой, поэтому сейчас создалась такая ситуация, когда на вопросы в чатике зачастую отвечают Анатолий или Беслан. И это очень ценно! На других образовательных площадках на это можно натолкнуться, но подобное — скорее исключение. В основном же все общение идет через ревьюеров, наставников и т. д. Здесь же создается ощущение если не менторства крутыми людьми, то как минимум их активного участия. Повторюсь, знаю сторонние курсы, где подобное практикуется по инициативе самих преподавателей, но это исключения.

4. Курс в записи.
В мою жизнь вебинары не вписываются вообще никогда, ни одного, наверное, я не посмотрела вживую. А вебинары в записи — это та еще шляпа. Поэтому мне очень удобен формат коротких нарезок из видео. Я смотрю их, когда получится: на обеде, ближе к концу рабочего дня, если успеваю разгрести бэклог и т. д. И мне в этом смысле комплиментарен Степик (у него, конечно, тоже есть косяки: почему, например, левую полосу скролла во время просмотра урока нельзя автоматически пролистывать до курса, который я сейчас смотрю), но в целом он удобен, понятен, показывает прогресс.

5. Структура курса.
У меня подход к обучению «по потребностям». Поэтому, например, по календарю я пропустила почти весь блок SQL — на работе он мне в тот момент был не нужен, зато я более глубоко копала Питон, потому что мне нужно было достаточно быстро научиться парсить данные. Сейчас я вернулась к блоку SQL. Да, я там теряю какие-то баллы за то, что все сдаю не вовремя. Но в остальном я не чувствую, что материал ушел от меня безвозвратно. И я почти уверена, что еще не раз пересмотрю отдельные куски курса, когда у меня появится реальная рабочая потребность в этом. Поэтому здесь для меня кайфово, что: 1 — курс останется со мной навсегда, 2 — нет «блокирующих» заданий (это когда тебе не открывают следующий блок, пока не прошел предыдущий), 3 — есть не только видео, но и текстовый формат, чтобы быстро найти ответ на какой-то вопрос. При этом хорошо, что курс собрал основные инструменты — всегда можно вернуться к содержанию и понять, в какую сторону теперь стоит копать.

6. Рекомендации.
Я пришла по рекомендации знакомого, которому тоже порекомендовали :) В общем, это боль маркетинга — сложно замерить реальное количество людей, пришедших по рекомендации (без опросов), но в данном случае, могу предположить, что таких немало. А рекомендации реальных знакомых в случае выбора не самого дешевого обучения — это очень важно. У всех курсов примерно одинаковые сейлзпоинты, шаблонные истории успеха, обязательно гибкая ценовая политика и т. д. Никак не проверить на старте, что преподаватели вещают о практических вещах, их будет интересно слушать, через месяц не наступит желание все бросить и забыть, что в принципе не отобьет желание развиваться дальше в выбранной отрасли. На отзывы в данном случае вполне можно опираться. Вот так опиралась и я :)

Одновременно с самыми первыми блоками по Питону я внедряла этот инструмент в свою рабочую рутину, что очень и очень повысило качество моих проектов. В настоящий момент времени я нахожусь в поиске работы и уже отметила, что для многих работодателей (из тех, с кем я общалась) этот курс является гарантом достаточно высокого уровня знаний соискателя.

Шло лето 21 года, я только окончил первый курс вуза, сдал (или списал) сессию и понял, что я преисполнился в познании списывания. На 1 курсе в вузе для сдачи зачёта нас обязали пройти курс по программированию на питоне на платформе Stepik, это меня заинтересовало. Постепенно я начал интересоваться сферой данных, осматриваться на то, какие есть специальности и о чем они. Естественно, после полугода путешествий на степике, я знал, кто такой Анатолий Карпов. В мае я написал ему в личку с вопросом о том, стоит ли мне приобретать курс, если я только на 1 курсе вуза, Толя ответил, что стоит, если я хочу пораньше начать свою профессиональную карьеру. Спойлер: он не обманул. В июле я купил специализации по аналитике и начал погружаться в увлекательный мир данных. Не сказать, что все давалось слишком просто, ведь я не сын маминой подруги, не учился в мгу, не щелкаю олимпиадные задачи и т. д.
Однако серьёзных трудностей не возникало только потому, что мне очень нравилась учеба на курсе, я мог часами сидеть и разбираться, в какой строчке я напортачил. За 2 месяца до конца обучения я потихоньку начал рассылать резюме, но в ответ, как правило, тишина. А когда я всё-таки попадал на технические собеседования, то очень сильно проваливался, меня позорили и обливали грязью (но это не точно). Именно период начала похода по собесам могу назвать периодом своего «расцвета», так как только после серьёзных унижений на интервью, я начинал погружаться в те темы, где в моих знаниях были пропуски. В целом, я был готов к тому, что найду работу через месяцев 6, но через пару дней после сдачи финального проекта я перевёлся на заочное отделение (== избавился от фиктивной учебы) и мне выслали оффер из компании KazanExpress, куда я и целился). Команда Karpov Courses — легенды!

Внимательно читайте описание курса — это действительно ИНТЕНСИВНОЕ обучение. Мне понравилось, что курс хорошо систематизирован, очень много практики и максимально доступно объясняется теория. В процессе курса не раз замечал, что его постоянно дорабатывают, обновляют и в целом заботятся о своём продукте. Также хочу отметить всех кураторов и выразить им благодарность, особенно Александру Манаенкову! Я больше всех его мучил вопросами по статистике, но всегда получал максимально развёрнутые и грамотно составленные ответы.

Так получилось, что в компании, куда я попал, используются те же инструменты, что я изучал на курсе. Ну и важно отметить, что со всем из того, что преподавали на курсе, кроме питона, я сталкивался впервые. Поэтому могу с уверенностью сказать, что этот курс напрямую повлиял на мою карьеру.

Когда возникло желание переквалифицироваться, решила что лучшим способом будет поучиться не у теоретиков дела, а у тех, кто уже непосредственно имеет практический опыт. Признаться, для меня было открытием, что вообще существует профессия, которая отвечает несколько лет назад полученному и уже подзабытому образованию и совмещает в себе программирование, работу с базами данных, статистику и здравый смысл.

Ранее я прошла несколько бесплатных курсов на Stepik, и один из них был по основам статистики. Преподаватели, которые так понятно, терпеливо и подробно объясняют материал, встречаются не часто. В моей жизни были и хорошие, и плохие преподаватели и разница между ними колоссальна. Так что мой выбор без колебаний пал на курс от Karpov. Courses «Аналитик данных».

Самое сложное на курсе было удержать темп на первом блоке курса по Python. Без предварительного знакомства с программированием будет тяжело, но не невозможно. Материала и заданий много, но это даже плюс, т.к. очень быстро прокачивается необходимый навык. Все блоки курса довольно подробны, хорошо структурированы и последовательны. Практические задания всегда заставляли задуматься и способствовали пониманию материала. Ни разу не возникло знакомого еще со студенчества ощущения, которое можно описать словами: «Вот мы складываем два плюс два и получаем четыре, а домашнее задание — синтезируйте плазму».

На курсе я смогла восстановить и значимо дополнить необходимые знания и навыки для смены профессии. Полностью буду счастлива, когда найду работу. Не исключаю, что ещё раз пройду обучение на Karpov. Courses, но уже по другой программе. Большое спасибо команде! Желаю успехов в расширении программ обучения.

Сверх всяких ожиданий, курс оказался на редкость гармонично «скроен». Когда учился, порой испытывал даже чисто эстетическое наслаждение от скрытых взаимосвязей и вариантов подачи информации (сам выходец из академической среды и есть с чем сравнивать). Создатели курса — безусловно молодцы и большие умницы.

Несколько хороших, я надеюсь:), советов для тех, кто собирается записаться на этот курс:

1. Если вы далеки от сферы IT или достаточно долгое время были «вне игры», рекомендую пройти на Stepik курс «Статистика-1 ч.» (ведет Анатолий Карпов) и курс «Программирование на Python». Это «разгонит» ваш мозг и позволит смягчить стресс в условиях дефицита времени при прохождении курса.
2. Конспектируйте. Несмотря на то, что после прохождения курса все материалы лекций останутся с вами — все равно конспектируйте. Выделите в общей тетради по 1 листу на урок, записывайте название урока, название подразделов (разбивка видео по частям), вкратце отмечайте фичи, которые приметили. Это поможет не потеряться в огромном потоке информации и найти потом, после окончания курса, необходимую инфу.
3. Не бойтесь спрашивать.
4. Соблюдайте этикет. Все мы люди. Keep calm and carry on.
5. «Дорогу осилит идущий».

Желаю успехов всем будущим студентам Курса.
Жму руку всей Команде.

Очень понравился упор на практику, который удачно вписали в структуру курса, практически не потеряв важных фундаментальных вещей, а там где что-то вдруг потерялось — всегда подскажут, где об этом можно узнать. Качество подачи материала великолепное, лекторов слушать интересно. Опять же много разных практических советов, которые, надеюсь, отложились в голове и пригодятся в дальнейшем. Отдельное спасибо за множество инструментов, с которыми удалось познакомиться, а также за работу службы поддержки.

Разумеется, как и везде, можно найти какие-то небольшие недочеты, но во-первых, это наверняка очень субъективно, а во-вторых, на общее впечатление никак не влияет — готов всем советовать ваш курс, ваш Telegram чат, ваш канал на YouTube (очень интересно смотреть, ведь я теперь понимаю, о чем там речь). С удовольствием пройду еще какой-нибудь ваш курс, когда будет возможность.

Всей команде курса огромное спасибо!

Курс оказался реально очень интересным и насыщенным. Формат интенсива, как мне кажется, себя оправдывает, хотя и заставляет тратить достаточно много времени на освоение курса. Несколько спасло предварительное изучение курсов на Степике по статистике (как и у многих, они стали проводником в мир анализа данных) и базовым основам Python. Без них ушло бы намного больше времени на данные разделы курса.

Очень неплохой раздел SQL — в том числе возможность попробовать не только ClickHouse, но и PostgreSQL.

Очень полезный раздел визуализации — первоначальные навыки использования Tableau очень помогли в дальнейшем.

Зимой я изучал теорию вероятностей на Степике, а затем обнаружил, что у Анатолия, помимо курсов по основам статистики, есть еще и курс по введению в Data Science и машинное обучение.

После прохождения этого курса в финальных степах появилось уведомление, что Karpov Courses готовит аналитиков данных. Так я решил оплатить курс и начать обучение. Зная, насколько круто и доходчиво Анатолий объясняет сложные вещи, я не сомневался в качестве самого курса и в итоге оказался прав.

Очень понравились блоки по питону, статистике, гиту, sql и продуктовой аналитике. Хотелось бы отметить, что задачи максимально похожи на реальные, с которыми сталкиваются аналитики. Хорошо сбалансированный курс с отличной поддержкой.

Понадобилась небольшая шлифовка хард скиллов на интервью, но после примерно 3 интервью уже не было никаких сложностей. Жду курс по «Продвинутой аналитике», чтобы продолжить учиться.

На курс я записался в первую очередь для того, чтобы в дальнейшем сменить сферу деятельности (к счастью, все получилось и теперь я работаю продуктовым аналитиком в Контуре). Привлекла продолжительность и то, что одним из основных авторов курса является Анатолий (до этого проходил его курсы по статистике на Степике и слушал лекцию по ML, которую он проводил на старой работе как приглашенный спикер).

Что же касается самой программы, то модули по Python, SQL и визуализации были прекрасны как с точки зрения теории, так и практики (отдельное спасибо Роману за разборы дашбордов). Модули по статистике и a/b тестам, как мне показалось, были хорошо сделаны с точки зрения теории, но практики там было совсем мало (хотя, наверное, спорный вопрос, учитывая что вся программа рассчитана всего на 5 месяцев). Понравилось, что в курсе также постарались рассказать про все ходовые в работе аналитика технологии (Git, Redash, Airflow). Варианты финального проекта показались достаточно легкими, поэтому для лучшего закрепления скиллов, наверное, стоит придумать и решить свою собственную проблему.

По ощущениям, программа курса и правда создана именно для новичков, чтобы познакомить с основными инструментами и технологиями и дать необходимый стек скиллов для выполнения тестовых.

Я проходила курс «Аналитик данных» с первым потоком. Хочу сказать большое спасибо всей команде курса. Преподаватели и команда всегда на связи, я мучила их вопросами и уточнениями, и всегда можно было ожидать доброжелательный и содержательный ответ. Уже в середине курса один из преподавателей пригласил меня работать аналитиком, с тех пор я год проработала младшим аналитиком и недавно перешла на должность дата инженера (очень пригодился модуль по Airflow с курса).

Собираюсь пойти на первый поток курса «Дата-инженер» у Анатолия, чтобы подтянуть технические знания — уверена, что качество курса будет отличным.

Хочу предупредить, что курс достаточно нагруженный — у меня уходило на обучение по три-четыре часа в день (правда, я гуглила дополнительные материалы, чтобы во всем разобраться). Проходить курс в расслабленном режиме по вечерам вряд ли получится. Наибольшую отдачу можно получить, вкладывая в обучение время и силы, но оно того стоит :)

Я начал заниматься данным направлением с нуля, моя основная профессия никак не пересекается с IT. Очень понравилась подача материала с подробным описанием шагов для решения задач, это помогало лучше усвоить информацию. Хочу отдельно отметить конспекты по каждому уроку: в ходе выполнения заданий очень удобно возвращаться к ним, чтобы освежить некоторые моменты.

Честно говоря, не ожидал такой интенсивности и что придется уделять столько времени обучению, по сути это полноценная образовательная программа, дающая отличную базу. Приходилось учиться до работы, после и на выходных… Но абсолютно не жалею об этом) Спасибо за ваш труд!

Я остался доволен курсом: и технологии новые освоил (причём в прикладном, а не обзорном формате), и пробелы в фундаментальном понимании закрыл. И самое главное — загорелся идеей развернуть своё дата-решение в облаке.

В результате я взял сервер на DigitalOcean и сделал там своё рабочее пространство: прямо по всем рекомендациям с уроков развернул в нём кластеры, Jupyter, Superset для визуализации, Airflow для автоматизации, а также Spark и ClickHouse. Остался весьма доволен.

Сейчас я перестраиваю свой пет-проект и переношу на этот сервер — с построением процессов, как разбирали на курсе. У меня, конечно, не BigData, всё куда прозаичнее и меньше, но зато теперь есть реальный опыт ;)

Я работал с машинным обучением и аналитикой, делал скоринговые и рекомендательные модели. На прошлом месте работы я руководил командой, в которой были инженеры данных. И я хотел подтянуть свои компетенции. Сейчас я поменял работу из-за переезда. Компания меньше, поэтому где-то я делаю аналитику, где-то выполняю функции инженера, а где-то разрабатываю.

Сначала я проходил курсы на Stepik, оттуда узнал про курс Hard ML в Karpov.Courses. К собственным конспектам Hard ML регулярно возвращаюсь, чтобы лучше решать задачи по работе. Сомнений при покупке курса по инженерии данных не было, хотя после курса Hard ML ожидания были высокие. По результатам: в целом всё то, что хотел узнать, я узнал. Теоретические видео были интересными и содержательными. Понравился блок по облачным хранилищам, сразу есть возможность развернуть что-то своё. Бывает, пересматриваю блок по ETL — знания оттуда помогают решать рабочие задачи. Немного не хватило практики. Хотелось бы больше заданий на написание кода. С точки зрения формата — хорошо, что все лекции записаны заранее. Я думаю, что это правильно — преподаватели не устают и не выдыхаются. Приятно, что вокруг курсов сформировалось комьюнити, и в чатах помогают как студенты, так и преподаватели.

На момент, когда началось обучение на курсе, я уже заканчивал курс «Аналитик данных» от karpovꓸcourses и работал около трёх месяцев на должности аналитика данных в крупном офлайн-ритейле.

Решил пойти на дата-инженерию, выбирал между ней и Data Science (ML), так как было интересно расти дальше. Для меня это первый опыт работы в сфере IT, моё профильное образование совершенно другое — инженер-конструктор в области машиностроения.

Курс — бомба. Честно. Сейчас, уже работая инженером данных, я добрался до middle-позиции и, оглядываясь назад, могу сказать, что я безумно благодарен за курс. Всего за несколько месяцев я сумел найти работу инженером данных, увеличил зарплату в два раза (по сравнению с аналитиком) и до сих пор использую стек технологий, который был на программе.

Более того, сейчас на текущей работе я даже внедряю некоторые инструменты, с которыми познакомился на курсе, отвечаю за их настройку и обучаю других ребят.

Конечно, уже сейчас, спустя несколько месяцев работы, я мог бы найти какие-то «минусы», придраться к тому, что иногда не хватало более глубоких примеров и боевых задач (а ещё лучше — сквозного проекта, который научил бы студентов всей Data Lineage: от источника до потребителя). Но эта придирка была бы с моей стороны не совсем корректна, если учесть, что курс практически с нуля ведёт до Junior+. Кстати, я до сих пор обращаюсь к некоторым преподавателям за советом.

Резюме: я очень доволен курсом, не жалею ни секунды о потраченных ресурсах и времени. Более того, с удовольствием бы продолжил обучение актуальным open source инструментам и технологиям, так как в нашей стране всё-таки дата-инженер — это некий мастер на все руки, и конкретно мне нужно ещё очень многое изучить и переварить.

В частности, жду курса по Docker, и поглядываю в целом за новыми направлениями у karpov.courses.

Всем рекомендую курс, но предупрежда:; здесь придётся пахать, читать, спрашивать, а уж когда будет Big Data и облака — ух! :) Эмоций будет море, но оно того стоит.

До обучения я работал инженером в строительстве. Раньше проходил несколько курсов по Python, курс по Data Science на DataCamp. Хотелось сменить сферу деятельности и найти работу в DS.

На курсе отличные блоки по Python и Machine Learning. К ML-блоку хочется больше практики, хорошо было бы добавить пару объёмных пет-проектов. DL-блок в конце стал слишком хардкорным. Про трансформеры не запомнилось почти ничего, кроме того, что они крутые :)

В остальном — всё круто. Я пока только начал откликаться на вакансии, жду приглашений на собеседования. У вас получился отличный курс, господа! Спасибо! :)

Я был преподавателем экономики и статистики в нескольких вузах. Никакого опыта в IT не было — я мог на бумажке посчитать доверительный интервал по t-таблице, но не мог и двух строчек написать на Python.

Преподавание в вузе — это очень тяжёлый труд. Я начал выгорать, да и денег не хватало, и я понял, что нужно менять работу. К тому времени я уже начинал посматривать в сторону анализа данных, но никакой практики у меня не было, только немного теории. Я хотел понять, насколько это моё, но уверенности не было, никаких «горящих глаз», «хочу стать дата-сайентистом» и «аналитика это так классно». Была только усталость и желание круто повернуть свою жизнь. Любопытство победило, друг посоветовал этот курс, и я пошёл.

Первый блок «Введение в Python» стал действительно хорошим посвящением для людей вроде меня, которые имеют мало опыта работы с языками программирования. Однако ближе к концу блока на лекциях стало очень много обзорного материала по достаточно сложным системам, и я закончил его с ощущением лёгкой растерянности.

Второй блок «Машинное обучение» пошёл гораздо лучше. Понравилось обилие картинок, теории, практики. Это самый большой блок в курсе, и, возможно, это как раз и позволило лектору развернуться. Но главное то, что в целом результат получился отличный. Здесь был один из самых ярких моментов курса: нужно было написать вручную алгоритм градиентного спуска, причём в виде класса, а с ООП у меня не заладилось ещё с первого блока. Я начал ныть в чате, но лектор пришёл, сказал мне «Давай, ты справишься!», и да — я поверил в себя и справился. И это было здорово.

На третьем блоке по нейросетям я, скажу честно, слился примерно после трёх уроков. Тема сложная, не было достаточно мотивации в плане того, что мне это будет нужно в работе. Не удивлюсь, впрочем, если в будущем их знание всё-таки понадобится. Буду знать, где посмотреть.

Четвёртый блок, статистика, прошёл хорошо. Возможно, здесь сработало то, что я уже был знаком с некоторыми понятиями, хотя многое оказалось новым.

Последний блок посвящён подготовке к собеседованиям. На самом деле, примерно половину блока составляли задачи на алгоритмы. Человеку без опыта, вроде меня, они вынесут мозг, но в моменты, когда удается самому построить алгоритм правильно, испытываешь радость.

Нет, я не получил работу в IT. Я даже, честно говоря, не достиг изначальной цели — так и не понял до конца, нравится ли мне Data Science. Моменты радости часто сменялись разочарованием. Вопросов осталось много. С другой стороны, одного очень важного результата я достиг — понял, что не боюсь этой сферы. Если когда-нибудь я займусь этим всерьёз, то буду знать, что делать.

Я работаю врачом уже 14 лет. До начала обучения самостоятельно проходил курсы на Stepik, где очень понравились лекции Анатолия Карпова. Собственно, после них начал самостоятельно кое-что делать по работе на R. Со временем заинтересовался машинным обучением и поэтому решил изучать Python. Перед курсом Start ML также прошёл несколько курсов по нейронным сетям и статистике.

Многие приходят на курс, чтобы освоить новую специальность и найти новую работу, но мне хотелось стать лучше и конкурентоспособнее в моей специальности. То есть для меня было важно, чтобы мне нормально (а не как в той же аспирантуре) объяснили статистику и рассказали, как правильно планировать и оценивать эксперименты. Также я хотел научиться обучать модели машинного обучения и выкатывать их в прод: как минимум, чтобы использовать модели в своей работе, как максимум — чтобы сделать из этого стартап.

Кстати, теперь я совершенно иначе воспринимаю статьи и доклады по специальности — в медицине очень часто можно встретить откровенную некомпетентность и манипуляцию данными. Теперь я это отчётливо вижу и могу аргументированно доказать, что кто-то неправ, и могу объяснить, почему.

В целом курс очень понравился, он полностью оправдал ожидания. Было правда сложно, иногда очень сложно. Приходилось очень много времени тратить на учёбу, но это того определённо стоило. Совет остальным: если планируете записаться на курс, сперва определитесь, готовы ли вы в течение полугода каждый день заниматься по два-три часа, и тщательно спланируйте своё расписание.

Теперь о самих модулях:

Разработка
Если не считать начальные лекции по основам Python, информация была для меня совсем новой. Поэтому слушал лекции и перечитывал конспекты не менее трёх раз. Задания всегда делал сам, но, к сожалению, информация быстро забывалась, и поэтому, чтобы сделать то же самое через какое-то время, приходилось снова смотреть лекции. Однако не могу сказать, что Алексей Кожарин как-то не так подаёт материал, совсем наоборот — он рассказывает увлекательно и очень доступно. Просто знание новое, и мне с этим было трудновато.

Машинное обучение
Никита Табакаев всё очень подробно и доступно объяснял, но я и сам что-то изучал по теме, поэтому этот модуль прошёл на «ура». Правда, когда подходишь к финальному проекту, начинает казаться, что мы это не проходили.

Глубинное обучение
Мне кажется, этот модуль нужно расширить. Алексей Биршерт, конечно, сделал всё, что от него зависело, но тема большая, а времени на неё было отведено не так много. К сожалению, отдельные вещи толком не проговорили, и поэтому всё выглядело, как «галопом по Европам». Понятно, что многое можно прочитать и изучить самому, но когда начинаешь это делать, уже не можешь отличить важное от второстепенного.

Статистика
Это тот самый модуль, который останется со мной навсегда. Это универсальное знание, которое в медицине крайне необходимо. Во многом ради этого я на курс и поступал. И не разочаровался! Но всё же была одна проблема — мне было трудно воспринимать то, о чём рассказывал Эмиль. Подача материала скорее подойдёт людям, знакомым с математикой, а это не про меня. Но тем не менее после разборов всё становилось понятно.

Собеседования
Отличный модуль. Правда здесь встречаются совсем новые темы — например, алгоритмы. Даже не вспомню, сколько раз я переслушивал эти лекции!

Я пошёл на курс ради стартапа. Во время учёбы обрабатывал для него данные, строил модели. В плане карьеры пока это никуда меня не привело, но точно сделало богаче духовно!

На самом деле чувствуется, что курс делают очень увлечённые люди, которые правда хотят сделать своё дело хорошо. Что говорить, пассионарность воодушевляет! Я сейчас посмотрел на переписку с сотрудниками karpov. courses — я записался в список ожидающих курс 9 июля 2021 года. Получается, почти за 7 месяцев до начала первого потока. Очень рад, что дождался и прошёл обучение! Спасибо большое Нерсесу — содержательно курс сделан так, что вне зависимости от того, что будет дальше, я точно смогу самостоятельно углубиться в любую тему, которая мне будет нужна.

Что касается самого процесса обучения, было бы здорово увеличить количество видеоразборов домашних заданий, то есть чтобы был не только ноутбук, но и сам преподаватель рассказывал, что и зачем он делает. И ещё было бы здорово добавить везде подсказки, так как очень часто (особенно в первом модуле) было непонятно, как решать некоторые задачи.

Я инженер-теплоэнергетик, закончил магистратуру в 2019 году. Последний год работаю аналитиком данных в М.Видео. Я единственный аналитик в департаменте, по большей части занимаюсь ad-hoc задачами, в основном использую SQL и Python. До этого 2,5 года работал на стыке теплоэнергетики и IT.

Изначально я хотел получить знания в области машинного обучения. После февральских событий пришёл к выводу, что и профессию пора бы сменить на соответствующую.

Первые два блока очень понравились, все 4 месяца с удовольствием учился на курсе. Где-то с третьего-четвёртого урока третьего модуля задачи стали для меня невыполнимыми. Так как я очень ответственно подходил к обучению на курсе, у меня из-за этого произошло что-то вроде выгорания.

Почему задачи перестали быть выполнимыми — многофакторное явление: и сложность темы, и выгорание, и падение качества лекционного материала. Судя по опросу в Телеграме, большинству также понравились первые два модуля, а к третьему и четвёртому было гораздо больше вопросов. Качество лекций четвёртого модуля вызвало наибольшие вопросы: видео по 20 минут при средней продолжительности роликов час-полтора на протяжении остальной части курса, мало практики, просто определения и иногда скриншоты решённых задач.

Тем не менее задачи оказались вполне выполнимыми, но я не могу сказать, что у меня что-то из этого модуля отложилось в голове. Поэтому отдельная благодарность, что открыли блок по статистике из курса «Аналитик данных». Но к нему я пока не притронулся из-за накопившейся усталости от учёбы.

Финальный проект — крутой с точки зрения стека и задумки, но он был слишком большой и без подсказок (как я понял, они появились на следующих потоках). Из-за этого до дедлайна проект сдали единицы, как я понимаю. Но всё равно это то, что надо для курса.

Пятый блок по собеседованиям — весьма интересный благодаря алгоритмам, отдельное спасибо Лёше Кожарину за эти 4 урока. К сожалению, не все задачи я сдавал вовремя, так как моё «выгорание» к этому моменту ещё не прошло :(

Думаю, что в первый модуль стоит добавить Docker. Но, как я узнал недавно, у K/C планируется бесплатный курс по докеру, что звучит просто потрясающе. Также я бы добавил больше информации по бустингам во второй модуль.

На карьеру курс пока что не повлиял, но надеюсь, что повлияет. Не знаю, что можно отметить в качестве результатов — знакомство с основами ML действительно прошло неплохо, повторение и укрепление базы по Python тоже.

Хочу поблагодарить Никиту Табакаева и Алексея Кожарина за качественные модули — может, в них и есть мелкие изъяны, но впечатления остались только положительные. Алексею Биршерту и Эмилю Каюмову я тоже благодарен, разумеется, но петь им дифирамбы было бы нечестно :)

Я надеюсь, что третий модуль станет попроще. Например, вместо одной огромной задачи будет несколько небольших задач, как во втором блоке. В четвёртом модуле стоит удвоить (а то и утроить) хронометраж лекций, добавив ещё столько же практики не со скриншотами написанного кода, а с live-кодингом и комментариями.

Благодарю всю команду создателей курса за вполне качественный курс по основам машинного обучения. Сравнивать мне особо не с чем, год назад я проходил курс от Learn Python, но он был весьма базовый. На тот момент я не знал о K/C, иначе бы выбрал курс по аналитике данных. Благодарю Анатолия Карпова за то, что он стал для меня проводником в мир анализа данных (думаю, как и для десятков или сотен тысяч других людей). Его интервью у некоторых подкастеров воодушевляли меня на начальных этапах. Интервью с Марией Ждановой, аналитиком из VK, почему-то особенно запомнилось — было очень приятно и радостно услышать, что эта сфера весьма дружелюбна к людям. Благодарю Беслана за подкаст, популяризирующий программирование и анализ данных.

Возможно, стоит как-нибудь награждать самых активных студентов — например, выдавать билет на Матемаркетинг, дарить большую скидку на другой курс или ещё что-то приятное.

Я работала аналитиком в банке — занималась BI-аналитикой, готовила отчёты различной сложности и витрины данных для других пользователей. Пошла на курс, чтобы изучить классическое машинное обучение и в будущем сменить работу.

Ожидания от обучения оправдались процентов на 80%. Курс очень интересный и интенсивный. Было сложно, особенно в модуле по глубинному обучению, но я надеюсь заполнить пробелы в будущем. Очень здорово, что все материалы остаются с нами и к ним можно вернуться.

Больше всего понравились первые два модуля — по Python и машинному обучению. Преподаватели очень доступно объясняли сложные моменты и помогали решать задачи, тех. поддержка тоже :)

Блок по статистике показался мне немного быстрым, хотелось бы ему уделить больше времени.

Курс повлиял на мою карьеру — в июле я стала откликаться на вакансии и в августе нашла работу Junior Data Scientist в QIWI, чему очень рада! Было два этапа собеседования, и вот — теперь работаю на новом месте.

Всем преподавателям огромная благодарность за то, что учите нас на своём опыте и помогаете достичь целей :)

Спасибо большое всей команде, вы делаете крутой продукт!

Я воспользовался программой помощи в трудоустройстве, которая включена в курс. И именно через специалиста karpov. courses меня нашла моя новая работа (хотя я и сам искал вакансии). Я устроился в небольшой, уютный, но подающий надежды стартап, где с нуля развивал продукт по кредитному скорингу малых предпринимателей для продажи банкам.

Перед тем как начать искать работу, я прошел только модули «Ранжирование и матчинг» и «Динамическое ценообразование». И эти знания пригодились мне как на собеседованиях, так и в работе. Также, конечно, в ежедневной работе помогают «Сценарии деплоя ML-сервисов».

Применить непосредственно на практике заглавные темы модулей «Uplift-моделирование» и «Продвинутое A/B-тестирование» пока не довелось, но полученные знания всё равно не были лишними: продвинутое A/B-тестирование подтянуло статистику, а в модуле по uplift была тема по проектированию библиотеки факторов, что актуально в любых ML-задачах.

В целом, в каждом модуле для меня было что-то новое, полезное, интересное. Но если говорить о личных предпочтениях, то особенно понравились «Ранжирование и матчинг» и «Uplift-моделирование». Тут сыграли роль и обаяние преподавателей (не в обиду преподавателям других блоков), и структура модулей, и какие-то мои собственные интересы.

Понравилась практическая направленность. В выбранных тематиках было достаточно современных подходов, теории и задач.

Понравилось, что были разборы ДЗ — это реально помогало. Также понравился интерактив с преподавателями и другими студентами. Очень полезный курс, так держать!

Какие-то вещи получилось применить сразу, какие-то смотрел «по диагонали». В целом не все задачи курса сейчас использую, но некоторые разделы (деплой, ценообразование) уже удалось применить в работе. Какие-то вещи просто не успел еще как следует разобрать (те же А\В тесты).

Немного предыстории: за спиной у меня инженерное образование с отличием, несколько книжек по машинному обучению (Тарик Рашид, Франсуа Шолле, Орельен Жерон) и несколько курсов. В рамках университета пробовал себя в различных областях: от гидродинамики в криогенных условиях в рамках вечной мерзлоты и моделирования идеального прикуса у человека до топологической оптимизации и аддитивных технологий. Сейчас аспирант по направлению «Моделирование с помощью функционально-градиентных материалов с использованием топологической оптимизации».

Познакомился с ML впервые в 2017 году, когда ездил в США на стажировку в Wolfram Research Inc. Помимо метода конечных элементов с топологической оптимизацией, там я реализовал алгоритм исправления опечаток в коде. Алгоритм был реализован достаточно дубово и мне предложили привлечь ML. Собственно тогда я и начал понемногу изучать эту область, но алгоритм завершить не успел, поскольку кончился контракт по времени.

В рамках основной работы я занимался задачами календарного планирования, неградиентными методами оптимизации, изучением новых подходов к решению таких задач. Попутно читал книжки по ML и решал курсы на Cтепике. Со временем понял, что с таким подходом у меня не получается выработать для себя однозначное решение в плане выбора ML как основного направления деятельности и развития.

На курс HARD ML я поступал с целью понять, осилю/не осилю, зайдет/не зайдет, и обрести уверенность в себе в области ML. Уверенность в себе появилась после блока Игоря. Я понял, что мне нравится глубоко копать и узнавать что-то новое, попутно применяя новые знания для решения практических задач. Тем не менее я решил поучаствовать в каких-нибудь хакатонах и опробовать полученные навыки (к этому моменту я прошел 2 первых блока). Сначала хотел поучаствовать в Raifhack, но его я благополучно «проспал», закрутился на работе, поэтому пошел участвовать в Лидерах Цифровой Трансформации 2021. Для меня это был первый хакатон и вообще проба себя именно в ML. Там выбрали задачу «Рекомендательная система для стартапов города Москва». Выбрал по достаточно простой причине — блок Игоря как раз про рекомендательные системы, а блок Стаса частично посвящен теме многоруких бандитов, которые тоже используются в рекомендательных системах. Мое предположение в целом оказалось верным, данные были предоставлены такие, что можно было сделать рекомендательную систему на многоруком бандите в первом приближении. В итоге смогли выиграть хакатон. Сейчас идет разговор о том, как эту систему довести до «production ready» уровня и выкатить «в прод» для города Москвы.

Хотелось бы просто сказать спасибо преподавателям (хотя мне и осталось пройти ещё 2 блока). Я ни капли не пожалел, что пошел к вам учиться.

Прим. от Андрея о времени, затрачиваемом на обучение: «У меня уходило по 8 часов в день на блок матчинга, поскольку Python для меня был „неродным“ языком, на 2-й и 3 -й блоки я уже тратил по 2−3 часа в день, так как к тому времени Python уже не был такой сильной проблемой».

Прошел 5 ML собеседований в компании из США и получил работу

У меня изначально были менеджерский бэкграунд и широкие, но неглубокие знания в области ML и DE. Поэтому мне было бы довольно сложно конкурировать с людьми, которые специализируются в CV, NLP, RL или DE. Но зато сейчас появилось много позиций DS Manager, где большую роль играют софт скиллы, умение быстро находить общий язык с HR, DS, AI Directors, VP и SVP, а также опыт управления командами и решения конкретных бизнес задач.

Поначалу я стеснялся сходить с инженерного трека, так как мне интересен и ресёрч, и инжиниринг, но потом понял, что если мои суперспособности — это двигать проекты и решать конфликты, то нечего и отпираться. По результатам тех самых 5 собеседований я проходил в небольшие и средние компании в США на DS, MLE и DS Manager позиции. В конечном счёте я выбрал DS Manager трек — с марта начну работать на позиции Data Science Manager в DISH.com.

По моему опыту, каждое ML интервью состояло из двух частей: базовый ML и продвинутый ML (этап с кодом в расчёт не берём).

В базовой части было важно не только правильно ответить на вопросы, но и объяснить ответы простым языком. Ожидается, что все это могут, поэтому выделиться на этом этапе особо нечем — разве что софт скиллами, улыбчивостью и ответами на каверзные вопросы.

А вот продвинутый ML — эта та часть собеседования, где действительно можно проявить себя. С этим этапом мне очень помог HardML. Люди, конечно, не прочь обсудить продвинутые/редкие штуки, которые вы оба знаете, но будет гораздо интереснее, если вы сможете рассказать о каких-то полезные вещах, которые они не знают. Особенно если есть проект с кодом, в котором можно покопаться. Из общих знаний обсуждались MultiArmedBandits, Fast Nearest Neighbors, CUPED, Clusterization, Uplift Trees. Из того, чем получилось похвастаться — Dask Feature Lib, Contextual MABs, target encoding, probabilistic forecasting, Толока и построение labeling pipelines, а также LambdaMART.

Ещё я для себя понял, что интервью — это не полностью заскриптованный процесс и им можно в некоторой степени управлять. Обычно работало хорошо, потому что слушать в 100 500 раз ответы на базовые вопросы мало кому охота, а обсуждать продвинутые темы всегда интересно. Для себя выбрал такую стратегию, которая работала с переменным успехом:

— Break the ice — small talk, чтобы снять дискомфорт: с кем-то пошутить про новый год, с кем-то посмеяться про гололёд и т. п.
— Понять, что делает команда и выбрать подходящие проекты и знания из своей копилки.
— Рассказывая о себе, обязательно упомянуть подходящие заготовки для продвинутой части.
— Побыстрее проскочить базовую часть.
— Поговорить про продвинутую часть, не сильно углубляясь в дебри.
— По возможности поразбирать код из своего проекта, чтобы сопоставить ожидания и свои возможности.

Так что для меня «ОБУЧЕНИЕ У НАС == КАРЬЕРА В IT» вполне сработало: D

Самый сложный квест в моей жизни

Я из Челябинска, начал обучение на курсе, имея уровень junior и совсем небольшие знания и опыт в Data Science и машинном обучении. Курс дался мне неимоверно сложно! Такого квеста в моей жизни до этого раньше никогда не было :)

Много сил и времени было потрачено на освоение программы, приходилось читать много дополнительных источников, так как три четверти материалов курса оказались для меня абсолютно новыми. Джунам не советую заходить на курс без кучи свободного времени и сильной мотивации победить.

К счастью, мне удалось окончить Hard ML с отличием. Из сильных сторон курса хочу выделить следующее: компетентность преподавателей и качество материала в модулях, активное участие преподавателей в учебном процессе, интересные и актуальные практические задачи с разными нюансами (обычно в лоб задание не выполнить), достаточно хорошая образовательная платформа и удобная инфраструктура. Благодаря курсу я стал кодить в 2−3 раза быстрее, приобрёл навыки решения задач в жёстких временных рамках, стал увереннее в своих знаниях, и, конечно, получил новые знания в предметной области. Теперь совсем не боюсь браться за сложные задачи :)

У меня была сильнейшая мотивация окончить курс успешно, так как я стремлюсь стать профессионалом в области DS/ML, и у меня всё получилось. Это настоящая победа для меня! Новые навыки и знания собираюсь применять в коммерческих компаниях, чтобы помогать им достигать успехов в бизнесе.

Большую благодарность хочу выразить Станиславу Гафарову за онлайн-разборы и Владиславу Ладенкову за активную помощь в решении проблемы с GitLab. Также прошу лично поблагодарить Шишкина Андрея из команды поддержки за оперативные и исчерпывающие ответы в модуле «Сценарии деплоя ML-сервисов», которые помогли мне выполнить задания!

Действительно Hard, действительно ML

Отличный курс, чтобы проверить свои профессиональные навыки. Интересные модули и идеальный формат для курсов. Активно пользовался возможностью перехода с потока на поток — очень полезная штука! Рекомендую оставить пару переходов на модуль «Сценарии деплоя», если раньше таким не занимались:)

Мой топ модулей в порядке убывания:
1. Матчинг и ранжирование — эталонный модуль, классный финальный проект с сеткой, ранее с подобными задачами не сталкивался и уже нашёл несколько способов применить знания из модуля в реальных задачах.
2. A/B-тесты — отличные лекции!
3. Сценарии деплоя — интересно и очень сложно!
4. Uplift — получился проходным для меня.
5. Динамическое ценообразование — не зашли задачи, возможно, из-за имеющегося опыта в этой области.

Сейчас есть небольшие шероховатости, но я думаю, со временем всё будет идеально! Спасибо огромное за замечательный курс. Это лучшее, что я видел! Иногда давал резкую обратную связь по горячим следам, каюсь перед преподавателями. Сейчас испытываю только положительные воспоминания и эмоции от всех модулей!

Получил удовольствие от решения сложных задач

Интересный материал: из курса можно узнать много нового, что можно найти лишь в специализированной литературе. Сложные задания: над многими задачами приходилось сидеть по много часов. Но зато я действительно радовался, когда наконец получалось самостоятельно дойти до решения.

Я поступил на курс, так как хотел расширить кругозор за счет решения нетиповых задач. К сожалению, практического применения полученным навыкам на текущем месте работы нет. Особо хочу поблагодарить Владислава Ладенкова за то, что не только записал прекрасные лекции, но и лично подробно обсудил со мной финальный проект.

Высокое качество материалов и заданий

Крайне полезные курсы по продвинутому анализу данных. Особенно хочется выделить модули по A/B тестированию и Uplift моделированию. Качество материала, задачи на высоком уровне.

Данный курс глобально повлиял на мою карьеру. Благодаря приобретенным навыкам, в особенности по модулю продвинутое A/B тестирование, через 2 месяца после окончания курса я получил оффер на позицию Senior research analyst в крупнейшем маркетплейсе РФ, хотя до этого в IT компаниях я не работал.

В целом, блок понятный и полезный. В начальных уроках не всегда видна связь между занятиями, но к середине блока логика становится понятной и задания выполняются осмысленно, с представлением о том, как это работает на практике.

Преподаватель прекрасно справлялся с ответами на вопросы, не жалел времени на подробные объяснения различных аспектов, вытекающих из лекций и заданий. Финальный проект отличный, но порог на максимальный балл побивался очень примитивным подходом, что сильно расслабило:) Также был бы интересно сделать стратегию получения бэк бонусов более реализуемой (в текущем варианте шанс ее успешного применения близок к нулю из-за способа генерации данных)

Преподаватель и поддержка оперативно и развернуто отвечали на все вопросы, полностью проясняя непонятные моменты и даже снабжая дополнительной информацией. Также по итогам взаимодействия с учащимися успешно вносились правки в задания.

Конечно, хочется похвалить Стаса и Александру за плотное взаимодействие с проходящими курс, было ощущение, что они круглосуточно мониторили слэк, так как отвечали реально быстро) Спасибо за старания!

О блоке A/B тестирование

В курсе понравились модули: «Ранжирование и матчинг», «Uplift-моделирование», «A/B-тестирование». Среди них я бы выделил «A/B-тестирование», этот тот образ, к которому нужно стремиться всем. Подробные лекции с семинарами от, А до Я.

Понравилось, что модуль самостоятельный. Кажется не требовал глубокого понимания темы, хватило бы знания стат.тестов. И он с каждой новой лекцией семинаром даёт новые знания, с примерами и практикой в ДЗ.

Программа выстроена лучшим образом, в сравнении с другими модулями, то что было на лекции, то в семинаре и ДЗ. То есть преподавателю удалось простыми словами объяснить сложные вещи, что остальным преподавателям на этом курсе удавалось не всегда).

В работе пока полученные знания не применяю, но надеюсь скоро удастся)

Даже через экран чувствовалось желание делиться опытом и знаниями

Из заданий была сложена связанная история, приближенная к реальности, из-за чего выполнять задания было намного интереснее, чем просто импортировать файлы и что-то с ними делать. Материалов из лекций хватало, чтобы сделать домашнее задание и самому поресерчить вопрос. И самое главное — ты понимаешь, что именно надо ресерчить! И это круто!

Все задания были суперинтересными. Можно сильно затянуться:) После выполнения часто хочется еще что-то добавить/исправить, потому что приходят новые идеи.

Наставники всегда на связи и готовы ответить на любой твой вопрос. Еще понравились онлайн-вебинары с разбором заданий от Анатолия —даже через экран чувствовалось желание делиться опытом и знаниями. Это очень приятно и сильно вдохновляет.

Очень интенсивный курс и отлично выстроенный процесс обучения

Я считаю, что это топовый образовательный проект. Большие плюсы в том, что тебя не бросают одного, при необходимости доходчиво объясняют сложные научные методы, постоянно дополняют конспекты и улучшают курсы от потока к потоку, и даже после обучения помогают выпускникам.

Как по мне, отлично выстроенный процесс обучения. Очень интенсивный и обширный. Каждый пройденный модуль так и просится добавиться в портфолио. Все вопросы по решению задания отпадают после детального просмотра лекций и конспектов. А если и остаются, решаются моментально командой поддержки.
Интенсивный курс. Да, очень интенсивный. Пришлось взять отпуск, чтобы уложиться в дедлайны. Но это даже пошло на пользу, потому что так лучше всё отложилось в голове. Считаю, что этот курс надо проходить залпом и относиться, действительно, как к стажировке
.
У меня не было релевантного опыта, и я долго не мог начать активно искать новую работу. Курс аналитика с дополнением в виде симулятора — это то что нужно для подобных кейсов. Симулятор подавил синдром самозванца и дополнил портфолио. А задачи, которые я выполнял на симуляторе, отлично вписывались в рассказ о себе и кейсах на собеседовании.

После симулятора спустя несколько недель активного поиска работы я получил 2 оффера. Остановил свой выбор на стартапе YallaMarket (аналог Лавки и Самоката, но на территории Дубая). Сейчас работаю на должности Junior Product Analyst.

Преподаватели — лучшие в объяснении сложного простым языком

14 марта 2021. Все началось с курса по основам статистики на Stepik…

Анатолий Карпов, как всегда, лучший в объяснении сложного простым языком.
После его стиля преподавания очень сложно перестраиваться на других курсах. Познакомился с трудами Манаенкова Александра и Марии Сомовой. Всё просто и понятно. Они тоже относятся к преподавателям-практикам, кто умеет объяснять доступным языком.

102 часа было инвестировано в прохождение этого курса. «Симулятор аналитика» был максимально настроен на выполнение задач в условиях, приближенных реальным.

Команда отвечала на любые непонятные вопросы днем и ночью, даже в субботу и воскресенье, чему я был приятно удивлен.

Однозначно рекомендую поступать на этот курс, если вам не хватает опыта.

Чистая практика без огромной кучи теории

Мне понравился именно формат обучения, далеко не каждому он подойдет, но это явно мой вариант.

Здесь нет огромной кучи теории и пошагового алгоритма, когда тебя ведут за ручку. Этот курс — это именно практика. Было совсем мало теории и приходилось очень много искать в интернете, общаться с одногруппниками и тестировать разные способы.

Я пришел практически без опыта и знаний. В этом направлении у меня были только знания Python и пройденная половина курса «Основы статистики» на Stepik. И это было очень интенсивно. За время симулятора я понял, как многие вещи работают на практике с «живыми» данными.

Пока еще не устроился аналитиком данных, но в точно таком же формате я работал в предыдущей компании тех. спецом. Так же искал инфу, так же думал над превращением ТЗ в готовый проект, так же тестировал разные способы. Поэтому считаю, что это действительно симуляция работы в компании.

Благодаря курсу реализовал в компании систему мониторинга

Очень качественная и хорошая подготовка с большим количеством практики и реальных кейсов. Прошел обучение на курсах «Аналитик данных», «Симулятор аналитика», в процессе — «Инженер данных». Результатами доволен, профессиональные навыки растут.

На курсе «Симулятор аналитика» понравилось наличие большого количества новых для меня инструментов и практическая применимость каждой темы. Благодаря уже первому заданию курса я смог на практике придумать метрики и реализовать систему мониторинга в компании, в которой сейчас работаю. Думаю, это лучший показатель того, как хорошо и качественно раскрываются темы. Для меня абсолютно новой темой была работа с GitLab CI/CD, и я очень рад, что удалось с этим разобраться.

В продуктовой команде, в которой я работаю аналитиком, мне удалось выстроить систему мониторингов: 1) на Qlik Sense реализовал дашборды с мониторингом основных показателей; 2) придумал продуктовые метрики для одного из продуктов, после небольших доработок продукта метрики утверждены продуктовым менеджером, также планируется настроить их мониторинг; 3) начал использовать GitLab и научился работать с GitLab CI/CD.

Поэтому курс дал мне очень многое, и я благодарен его авторам!

Понравилось, что учат использовать весь комплект инструментов

Я прошла «Симулятор аналитика», и мне так понравилось буквально все — и организация самого процесса, и весь материал, и то, как его подают, и комьюнити… да даже выбранная цветовая палитра)) — что я расстроилась, что раньше не прошла большой курс. Если предположить, что там такое же, но еще дольше и больше — жаль такое упускать.

Больше всего мне понравилось, наверное, то, что здесь учат использовать одновременно несколько инструментов. До этого я отдельно тренировала SQL, отдельно Python (причем как-то отвлеченно от действительности), а тут, когда понимаешь, зачем все это в реальности и как их можно применять одновременно, когда твой запрос не просто отвечает на вопрос, сколько кораблей не вернулось из боя (и не факт, что правильно), а дает тебе возможность построить график, а потом еще и вывод сделать (а тут снова не факт, что правильно) — просто магия.

И было много дополнительных материалов на «поизучать-подумать», в целом мне этот курс очень помог наметить какие-то векторы развития — кажется, ну что там, всего шесть тем, шесть заданий, но это были очень концентрированные задания.

Думаю, мои работы далеки от идеала (хотя кого я обманываю: возможно, они и до среднего не дотягивают), но главное, что после симулятора я уже значительно умнее себя «до». Теперь хочу чего-то такого еще!

В System Design нет единственно верных решений, поэтому тут нужна только практика. Как минимум, чтобы не страдать синдромом самозванца, вам в вашей жизни рано или поздно нужно обучиться проектированию систем на разных уровнях.

Данный курс предоставит шаблон и поможет разобраться в последовательности обязательных действий для дизайна систем. Поэтому этот курс больше подойдёт начинающим DevOps, опытным Machine Learning инженерам, всем специалистам по Data Science, кто планирует закрыть свои инженерные пробелы, и, очевидно, backend- разработчикам разной весовой категории.

Перед покупкой курса рекомендую обратить внимание, что курс позиционирован как интенсив, то есть здесь будут домашние задания и лимит по времени. Выполняя их в срок, вы сможете выработать свой стиль высокоуровневого дизайна систем.

Если вам удастся серьёзно подойти к курсу, то могу точно сказать, что после него у вас будут развязаны руки и вы сможете легко понимать любые ролики по System Design на Youtube. Это поможет более плодотворно подготовиться к интервью на любые позиции в тех. гиганты либо же самостоятельно спроектировать систему для своего стартапа.

Меня, как системного аналитика, заинтересовал курс по System Design. Я часто общаюсь разработчиками one-to-one, и мне очень важно разговаривать с ними на одном языке. На работе я создаю компонентные/модульные схемы и защищаю их на архитектурном совете. Именно благодаря обучению я понял, как это должно быть на самом деле, какие частые ошибки я совершал во время проектирования и что нужно делать, чтобы их избежать.

Многие моменты в обучении пересекаются с моими знаниями по системному анализу (ACID, CAP теорема). С помощью курса я смог структурировать свои текущие знания, провести параллели и узнать много нюансов. Я понял, как на основе требований оценивать нагрузку, масштабировать систему и повышать её отзывчивость, и разобрался, как работают разные алгоритмы поиска. Реализация поиска была мне особенно интересна, такую информацию мало где встретишь: чёткая, структурированная и по делу.

Рекомендую этот курс всем системным аналитикам — он позволит посмотреть на вашу работу под другим углом. Курс проходится довольно быстро и легко. Имея возможность применить полученные знания в работе, вы всегда будете на одну ступеньку выше своих коллег.

До начала обучения на курсе мне уже приходилось работать над проектами по созданию тех или иных информационных систем и сервисов. Я успел поработать на разных позициях и прошёл профессиональный путь от аналитика и разработчика до техмена и CEO.

На волне развития рекомендательной системы одного небезызвестного видеохостинга мне приглянулась серия записей интервью по System Design, наиболее глубоким среди которых, на мой взгляд, оказался 4-й выпуск с Женей Нижибицким (Uber-like сервис). Какое-то время назад ко мне попала в руки довольно известная книга «System Design Interview — An insider’s guide», а чуть позже я увидел анонс курса-интенсива по System Design от karpov. courses, где преподавателями выступили Валера Бабушкин (Blockchain.com) и Женя Нижибицкий (AliExpress). По долгу службы на фоне реальной проектной деятельности я и сам промышляю преподаванием ИТ-дисциплин по проектированию систем в столичном инженерно-физическом вузе, поэтому решил начать с ознакомления со структурой курса, затем посмотрел welcome-ролик и подумал: а почему бы и нет? Знаний у меня не убудет, да и стоимость довольно демократичная. Сказано — сделано!

Что меня встретило на курсе:

1. Отлично структурированный модульный контент с постепенным горизонтальным расширением по мере достижения адекватной вертикальной глубины каждой из тем. Здесь и Scope Refinement, и Functional/Non-Functional Requirements, и Capacity Estimation, и High-level + Component Design, и много чего ещё. Каждая из тем сопровождается наглядными схемами, подготовленными в популярном веб-туле для коллаборативного рисования.

2. Через каждую тему курса красной нитью проходят последовательные разборы довольно популярных паблик-сервисов: фотоаппов, сервисов такси, видеоплатформ, чуть более простых сокращателей ссылок и хостингов текстов. В общем, всё то, чем люди регулярно пользуются в обычной жизни и с достаточно высокой вероятностью могут встретить в качестве задачи на реальном интервью по System Design в BigTech-компаниях.

3. Весь материал курса здорово упакован в веб-ориентированную Learning Management System с видеолекциями и конспектами лекционных материалов. Для тех, кому интересно углубиться в тематику, в ряде уроков присутствуют ссылки на дополнительные более расширенные материалы — например, по тем же брокерам сообщений, кэшам, консистентному хэшированию и т. п. Также на платформе в каждом модуле есть практические задания с дедлайнами. Заданий в среднем порядка 20 на модуль, одна часть которых — это разные тесты, а другая — более углублённые практические задачи с обратной связью от преподавателей. Венец курса — финальный проект, в котором необходимо применить все накопленные интегральные знания.

4. Курс не случайно позиционирован как интенсив, что, на мой взгляд, довольно удачно. В каждом из модулей имеются адекватные дедлайны, которые на фоне прочей реальной деятельности помогают поддерживать учебным темп и, проще говоря, не дают «забить» :) Балльно-рейтинговая система курса подразумевает прозрачную систему начисления баллов. В случае несоблюдения дедлайнов система тебя штрафует, и баллов за задания начисляется меньше. Это мотивирует регулярно заниматься и не отставать от учебной программы.

5. Наконец, с коммуникационной точки зрения курс сопровождается, с одной стороны, достаточно оперативно реагирующей поддержкой, с другой — чатом сокурсников. Отдельно стоит отметить, что преподаватели сами находятся в чатах, поэтому какие-то более глубокие вопросы можно обсудить напрямую. Также нельзя не упомянуть и то, что чат с сокурсниками позволяет не только обмениваться идеями, но и вовсе самоорганизовываться в мок-интервью с единомышленниками, если задачей вашего пребывания на курсе является одна из форм подготовки к FAANG-like System Design интервью.

Подведу итоги: если вам интересно расширить свои знания в контексте построения высоконагруженных сервисов, разложить на атомы наиболее популярные из них, сформировать для себя алгоритм быстрого проектирования или прохождения реального интервью по System Design, то стоит обратить внимание на этот курс, безотносительно ознакомления с другими материалами по тематике.

Желаю успехов всем будущим студентам в покорении их академических и реальных дедлайнов, расширении кругозора актуальными технологическими знаниями и возможном прохождении System Design собеседования в одну или несколько BigTech-компаний. Выражаю большую благодарность команде karpov.courses. Это была пушка-бомба ракета!

Я не новичок в айти — несколько лет я работала тестировщиком. В какой-то момент тестирование стало для меня скучным, захотелось не просто находить баги, а самой создавать что-то красивое и полезное :)

Сначала я прошла несколько курсов по HTML, CSS, JS, но чувствовала себя неуверенно, поэтому решила поискать курс, который не просто учит основам, а даёт реальные знания, которые действительно пригодятся в работе.

Мой выбор пал на курс Frontend, так как мне понравилось содержание курса. Подкупило то, что курс обещал дать все навыки, которые необходимы для выполнения повседневных задач. Свою роль сыграли и качественные видео на Youtube, в которых преподаватели рассказывали полезные вещи доступным языком.

Сейчас, когда я занимаюсь на этом курсе, могу смело сказать, что здесь дают именно то, что обещают в описании. В лекциях очень много полезной информации, которой нет в других учебных материалах, а подача материала чёткая, без воды — сразу видно, что лекции тщательно подготовлены.

Задания нетривиальные, некоторые из них вызывают у меня сложности, но я стараюсь бороться до победного и многому учусь по ходу. Мини-проекты разработаны так, чтобы в каждом из них мы применяли полученные в модуле знания. Благодаря им я преодолела страх перед написанием кода с нуля.

Сейчас я больше уверена в своих знаниях и думаю, что на своей первой работе в роли frontend-разработчика буду успешно справляться с задачами и приносить пользу.

Желаю всем нам удачи на этом нелегком, но интересном пути становления профессиональными разработчиками!

Во фронтенде я не новичок, хотя по этой специальности никогда не работал. Моя работа была связана с закупочной деятельностью в сфере производства бытовой техники — никакого IT.

Фронтенд несколько лет был моим хобби: я самостоятельно изучал веб-разработку, начинал с курсов, потом занимался самостоятельно по статьям, книгам и обучающим видео. И, конечно, активно практиковался в создании собственных проектов, в том числе и на React*.

На рекламу курса Frontend наткнулся случайно. Зацепил необычный заголовок «Курсы для мидлов». Мне стало интересно, чему можно научить мидла. Начал смотреть программу курса, выяснилось, что он очень обширный и затрагивает множество тем, не относящихся напрямую к фронтенду, но с ним связанных, с которыми я не был знаком. Поэтому и решил записаться на курс.
Начало обучения оправдало мои ожидания. Разработчики курса очень основательно подошли к делу — это относится и к платформе, и к организации процесса, и к содержанию лекций, и к поддержке в Slack. В этом смысле karpovꓸcourses порадовали серьёзностью и вниманием к мелочам (которые на самом деле не мелочи).

Оборотная сторона этого — цена курса. Он не из дешёвых, но своих денег стоит. Стандартный набор фронтендера — это HTML, CSS, JavaScript и какой-нибудь фреймворк. Здесь же, помимо этого, рассказывают, как устроен интернет в целом и какие протоколы на каких уровнях используются. Также рассматривают CORS-запросы, dns и ресурсные записи, хостинг, настройку серверов, вопросы безопасности, бэкенд на Firebase и многое другое. Причём всё это достаточно подробно!

Лично для меня самой трудной темой был и остаётся TypeScript. Здесь предстоит ещё много работы.
В дальнейшем хочу сменить сферу деятельности — мне нравится веб-разработка, чувствую, что это моё. И я думаю, что курс мне в этом поможет.

По своим ощущениям, до курса я был слабеньким джуном, хотя уже работал разработчиком.

Проработав полгода в компании, не ощутил собственного роста как специалиста, поэтому решил пойти учиться. Увидел рекламу курсов, зашёл на сайт и увидел знакомое лицо — это был Дмитрий Безуглый. Я знал его, так как он отбирал фронтендеров в ВКонтакте на стажировку. Зная, какие люди преподают на курсе, я решил записаться.

Радовало, что компания оплатила обучение, но спустя месяц я понял, что, в случае чего, готов оплатить курс полностью самостоятельно.
На курсе было затронуто множество интересных тем, которые я не использовал на своей основной работе: тёмная и светлая тема, админка, nginx, nextjs. Были также темы, которые требуются для прохождения собеседований: как браузер рисует страницы, cors, куки, кэш.

Самыми сложными оказались уроки Антона Резника про работу с сетью, tcp/ip и т. п. Как мне показалось, их можно только зазубрить.
Иногда возникали проблемы с платформой, но ребята из поддержки помогали их решать.

Самым важным для меня было получить опыт работы с новыми технологиями для проектов и теоретические знания для прохождения собеседований.
Полученные знания пригодились на работе — использую фишки из курса как в своих проектах, так и на code review других ребят из команды. Могу обсудить какую-то тему с тимлидом, при выборе технологий в команде могу также предложить альтернативный вариант, основываясь на полученном опыте и советах преподавателей. Теперь на текущей работе планирую дорасти до middle разработчика, курс явно дал всё необходимое для этого :)

Единственный курс по фронтенду, где учат на реальном проекте правильно применять современные технологии разработки по мере их необходимости.

Преподаватели — реальные тимлиды и разработчики из ВК, могут на пальцах объяснить сложный материал, рассказывают все по делу и тут же показывают на живом примере — программу обучения очень круто продумали и реализовали.

Теоретические моменты, само собой, присутствуют, но они подаются по мере надобности и не навевают сон. И самое главное, я ни разу не задал себе вопрос: «Зачем мне это нужно знать?».

От курса пока только одни положительные эмоции. Рекомендую всем, кто готов серьезно начать заниматься фронтенд-разработкой, а не просто изучать javascript.

Я пошла на курс по Frontend-разработке, потому что понимала, что сейчас мало знать только HTML, CSS и JS. Мне хотелось изучить всё более подробно и понять, какими инструментами должен владеть разработчик. Я решила, что никто не расскажет об этом лучше, чем практикующие специалисты, и не ошиблась!

На курсе подробно и последовательно объясняют материал. Очень много практики и заданий абсолютно разных форматов, которые помогают усвоить полученные знания. Ещё считаю очень важным то, что после каждой лекции есть ссылки на дополнительные источники информации, чтобы можно было более подробно ознакомиться с какой-либо темой. Также хочется отметить, что всегда есть возможность обратиться с вопросом в чат поддержки. Ребята всегда отвечают очень быстро.

Впечатления только самые лучшие, учиться очень интересно!

Откровенно говоря, у меня биологический бэкграунд, но после знакомства с биоинформатикой я загорелся разработкой (особенно всем, что связано с вебом).

Было страшно, что курс окажется слишком сложным, но все равно записался. Конечно, над каждым уроком приходится посидеть, но это того стоит!

Курс очень нравится по многим причинам. Особенно хочу отметить системный и целостный подход. Здесь не говорят, что «без этого стека вас не возьмут на работу», а объясняют, зачем это нужно, и раскладывают все по полочкам. Ну, а самое крутое — учат именно фронтенд-разработке, т. е. не просто верстать сайты, а верстать, тестировать, деплоить и т. д. :)