Отзывы о курсе «START ML»

>ИСТОРИИ НАШИХ ВЫПУСКНИКОВ>
  • До курса был опыт работы 20 лет, основная специализация — оптимизация SQL-запросов для MS SQL Server. Выбрал этот курс, чтобы получить качественную базу и убрать пробелы после самостоятельного изучения ML.

    Курс в целом супер. Многократно превысил мои ожидания. Конечно, есть и недостатки, но ничто не совершенно в этом мире.

    Блок по Python изложен божественно (возможно, сам блок несложный), блок по классическому ML отличный и изложение почти такое же отличное, как в блоке по Python. Также отдельная благодарность за объём охваченной информации в блоке по DL. Блок хоть и ознакомительный, но отдельно Deep Learning можно изучать хоть год, если не больше, и ознакомительный характер тут идеален. По блоку статистики мои ожидания (завышенные) не оправдались, но тут я был уже избалован курсом Анатолия Карпова на Степике. Блок хороший, раскрыл ключевые вещи. Также в блоке по прохождению собеседований понравились уроки по алгоритмам.

    Из плюсов ещё хочу отметить отличную поддержку, за это отдельное огромное спасибо! Чувствовалась прямо поддержка и заинтересованность, ребята всегда давали много информации, а не просто делали свою работу «на отстань», как частенько бывает в жизни. В общем, я просто в восторге!

    После курса почувствовал себя, как Нео в «Матрице», когда он сказал «я знаю кунг-фу». Мой уровень понимания ML вырос на порядок.
    ЭДУАРД, ОПТИМИЗИРУЕТ SQL ЗАПРОСЫ
    Студент апрельского потока
  • Работал продуктовым аналитиком. Общий стаж работы в IT до начала обучения был 9 месяцев. Выполнял задачи по стриму продуктовой и маркетинговой аналитики.

    Пришел на курс, чтобы расширить свои знания и возможности в аналитике, в том числе чтобы поработать над созданием предикативных моделей. Возможно перейти в ml полностью.

    Потрясающий курс с максимально широким охватом все тем из перечня. Не простой темп, который довольно сложно совмещать с фулл тайм занятостью. Эмоции только положительные

    В конце курса подтянул харды, расширил экспертизу в data science, повысил Грейд до middle+, получил оффер на 35% выше текущего оклада и работу над более интересными задачи в сильной команде

    Алексей Кожарин — лучшего преподавателя по python я не встречал в русскоязычном пространстве! Спасибо за блок с алгоритмами отдельно. Никита Табакаев — супер доступные объяснения математики и принципов работы алгоритмов. Теперь тоже часто говорю «чиселки»))

    Алексей Биршерт — не представляю, как удалось тебе столько тем уместить в блок по DL, но спасибо огромное, что всё собрал в одном месте! Эмиль Каюмов — супер блок по статистике. Не знаю, сколько часов уходит у людей без бэкграунда на прохождение блока, но даже с опытом в ab-тестировании скучно не было ни разу!

    Нерсес Багиян — вечная поддержка по ходу курса. Спасибо, что делился своим мнением о карьере и будущем DS на вебинаре!

    Отдельная благодарность Алексею и Нерсесу за открытость и личную помощь в консультации по рабочему вопросу вне темы курса!
    СЛАВА, ПРОДУКТОВЫЙ АНАЛИТИК
    Студент апрельского потока
  • До начала обучения я работал ведущим бизнес-аналитиком в Магните, писал скучные запросы в SQL, делал скучные таблицы в эксель. Учился в скучной магистратуре «Прикладной анализ данных». Пошёл на курс, потому что хотелось получить какой-то буст в знаниях ML и статистики.

    Курс местами слишком быстрый, но если оценивать программу и знания, то это точно самый лучший курс в сфере анализа данных и ML на русском языке, который я видел (а я видел многие). Каждый модуль и каждый преподаватель дал мне что-то новое — особенно хотелось бы отметить, что абсолютно все вещи в курсе объясняются максимально эффективно, полезно и в максимально прикладном ключе, чего везде часто ооооочень не хватает.

    Одновременно с обучением я проходил много собеседований и в итоге перешёл работать продуктовым аналитиком в Яндекс.Лавку. Но из-за загрузки на работе не смог нормально закончить курс и получить сертификат :) Курс оставил только положительные впечатления, обязательно когда-нибудь посмотрю все видео.

    Напрямую с ML сейчас моя работа не связана, но очень помогают в текущей работе знания Airflow и статистики.
    ДМИТРИЙ, БИЗНЕС-АНАЛИТИК
    Студент майского потока
  • 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! :)
    КОНСТАНТИН, ИНЖЕНЕР
    Студент апрельского потока
  • 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.
    АНТОН, ПРЕПОДАВАТЕЛЬ ЭКОНОМИКИ И СТАТИСТИКИ
    Студент майского потока
  • 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.
    АНОНИМНО
  • 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.
    ТИМУР, ТЕПЛОЭНЕРГЕТИК
  • 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!
    ЕЛЕНА, BI-АНАЛИТИК