Отзывы о курсе «START ML»

>ИСТОРИИ НАШИХ ВЫПУСКНИКОВ>
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