Симулятор Data Science == |

Закончил бакалавриат Университета ИТМО по направлению «Физика наноструктур». Удалось немного поработать исследователем, выпустить статью, но это продлилось около полугода. На первом курсе магистратуры начал понемногу втягиваться в область анализа данных.
До симулятора уже был опыт прохождения различных курсов по машинному и глубокому обучению.

На симулятор я решил пойти, поскольку на предыдущих курсах мне казалось, что все задачи как бы немного оторваны от реальной работы ML-инженера, а в симуляторе как раз должны были быть реальные кейсы, по сути, как стажировка. И это оказалось правдой :)

Но всё же основной мотивацией было желание пополнить своё портфолио интересными задачами и проектами, о которых было бы не стыдно говорить на собеседовании. Рад, что это удалось сделать :)

Симулятором остался очень доволен. Понравилось, что задачи разделены по уровням и ты сам выбираешь, какую задачу тебе решать. Больше всего понравились задачи уровня Hard, так как это многосоставные задачи с некоторым сюжетом, которые приходилось делать несколько дней, а то и несколько недель. Например, задача предсказания оттока, где нужно не просто построить модель, но и провести целый ETL-пайплайн с дальнейшим feature-инжинирингом. Или взять задачу о неуверенности моделей (boosting uncertainty), где нужно прочитать статью и самому имплементировать виртуальный ансамбль, который позволяет оценивать уверенность предсказаний. От решения таких задач получаешь удовольствие :)

Но и из задач уровней Easy тоже получилось извлечь много полезного: это и построение асимметричных метрик, работа с SQL, обработка данных с помощью библиотеки pandas, работа с регулярными выражениями и т. д. В общем, я уверен, что каждый для себя сможет найти в симуляторе что-то полезное, будь он новичок или уже специалист.

Удалось пополнить своё портфолио интересными задачами. Наконец-то разобрался в бутстрапе, так как ему было уделено много задач. Сильно прокачал SQL, особенно оконные функции. Научился делать парсинг данных с помощью библиотек Python. В целом прокачались навыки написания кода на pandas и numpy, что позволяет уверенно выполнять тестовые задания.

Очень радует, что разработчики симулятора поддерживают связь со студентами и принимают во внимание их пожелания по задачам. Также выражаю большую благодарность преподавателям и кураторам, которые помогали, если задача ставила в тупик.

До симулятора коммерческого опыта в мл у меня не было (за исключением решений небольших задач классификации в качестве продуктового аналитика), я окончил курсы СтартМЛ и ощутил потребность соединить полученные знания и навыки воедино. Тут начинается история с симулятором: больше всего меня впечатлили многообразие задач и освоение новых технологий и доменных областей в режиме сторителлинга. Польза громадная: достаточно было трех-пяти решенных задач, чтобы ощутить, как выросло качество написанного мною кода. Порой задачи в симуляторе были куда соблазнительнее, чем рабочие задачи, поэтому приходилось себя дисциплинировать, чтобы не объесться на этом празднике шведского стола.

На одном собеседовании мне попалась задача по метрикам ранжирования, которую я уже решал в симуляторе: по обратной связи я был чуть ли не единственным, кто смог назвать метрики ранжирования и реализовать функцию.

Спасибо огромное за создание симулятора мл: думаю, ближе к концу июня приобрету полугодичную подписку)

По образованию я архитектор. На работе разрабатывал крупные проекты в центре Москвы. Прошел курс по DS в Практикуме. Опыта работы в DS нет.
После прохождения курса не хватало практики. Как обычно, стоял вопрос, где её получить. Пет-проект по анализу стандартных датасетов казался слишком посредственной задачей. Да и вряд ли она поможет в трудоустройстве. В симуляторе же представлены реальные задачи, есть возможность погрузиться в конкретную задачу/тему/проблему. Казалось (и до сих пор есть это ощущение, хотя не прошёл его до конца), что это лучший инструмент для практики!

При работе с симулятором проходишь через богатый спектр эмоций: воодушевление, страх, отрицание, гордость, любопытство, удивление, принятие, уверенность.
Самое интересное и мотивирующее, что симулятор постоянно развивается. Очень активное и отзывчивое коммьюнити. Пул задач регулярно расширяется, добавляются новые интересные вызовы.

Симулятор дает большую уверенность в своих знаниях и силах. Он позволяет «пощупать» реальные задачи на практике и они уже не кажутся такими страшными и сложными :)

Влияние на карьеру сложно оценить на данном этапе, так как я всё ещё в процессе поиска первой работы. Но получение нового полезного навыка всегда лучше, чем его отсутствие.
Спасибо ВАМ (привет Богдан)) большое, за возможность получить такой интересный инструмент! И бесценный опыт!

Я хотел получить практический опыт в индустрии e-commerce, чтобы работать с маркетплейсами. Знал, что авторы курса имеют немалый опыт в индустрии, и поэтому решил записаться. Задачи в демо показались интересными, был уверен в опыте Валерия и Богдана, доверял бренду karpov.courses, так как уже проходил курсы Анатолия и применял знания на практике.

Меня впечатлила обратная связь. При возникновении проблем в большинстве случаев поддержка оперативно помогала и давала подсказки. Ещё один большой плюс — канал с полезными ссылками. Также понравилось, что постоянно собирают фидбек для улучшения платформы. В общем, спасибо персоналу, всем советую платформу за такую поддержку.
Погружаясь в задачи, узнаешь много интересного. Сейчас использую в работе некоторые наработки.

Получил опыт решения задач по bootstrapping, углубился в специфику. Также научился писать запросы с оконными функциями — теперь не боюсь никаких запросов, а вероятность успешного прохождения интервью увеличилась процентов на 35%. В целом теперь чувствую себя увереннее в работе.

Мои благодарности поддержке платформы, снимаю шляпу перед ними. Если качество поддержки останется на том же уровне, буду готов пройти все курсы на платформе.
Спасибо Жене Орловой, Лаврентию, Авелю и Богдану!