Онлайн курс Start ML от Karpov Courses
За время прохождения программы вы научитесь разрабатывать приложения на Python, освоите основы объектно-ориентированного программирования, познакомитесь с библиотеками для анализа данных и машинного обучения: pandas, numpy, matplotlib, seaborn, scipy, sklearn. Разберёте синтаксис SQL, научитесь составлять запросы к базам данным и начнёте работать с SQLAlchemy.
Помимо этого, вы познакомитесь с основами backend-разработки и фреймворком FastAPI, научитесь использовать Git для версионирования приложений и работы над проектами, начнёте применять Airflow для автоматизации регулярных задач. Узнаете классические ML-алгоритмы и научитесь строить ML-модели для решения задач регрессии, классификации и кластеризации.
Также на курсе вы получите опыт применения продвинутых ML-моделей на основе градиентного бустинга (CatBoost, LightGBM, XGBoost), познакомитесь с нейронными сетями и библиотекой PyTorch, научитесь проводить A/B-тесты и оценивать влияние ML-моделей на продукт.
В целом курс мне понравился, но как и везде есть свои плюсы и минусы. Так как я уже был знаком с Python и статистикой, блоки по разработке и АБ тестам не являлись для меня очень полезными, но это не минус школе, материал вполне достойный, для старта начинающим должно хватить. Блок по Машинному обучению вызывал только восторг. Никита Т. и этот блок — это огромный жирный плюс этого курса. Никита очень доступно объяснял каждую тему, уроки шли последовательно, из одной темы мы плавно перетекали в другую и, что мне очень понравилось, преподаватель давал мотивировку и доступно объяснял на примерах что, зачем куда и почему. После лампового и доступного идет совсем не радужный блок по DL, который мне совсем не зашел. Ждал его очень сильно, но то ли преподаватель не зацепил, то ли материал показался непроработанным, то ли сама тема довольно-таки сложная и я уже подустал. В общем, хоть и говорится, что этот блок просто обзорный, после прохождения осталось ощущение, что я ничего не выучил и ничего не понял. В целом курсу спасибо, свою задачу он выполняет. Понятное дело, что в 6-7 месячный курс невозможно засунуть все, в любом случае нужно самостоятельно искать доп. информацию, благо есть саппорт, который может помочь с вопросами. Считаю, что после курса вполне реально найти работу, если действительно у вас стоит такая цель (у меня такой цели не было). Дорогу осилит идущий…
Обучалась дистанционна впервые. Учебный материал изложен доступно, объёмно, интересные видеоматериалы.
Очень удобно прохождения тестирования - сразу же получаешь оценку. Самое главное, что учиться можно в удобное для себя время, не прерывая свою трудовую деятельность.
Обучение удобное, позволяет сохронять себе информацию для последующего использования в работе.
Большое Спасибо организаторам, экспертам и кураторам Карпов курса❤️👍🏻
Мой уровень понимания ML вырос на порядок
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.
На курсе понял, что не боюсь этой сферы
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.
Спасибо за такой качественный контент!
На данный момент я работаю в сфере телекоммуникаций на должности руководителя направления, мы занимаемся планированием сетей связи. До этого училась в техническом ВУЗе, так что математическая база изначально у меня была.
Мне захотелось сменить сферу деятельности, поэтому стала смотреть, что предлагается на рынке онлайн-обучения. Выбирала между многими школами и остановилась на karpov.соurses, потому что вы специализируетесь на Data Science и меня привлекла такая узкая направленность. Мне кажется, DS — очень крутое направление. Это то, что нас уже окружает: от рекомендательных сетей и банковского скоринга до нейросетей, которые генерируют изображения и убирают шум с аудиодорожек. Я уверена, что в будущем в очень многих сферах эти технологии будут использоваться и спектр применения очень широк уже сейчас.
Курс мне в целом понравился, он хорошо структурирован, очень много материала охвачено: от очистки данных и визуализации до Machine Learning и Deep Learning. Задания в блоках были сложными, но преодолимыми, я многому научилась методом проб и ошибок. Мне субъективно кажется, что при общении в DS-коммьюнити я всегда понимаю, о чём идёт речь в разговорах на ML-темы. Иногда я вижу решение вопроса, который ребята задают, например, в чатах, потому что мы это разбирали в курсе. Мои самые любимые блоки — это Python и «Основы машинного обучения». В них было очень много интересных нюансов, например, в блоке Python — работа с Git, Airflow и SQL; в модуле по МО были подробно разобраны все основные алгоритмы и много фишек по обработке признаков. Очень классно, что был обзор Deep Learning: можно теперь применять Трансформеры в соревнованиях.
Я пока не начала искать работу в сфере DS, но в ближайшее время собираюсь это сделать. Также планирую воспользоваться помощью рекрутеров karpov.соurses. Для меня этот курс был вводным в новую специальность, и этим летом я планирую поступать в магистратуру ИТМО по направлению «Искусственный интеллект», потому что хочу дальше развиваться в этой сфере.
Отдельное преимущество курса — это коммьюнити. Во время учебы я подружилась с однокурсницей, и теперь мы регулярно общаемся и встречаемся на дата-ужинах, которые устраивает Open Data Science.
Спасибо за такой качественный контент! Хотелось бы больше поддержки во время выполнения финального проекта, но в целом курс получился очень крутой.
Хочу дать совет тем, кто начинает: в учёбе главное — привычка. Мне помогло чёткое следование расписанию занятий. Так легче было садиться за выполнение заданий и проще дойти до конца. Я училась 6 дней в неделю минимум по часу и старалась придерживаться этого расписания, даже если отставала из-за отпуска и больничного.
Отдел продаж будет строчить каждый день, чтобы склонить к оплате курса — дальше всем все равно. Хоть какой-то отдел у них работает хорошо.
Перенести время учебы можно бесплатно на 2 месяца, далее будет стоит 5000 рублей за каждый месяц.
Человеку, который работает 12—15 часов в день, точно не на этот курс. Я работаю по такому графику и часто приходится в командировки ездить.
Человеку с нуля не хватит 10 часов в неделю, как говорят. Первые задания выполняются легко, за день можно сделать больше половины, оставшиеся задания затягиваются на дни. Урок новый открывается, а ты еще два предыдущих не успел сделать.
В чате сидят в основном те, кто уже в программировании шарит. Те, кто с нуля, скорее всего, просто молчат.
На курсе 100 человек. Куратором все равно. Никто не контролирует прогресс. Только ты сам.
Спрашиваю у команды какая доходимость курса — ответили, что 50% . Никто не спрашивает нужно ли помочь, хотя видят, что человек в какой-то момент остановился. А таких явно много.
110 тысяч оплачено сразу. И честно, максимально жалею о решении. Благо своему другу рекомендовать курс не стану.
Курс подойдет тем, у кого есть финансовая подушка, кто вообще не работает и может часами учиться. Либо тем, кто уже понимает в программировании и английском и может разобраться быстрее новичка.
Жаль, что не выбрал другую школу.
Данный курс помог мне поднять свои знания на качественно новый уровень. Вложенные средства отбились при первой же зарплате на новой работе.Достойных аналогов я не нашел. Вряд ли какой-либо курс может предложить такой преподавательский состав.
Безусловно, преподаватели, которые являются профессионалами своего дела и делятся опытом и наработками. Это делает данный курс уникальным на фоне остальных.У курса есть свой YouTube канал, где разжевываются многие сложные моменты, а оперативная обратная связь помогает справляться с ними.
Недостатки были решены по ходу курса. К сожалению, из-за новизны они неизбежны. Остались разве что опечатки.Для успешного прохождения необходимы минимальные знания Python и SQL, но это не является недостатком данного курса.