Ужасно
Я настоятельно не рекомендую данный курс. Все его материалы были записаны примерно три года назад, и нет никакой возможности общаться или взаимодействовать с преподавателем. Они просто проверяют домашние задания, а поддержка обычно отвечает, что нужно искать ответы в поисковике. Утверждение о 84% трудоустроенных явно неверное. В группе только выкладывают вакансии, и это все, на поддержку рассчитывать не стоит. Я считаю, что этот курс не стоит своих денег. Он в целом не стоит никаких денег

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.

Про 84% ложь, в конце курса с вами просто час пообщается HR менеджер проверит ваше резюме, поможет исправить его, скинет кучу файлов, в которых мало информации, а половина ссылок не работает. Посоветуют накрутить опыт (сам курс как опыт типа) и на этом вся помощь кончается.

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.

Курс — бомба
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.

Курсом осталась очень довольна
Я записалась на курс Data Engineering после неудачного опыта обучения в другой школе. Моё терпение лопнуло и я пошла доучиваться, а на деле переучиваться.
По образованию лингвист. До того как решила вкатиться, отработала 6 лет репетитором английского. Захотелось получить навыки, которые позволили бы релоцироваться по рабочей визе, получать стабильный доход и не оказаться выкинутой с рынка труда очередным мегаобразовательным стартапом. Ещё привлекла возможность решать сложные задачи, ржавеющие мозги — явление малоприятное.
Так что в учебе было больно, тяжко и сложно. До этого что-то читала по аналитике и пыталась делать мини-проекты, но опыта в IT не было вообще никакого, только базовые знания по Python и SQL. Это был путь сплошных ошибок — бурной мотивации и дофаминовых всплесков не было, на это я даже не надеялась. Очень часто отзывы пропитаны энтузиазмом с пафосными фразами типа «влюбился сразу». Это совсем не про меня — выбирала направление прагматично, настоящий интерес появился уже ближе к концу обучения, до этого полагалась на дисциплину и чёткую цель. Сейчас кайфую, так что если вы вдруг начитались нашедших себя и не испытали особого душевного подъёма от учёбы после нескольких недель — не спешите бросать, вспомните, зачем вам это надо.
Курсом осталась очень довольна — было сложно, узнала много нового. Особенно зашли модули по куберу и DWH. Хотелось бы только больше развёрнутого фидбека и практических задач. Больше всего рада, что мне помогли найти работу. Только помощь не подразумевает, что за вас сделают всё — вам помогут, но откликаться надо будет самим. Я изначально понимала, что в эмиграции и без опыта мне дата-инжиниринг не светит: таковы были реалии мирового рынка на март этого года. Но за 6 месяцев активного поиска устроилась дата-аналитиком в международную компанию. А с опытом в аналитике уже можно будет перекатываться в инженеры.
Так что курс рекомендую, потому что он очень насыщенный и актуальный, а помощь карьерного центра — не просто маркетинговая уловка.

Знания пригодились как на собеседованиях, так и в самой работе
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.

Еще обучаясь на курсе, выиграл свой первый хакатон
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!

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.

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.

Это была пушка-бомба ракета!
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:
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!

Курс проходится довольно быстро и легко
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.

Курс понравился
Экономист по образованию, работал 8 лет в одном и том же банке, как окончил универ. Изначально работал кредитным инспектором, андеррайтером, оценивал всякие дорогие машины и дома в залогах, выезжал на бизнес клиента — лесопилки, молочные фермы… В общем такая неинтересная банковская специфика. Ещё писал роботов на RPA, чего только не делал :)
Потом постепенно перешёл в аналитику (от VBA/Excel до ML/PySpark), так как хотелось автоматизации и ухода от рутины + благодаря прошлому опыту неплохо понимал устройство банковской сферы и слабости/возможности наших продуктов. Считаю прикладной опыт в области более важным, чем хард скиллы (с оговорками, конечно). Последние полтора года работал лидом небольшой команды аналитики в том же банке.
Проводил A/B-тесты на работе, но больше со стороны бизнес-заказчика, без возможности технической реализации. При этом по своей инициативе писал Python скрипты для проверки «соседей», пытался разобраться в специфике. Много всего смотрел, читал даже «Trustworthy Online Controlled Experiment», но почти не понимал, как это применить в жизни. Теперь после симулятора — думаю, что понимаю. Конечно, в реальности всё гораздо сложнее :)
Недавно пришлось покинуть организацию, появилось свободное время + зарубежные компании требуют этот навык. В wait листе на курс был давно, но продвинутую, к сожалению, так и не дождался. Теперь думаю и её приобрести, когда появится.
Самое главное — это структура! На этом уже можно закончить :)
Десятки ранее просмотренных видео, сотни часов контента (без преувеличения) не давали такого ощущения, что всё по полочкам. Примерно до 12-го урока я прямо «преисполнялся в знании», что всё получается, всё могу. Писал бывшим коллегам в стиле «вон оно как!», советовал. Два предпоследних урока немного тяжелее пошли, планирую вернуться к ним, закрепить. Старался каждое занятие переводить формулы из таблиц в Python скрипты, что вызывало эйфорию, когда все сходилось. И это даже лучше, чем если бы дали готовое решение.
Получается, что прошёл симулятор за 5 дней (я и отдыхал, если что). Но оговорюсь, что до этого очень много смотрел ваши видео и читал прочих хаброписцев. Был западающий момент, когда на конференции показывают, например, ту же CUPED, но тяжело продраться через формулы, перематываешь обратно туда-сюда, вроде бы понял, а как проверить? А у вас посмотрел формулы и понимаешь, что абсолютно ничего сложного в этом нет (кстати, хотелось бы понять разницу между курсом и жизнью).
Планирую дать посмотреть курс супруге (она что-то около продакта/проджекта). Она «с нуля», и очень интересно, что она скажет.
Спасибо преподавателям, не было желания Вас перематывать (sic!) :)
Александр показался очень компетентным и, я бы сказал, человечным, говоришь с ним на одном языке. Боялся математики, а там так все разжёвано, очень доволен! Все недостатки расписал ранее в отзывах к урокам.

Вы делаете очень крутой продукт
Спасибо вам, что делаете такие клёвые задачи!
У меня уже давно такого не было, чтобы я решал задания из онлайн-курсов (обычно покупаешь курс и потом забываешь о нём, если никто не трогает и не напоминает).
А тут я сам от себя в шоке: у меня огромное желание решать задачки без всяких напоминаний.
Вы делаете очень крутой продукт.

Интересный опыт
В IT и в разработке я давно. Больше 10 лет опыта в 1С. В последние 2 года переключился в Data Science. Сейчас работаю в роли DS над созданием рекомендательных систем в ритейле.
A/B-тесты давно не давали мне покоя. Коллеги в индустрии говорят об их важности. В вакансиях отмечают пунктом «должен уметь». Но в сети практически нет последовательных материалов как разобраться в этой теме. Читал статьи, смотрел видео, а картинка «как именно делать по шагам 1-2-3» так и не складывалась.
Симулятор как раз закрыл этот пробел. Буквально на пальцах объясняется «что делать», «как делать» и «почему делать». Без лишнего углубления в математику. После симулятора у меня сложился пазл в голове. Прочитанные раньше статьи и просмотренные видео встали на свои места.
Как делать дизайн эксперимента, на что обращать внимание
Как правильно делить пользователей на группы
Как проводить А/А и А/B симуляции перед самим тестом, и почему этот шаг нельзя пропускать.
Как контролировать ошибки I и II рода, и как убедиться, что мы их контролируем
Как правильно оценить время и размер групп для эксперимента
Как статистически обосновано принять решение, что группа B лучше, чем группа A, или не лучше.
Как правильно тестировать конверсии, средний чек и в чем там подвох И еще много других «Как».
Прикольно, что сначала очередную идею доносят без кода на Python в простых табличках. Меня это даже сначала оттолкнуло. Зачем? Я же не буду в Excel считать?! Даже часть заданий я все равно сделал, написав код :) #Яжепрограммист.
Но это оказалось интересно. Не отвлекаясь на код, я понял суть и порядок шагов. А дальше уже докинули и шаблоны кода на Python, и задания попрактиковаться. Так что к пазлу в голове у меня добавились и шаблоны кода для внедрения.
Сейчас работаю над тем, чтобы применять эти навыки у себя на работе и привнести культуру правильных A/B-тестов в наши проекты.

Хороший разбор и удобная собственная платформа для тестов
Я закончила НИУ ВШЭ 2,5 раза: прервала свой университетский путь посреди аспирантуры :) Сейчас работаю там же на исследовательской позиции, мы занимаемся экспериментами.
Коллега нашла этот курс и посоветовала мне. Все мы когда-то слушали лекции Анатолия на Степике :) На тот момент я планировала подавать резюме на продуктовые вакансии, поэтому для меня программа оказалась актуальной.
Хороший разбор на пицце, удобная собственная платформа для тестов. Объяснения в тексте понятные, я много конспектировала. Я получала удовольствие даже от решения простых задач. Как ни странно, понравился финальный тест — было ощущение прохождения босса.
Теперь могу написать в резюме, что разбираюсь в А/В-тестах на базовом уровне. Планирую перепройти курс ещё пару раз, когда будут конкретные задачи на работе, поэтому благодарна, что доступ к нему не закрывается.

Симулятором остался очень доволен
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 middle, 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 intern и junior 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.

Впечатления от программы очень положительные
Я учился в МГТУ им. Н. Э. Баумана, проходил курсы на Stepik «Основы статистики» (2 первые части), «Программирование на Python» от института биоинформатики и на DataCamp курс по SQL и по Python.
В karpov. courses проходил программы «Аналитик данных» и Симулятор аналитика. Первая работа аналитиком была в бэттинге/гэмблинге, работал там с бонусными акциями, удержанием юзеров. По большей части работал с PowerBI, SQL: строил дашборды, немного обрабатывал данные. Python использовал по своей инициативе для обработки данных, автоматизации процессов и редко для обработки А/B-тестов До недавнего времени работал в Почте России. Инструменты схожи (PowerBI -> QlikSense), задачи в целом тоже близки, только работал с маркетплейсами.
На работе не так часто применялся Python, и появилось такое ощущение, что он потихоньку забывается. Думал между StartML и Симулятором. Выбрал в итоге Симулятор, так как хотелось попробовать прорешать что-то околореальное, да и ребята в чате сказали, что, если знаешь фит-предикт, то можно пробовать.
Впечатления от программы очень положительные. Приятно работать не с чем-то абстрактным, а будто с реальными задачами, с которыми может столкнуться человек на работе.
Очень понравилось, что проверяется не только работоспособность кода, но и его структура и скорость выполнения. Стоит сказать ещё, что сообщество курса очень живое.
На данный момент смотрю на свой ранее написанный код иначе: вижу то, что можно исправить, улучшить. На настоящей работе, к сожалению, не особо получается знания применять, но получилось оптимизировать некоторое количество функций. Топовый симулятор, команда шикарна. Единственное, что хотелось бы улучшить — скорость ответа поддержки в дикорде.

Симулятор дал большую уверенность в своих знаниях и силах.
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!

Огромная благодарность всей команде
Я закончил Санкт-Петербургский Железнодорожный Институт (ПГУПС) по специальности «Инженер путей сообщения». После этого работал в исследовательском институте, который занимается проектированием метро и тоннелей. Последние 5 лет работал в должности главного специалиста и вёл авторский надзор во время строительства новых станций московского метрополитена. Всего участвовал в пуске 13 станций метро
Основная мотивация была в том, чтобы получить знания и навыки, максимально приближенные к реальным, и получить преимущество перед другими кандидатами. А также посмотреть, как теория воплощается в практические вещи, приносящие деньги и пользу бизнесу.
Первые задачи, которые я открыл, были уровня middle. И это меня слегка повергло в шок: неужели я научусь и смогу решать подобные задачи?! Потом начал решать задачи интерна, быстро перешел к джуну. Постепенно моя уверенность в своих силах росла, сейчас я уверен, что скоро и мидловские задачи мне покорятся. Также нравится разнообразие задач. С одной стороны я могу составить под себя «трек» с задачами, которые мне сейчас наиболее релевантны, а с другой — могу нарешать разнообразные задачи, что даёт преимущество на старте карьеры.
Я прошел mock-собеседование у Богдана. Это для меня уже достижение :) Надеюсь, это поспособствует получению оффера.
Хотелось бы выразить огромную благодарность всей команде. С кем мне доводилось контактировать — все лапушки. Мне бы хотелось работать в такой тёплой команде, где все помогают друг другу.

В целом, обучением очень довольна
Помимо обучения, мне сыграл на руку опыт. Я 10 лет работала UI-developer (верстальщиком) в международной компании, текущий грейд Lead. Был большой опыт разработки интерфейсов с базовой логикой, динамических прототипов, дизайн-систем.
На курс пошла, чтобы развиваться в сторону фронтенд-разработки. После курса искала работу сначала на hh, потом переехала и переключилась на LinkedIn и Glassdor. Но везде казалось, что до мидла я не дотягиваю, было страшно позориться. А идти на позицию джуна с моим опытом как-то несерьёзно.
Один раз обращалась в карьерный центр. HR помогли скорректировать резюме, так как у меня неоднозначная ситуация с грейдом и специализацией. Дело в том, что на прошлой работе я стала лидом, но обычно верстальщик – это Junior Frontend-разработчик. Но больше ничем особо помочь не могли, я была у них первый фронт😅 В итоге написала своим бывшим заказчикам из Германии, с которыми работала на аутсорсе как верстальщик, но теперь на позицию фронтендера. Прошла небольшое техническое собеседование по React* и JS. Выполнила тестовое задание на React* с авторизацией, контекстом, тестами. Курс очень помог с ним справиться :)
На работу я вышла только в январе, но знания с курса уже применяю, так как работаю с React* и Material UI. Сам курс всё ещё пересматриваю иногда, а то забываю, как рыбка, то, что не использую😅 В целом, обучением очень довольна.

Я просто в восторге
До курса у меня был довольно обширный бэкграунд. Я начинала свою работу ещё на первом Angular, потом перешла на новый проект и на Angular 2. Ещё было чуть больше полугода коммерческого опыта работы на React*. В общем счёте, 6+ лет опыта работы.
У меня гуманитарная специальность, поэтому всегда кажется (и часто это действительно так и бывает), что знаний недостаточно, в некоторых областях есть пробелы. Чтобы их заполнить, стараюсь периодически проходить курсы по фронтенду.
На момент поступления на курс я уже работала в компании своей мечты, но так совпало, что вместе с прохождением курса перешла на новый проект и удивилась, насколько своевременно выходили все уроки и как они были полезны. Начиная от настройки окружения, заканчивая адаптационной вёрсткой. Темы оказались разными по сложности, что-то уже хорошо знала, что-то пришлось пересматривать много раз, но все были одинаково полезны.
Можно сказать, что увидела рекламу karpov.courses в нужное время и решила присоединиться :)
Очень понравился план курса. Охватили большинство тем, которые пригодятся каждому frontend-разработчику.
Я просто в восторге от преподавателей, уроки в записи получились очень живыми.
Круто, что регулярно проходили онлайн встречи.
В какой-то момент я очень устала от напряжения этого года и перестала успевать делать задания, но всё равно считаю, что они очень хорошо подобраны.
Иногда всё-таки бывали проблемы: например, непонятно, в какой момент пришла оценка преподавателя; были небольшие ошибки в работе LMS. Возможно, это уже исправили, но внутренний перфекционист был в замешательстве :)
Вообще, в планах на этот год перепройти курс ещё раз. Уверена, что найду ещё кучу всего полезного!
Спасибо команде! ❤️

Получил необходимые знания и навыки, которые сразу смог применить на практике
Моя компания оплатила мне курс для улучшения наших сайтов. На курс я пришел с неплохим бэкграундом по Python, но в плане веб-разработки был новичком. Я занимался в основном программированием контроллеров и созданием программ для промышленных панелей.
Также написал десктопную программку на питоне, используя библиотеку PyQt, которая анализировала работу бумагоделательных машин, считала статистику, строила графики. В этом проекте я смог применить знания от курсов Анатолия Карпова, которые прошел на Stepik.
До курса примерно месяц изучал HTML, CSS и JS. Сверстал пару макетов, но при этом использовал минимальный набор свойств CSS и тегов HTML. То есть флексы я уже использовал, а вот про гриды узнал уже на курсе. То же самое и по JS. Только начал его изучать, поэтому синтаксис ещё не выучил и при выполнении заданий приходилось гуглить, как пробегаться по списку с помощь map и подобные базовые вещи.
Конечно, я беспокоился, что курс, предназначенный для джуниоров и мидлов, окажется слишком сложным для меня и я не смогу справиться с заданиями в срок.
Однако оказалось, что мои опасения были напрасны. На курсе используется эффективный подход, который позволяет решать проблемы шаг за шагом. Уже с первых занятий стало понятно, зачем применять тот или иной инструмент. Мне понравилось, что преподаватели не торопятся показать готовые решения, а помогают понять, как всё устроено внутри. Благодаря этому стало легче решать проблемы, возникающие в процессе обучения.
Для меня большим плюсом было то, что лекции были записаны заранее, и я мог смотреть их в ускоренном темпе, быстро находя интересующие меня темы. Задания были разнообразными, иногда было сложно, но интересно.
Уже в процессе обучения я начал работать над своим первым реальным проектом
. Каждый раз, когда начиналась новая тема, я сразу же применял полученные знания в своем проекте. Это помогало глубже усваивать материал и быстрее достигать результатов.
Благодаря учёбе я получил необходимые знания и навыки, которые сразу смог применить на практике, и в результате успешно запустил проект в продакшен.
Подробнее о проекте
Моя организация построила в городе плавательный бассейн и начала выдавать бесплатные билеты для сотрудников в бумажном виде. Это вызвало ряд проблем:
1. Во-первых, билеты передавались из рук в руки и по бесплатному билету мог прийти не сотрудник;
2. Во-вторых, невозможно было контролировать загруженность бассейна, потому что люди часто приходили не к тому времени, которое было указано в билете;
3. В-третьих, было неудобно ходить за этими бумажками, а и у некоторых сотрудников появилась дополнительная работа – раздавать эти билеты.
Вот мы и сделали сайт который закрывал эти и ещё много других проблем.
Стек технологий, который мы использовали я взял из курса.
На фронте: React*, Redux, typescript, Mui.
На бэке: Django Rest Framework.
Разработкой дизайна и фронта занимался от начала и до конца сам лично. На бэке был другой парень.

После начала обучения жизнь просто понеслась
Всю мою осознанную жизнь я понимал, что хочу работать в сфере IT, но не знал, с какой стороны начать делить этого слона.
Мой первый опыт начался с обучения языку Java, но после окончания двух курсов я так и не нашел работу, потому что зарплата, которую мне предлагали, была ниже минимума, который может себе позволить семейный человек с ипотекой.
Время шло, и мысль о IT-сфере всё больше и больше зрела в моей голове. Летом 2022 года я решил, что время пришло: со слов моего очень близкого друга, который уже давно трудится в этой сфере, программист какого-либо языка должен обладать серьёзными хард скилами, которых у меня нет, а это в дальнейшем может негативно сказаться на трудоустройстве. Он предложил рассмотреть специальность аналитик данных (человек, который умеет кодить на должном уровне (код должен отработать хотя бы один раз) и при этом умеет работать головой).
Посмотрев различные образовательные курсы, я остановился на школе karpov.соurses.
После прохождения демокурса я понял две вещи:
1. Аналитика — это про меня
2. karpov.соurses помогут мне достичь моей цели.
После начала обучения жизнь просто понеслась, три урока в неделю не оставляли времени на привычное безделье и прожигание энергии в соцсетях и фильмах. Курсы по Java очень помогли понять Python. Но ребята с курса, которые ни разу не кодили, не встретили больших сложностей в усвоении материала. Как-никак лекторы рассказывают все нюансы: от простого Hello, world! до сложной агрегации нескольких таблиц с подсчётом метрик и отправкой результата себе в телеграм.
После завершения курса я перевёлся на своей основной работе на должность аналитика. Конечно, не все навыки, которые я получил на курсе, я сейчас использую в своей новой работе. Но я планирую двигаться дальше, и хороший запас знаний, который остался после курсов, мне поможет.
Всем кто решится на этот путь, пожелаю удачи, сил и терпения — да пребудет с вами Сила!!!

Считаю karpov.courses топовой платформой обучения
До курса «Аналитик данных» опыта в программировании у меня не было. Ранее сталкивался с аналитикой в дропшипинге, но это была лишь вершина айсберга. Моё образование «техническое обслуживание и ремонт автомобильного транспорта», проще говоря — механик.
До обучения в karpov.courses я работал на позиции продавца консультанта в течение последних 5 лет. Я испытывал дискомфорт от своей рабочей деятельности и натыкался на огромнейшее количество курсов по различным профессиям, но всё казалось не очень привлекательным и перспективным. Ещё летом 2022 хорошие знакомые стали рассказывать мне о перспективах IT-профессий и посоветовали karpov.соurses. Мой выбор пал именно на аналитику, это был тот профиль, который заинтересовал меня больше всего. Внушительный список задач, лекций, возможность развиваться и полная встряска для мозга — что может быть прекраснее?
Конечно, после 5 лет деградации на одном месте начинать было тяжело и, честно говоря, страшно, особенно когда слышал о загадочных Python, SQL, GIT. А от одной мысли о предстоящем прохождении блоков «Теория вероятности», «Статистика» и «Визуализация» меня бросало в панику, ведь даже в колледже математика и геометрия были тем, что я не любил больше всего.
Когда началось обучение, пришлось совмещать его с работой, было много бессонных ночей, много непонятного и шквал эмоций, но на самом деле — стоило только вникнуть поглубже, каждый новый день был для меня открытием чего-то нового, и я был рад тому, что снова не стою на месте и развиваюсь.
На курсе к моему удивлению я полюбил SQL, Python, теорию вероятности и визуализацию. Когда проходил блоки и вдруг возникали вопросы, удивляло, как преподаватели тщательно помогали во всём разобраться и донести информацию так, чтобы это стало понятно, и насколько чётко сформулированы лекции и задания. Уже к середине курса я понял, что способен решать самостоятельно продуктовые задачи, которые пару месяцев назад казались мне непреодолимой стеной, и я как нетерпеливый человек решил попробовать свои силы в рабочем процессе. Не дождавшись блока «Трудоустройство», прошёл собеседование и на данный момент работаю в Food Tech компании, где применяю весь опыт, который получил на курсе.
Я действительно считаю karpov.courses топовой платформой обучения, ведь курс помог мне открыть двери в новую жизнь, стать увереннее в себе и почувствовать себя больше, чем просто «продавцом-консультантом». Я ни капли не пожалел о том, что обучался именно здесь, так как обширное количество блоков, задач и лекций позволяют выпуститься незаменимым и востребованным специалистом. До обучения я никогда бы в своей жизни не подумал о том, что буду получать искреннее удовольствие от своей работы и жизни, а также ежедневно развиваться.
Хотел бы добавить для тех, кто ещё обучается или только думает начать: сложности в обучении — это нормально. Позволь себе преодолеть страх и получать удовольствие от того, что делаешь.

Это пустая трата денег и времени
Ужасный курс, теории почти нет, лекция беглая история без обьяснений или какой либо практики во время нее, некоторые модули как теория вероятности , просто поражают. Задачи в дз будто вы владеете в совершенстве предметной областью, причем в конспекте и лекции в лучшем случае расскажут про азы приведя не более одного причем простейшего примера. Везде отсылают гуглить, платите за воздух. Крайне не рекомендую жалею потраченные деньги.

Курс не стоит своих денег
Курс состоит из возни с терминалом и настройкой сред и библиотек, так как преподносится это так, что вы же it спецы, должны уметь нагуглить. Ошибки в конспектах, не всегда актуальная информация с версиями библиотек, нереально долгая проверка домашек (заявлено около двух недель, но ждать будете от месяца). Мало практики по реальным полезным штукам (airflow, spark), много бесполезной практики работы с облаками.