Отзывы о школе «Karpov.Courses (Карпов Курсы)»

Курс сильно разочаровал. Единственный приемлемый модуль по статистике, который ведёт сам Карпов, выглядит более-менее достойно. В части продуктовой аналитики полный беспорядок и путаница. Остальные преподаватели не дают нужных знаний, обучение кажется бесполезным. SQL и остальные темы также проработаны слабо. По А/Б тестированию объяснения отсутствуют полностью. Обратная связь по домашним заданиям приходит с большой задержкой — иногда приходится ждать месяц или даже два, к тому времени уже забываешь детали работы. В симуляторе связаться с кураторами практически невозможно. Материалы по аналитике предоставляют без возможности задать вопросы и получить разъяснения до конца курса, когда это уже неактуально. Рекомендовать этот курс не могу.

Я бы оценил курс на 4 с плюсом. Он показался мне немного сложным, но это не недостаток. Бывали задания, где не совсем ясно, что именно от тебя требуется — но в реальной работе часто встречается подобная ситуация, где есть пространство для самостоятельного подхода в рамках заданных требований. Если вы рассчитываете на полное руководство и пошаговое объяснение, возможно, стоит продолжить практиковаться с Python и SQL. Но для тех, кто готов погрузиться в реальные, пусть и учебные, кейсы, сосредоточиться и добиться результата, этот курс отлично подойдет. Он также поможет пополнить портфолио разнообразными проектами и даст опыт, близкий к реальной работе. Рекомендую, но будьте готовы к самостоятельному поиску информации и временами неопределенности в заданиях — это же часть обучения. При этом менторы всегда готовы помочь и ответить на вопросы. Минусы: иногда не хватает деталей для решения задач, конспекты не всегда полностью совпадают с лекциями, поэтому приходится пересматривать видео, и если вы новичок, скорее всего, придется тратить на задания больше времени, чем указано в описании курса.

Некоторые части курса оказались полезными. Я изучил две главы, и только раздел по MLOps действительно понравился. Лекции там достаточно объемные и насыщены теорией, что позволяет глубже понять основы и методы MLOps, особенно если это для вас ново. Задания в тренажёре интерактивные, можно сразу отправлять решения и получать обратную связь без ожидания проверки преподавателем, но из-за отсутствия живой проверки это можно считать и недостатком. В курсе есть поддерживающий чат для вопросов и общения, а также несколько чатов для нетворкинга, хотя активность там оставляет желать лучшего. После каждого урока доступны конспекты в формате pdf. Что касается главы про рекомендательные системы, то её не могу рекомендовать. Материала слишком много, лектор пытается охватить всё сразу, но без глубины — без дополнительного самостоятельного изучения тема остаётся непонятной. Ведущий часто запинается, хотя читает с экрана, присутствуют многочисленные повторяющиеся фрагменты и монтажные склейки. Структура раздела слабая: нет четкого введения, некоторые уроки ссылаются на материалы, которые ещё не были пройдены. Конспекты в этом блоке очень низкого качества — изображения размытые и не читаемые. Домашние задания разбираются, но код там не всегда запускается без правок. Все вопросы нужно задавать через чат поддержки, а полноценного рецензирования домашних работ нет, только автоматическая проверка. В целом курс имеет сильные и слабые стороны, что отражается на общей оценке.

1) Теоретическая часть. В курсе подробно и понятно объясняются все ключевые концепции, которые необходимы для уверенного прохождения на уровень мидл. Материалы изложены в виде видеоуроков с дополнительными текстовыми конспектами для закрепления знаний. 2) Практическая часть. Программа насыщена разнообразными упражнениями разного уровня сложности. Большинство заданий можно выполнить самостоятельно, а в случае затруднений команда поддержки всегда оперативно помогает. Задания построены так, чтобы сразу применять изученный материал на практике. 3) Поддержка. Особо хочу отметить работу кураторов и экспертов — они всегда на связи, готовы помочь и подробно ответить на все возникающие вопросы.

Хочу поделиться впечатлениями о курсе «Инженер данных с нуля», который стартовал в июле 2024 года, первый поток. Поскольку курс был новым, встречались мелкие недочёты, но они не доставляли серьёзных неудобств. На обучение ушло около 8 месяцев с некоторыми переносами дедлайнов по техническим причинам. Я проходил курс, совмещая с основной работой, и в целом успевал. Лично я бы ускорил темп курса, так как некоторые модули не требовали много практики и осваивались довольно быстро, зачастую за пару часов вместо двух недель. В целом могу отметить: — Объём материала очень насыщенный, предстоит изучить множество аспектов; — Большое разнообразие инструментов, хотя хотелось бы больше глубины в HDFS, Hive и MapReduce, а не только обзор; — Лекции записаны на высоком уровне, видно, что преподаватели хорошо подготовлены и материал подается интересно; — Подача информации ясная и доступная; — Практических заданий достаточно много для закрепления знаний. Из минусов отмечу небольшую нестабильность курса на первом запуске: иногда не принимались задания из-за сбоев в инфраструктуре. Также система начисления баллов имеет свои нюансы: есть соблазн концентрироваться на заданиях с максимальным количеством баллов, чтобы быстро набрать минимальный порог для сертификата, поскольку среди заданий встречаются сравнительно лёгкие, но высоко оцениваемые. Кроме того, после дедлайна за выполненные задания начисляется половина баллов, и можно посмотреть разбор без потерь, что, по моему мнению, снижает мотивацию укладываться в сроки; я бы предложил ввести дополнительное снижение баллов при просмотре разбора после дедлайна. В целом рекомендую курс всем, кто хочет освоить профессию инженера данных — команда активно работает над улучшением и устранением недочётов в следующих потоках.

Пройдя обучение на курсах Карпова (Karpov.Courses) по Аналитике данных, хочу поделиться впечатлениями. Организация процесса оставляет желать лучшего: платформа удобная и понятная, но в начале обучения возникали проблемы с доступом к материалам, которые удалось решить достаточно быстро. Положительно отмечу, что курс отлично подходит для старта в IT: новичкам предоставляются необходимые базовые навыки и знания, полезные при подготовке к собеседованиям. Поддержка работает оперативно и отвечает на вопросы быстро. Однако, объем информации был очень большим — с одной стороны это плюс, но порой слишком много нового материала подавалось одновременно, из-за чего возникало ощущение перегрузки и затруднение в усвоении. План занятий и домашних заданий был составлен не всегда четко, что усложняло понимание материала. Для начинающих курс очень полезен, но для тех, кто уже обладает опытом и хочет углублять знания, программа может показаться недостаточной. В целом рекомендую курс для получения базовых знаний — соотношение цены и качества хорошее.

Первоначально думал поставить преподавателю «4», но сравнение с другими курсами изменило мое мнение. Что понравилось: преподаватель всегда внимательно отвечает на все вопросы, подробно разбирает домашние задания, причем занятия часто длились по 3 часа вместо заявленных 2 — дополнительное время действительно помогало; он делился разными полезными методиками и своим опытом, что было ценно; программа курса сбалансирована, особенно впечатлили сложные домашки, которые отлично подходят для тех, кто только начинает программировать, ведь именно через сложные задания происходит развитие. Что не устроило: на протяжении курса регулярно возникали технические сбои — то проблемы с ClickMeeting, то подвисания на компьютере преподавателя, что негативно сказывалось на общем восприятии; также формат с жесткими дедлайнами на домашние задания с понедельника по четверг кажется слишком напряжённым, особенно для тех, у кого плотный рабочий график — выполнить качественную работу в срок бывает очень сложно без жертв во сне. В целом, хотел бы увидеть в будущем курсы уровня «Advanced Python» или «Django», уверен, они найдут своего слушателя.

Курс дает хорошее и увлекательное введение в основы Data Science. Особенно радует наличие реального проекта, что добавляет практическую ценность. Однако заметным минусом является отсутствие методических материалов, хотя, судя по всему, эта проблема скоро будет решена. Теоретическая часть построена так, что интерактивные видео должны обучать технике, а вебинары — помогать с проектом. На практике же между домашними заданиями и проектом возникает значительный разрыв: задания в основном повторяют синтаксис и не требуют глубокого анализа, а проект оставляет полную свободу действий, что может вызвать трудности у некоторых студентов, не до конца понимающих, что происходит внутри кода.

Курс позволяет получить глубокие знания в машинном обучении благодаря выполнению курсового проекта. Изучая материал с нуля, можно научиться создавать модели и даже принимать участие в соревнованиях на платформе Kaggle. Все темы, рассмотренные в курсе, актуальны и полезны. Преподаватель доступно объясняет материал на вебинарах и уделяет большое внимание практическим заданиям. Единственный небольшой недостаток — отсутствие практической части и участия в курсовом проекте по теме обучения без учителя. Также были сложности с проверкой домашних заданий, однако, по всей видимости, это временные проблемы.

В 2025 году я прошла курс StartML на платформе Карпов.Курсы и осталась в целом довольна. Некоторые моменты порадовали особенно, а над другими, на мой взгляд, стоит поработать. Плюсы курса: - Видеолекции выполнены на высоком уровне, материал подается ясно и структурировано. - Разбор заданий проводится подробно, что значительно облегчает понимание тем. - Готовые конспекты помогают удобно освежить важные моменты. - Использование ИИ-помощника оказалось полезным для оперативных ответов на возникающие вопросы. - Практика в Jupyter Notebook дала возможность закрепить знания на реальных примерах. Что можно улучшить: - Конспекты хотелось бы видеть более развёрнутыми, а не только в формате кратких тезисов. - Обратная связь: автоматическая проверка заданий не заменяет квалифицированного комментария от преподавателя. - Поддержка кураторов временами была формальной и недостаточно оперативной. - Технические неполадки случались, что, к сожалению, частая проблема онлайн-обучения. В итоге считаю курс полезным и рекомендую его, учитывая обозначенные небольшие недочёты.

Курс оказался очень познавательным, с обзором множества практичных методов машинного обучения, применимых в бизнесе. Преподаватель из Школы Data Science объяснял материал доступно и подробно. В нашей группе на вебинарах мы часто просили углубиться в математическую часть алгоритмов, и он с большим терпением уделял этому время, иногда задерживаясь на полчаса. Единственный минус — урок, посвящённый выводу модели в продакшн, показался немного коротким, хотя курсовая работа была именно на эту тему. Хотелось бы более детального разбора этого этапа в нескольких уроках.

Хочу выразить благодарность преподавателю за отлично организованный курс — он полностью выполнил свою задачу: вебинары были понятными и доступными, ответы на вопросы в Telegram приходили быстро, а домашние задания проверялись своевременно с детальными комментариями. Единственный минус — в учебной программе не хватает базового введения в машинное обучение: хотелось бы получить общее представление о типах моделей, классификациях, регрессиях, обучении с учителем и без, а также о переобучении. Такое введение, как в курсе Яндекса на Coursera, помогло бы лучше понять дальнейшую практическую работу с моделями в scikit-learn. Без этого создаётся ощущение, что некоторые важные моменты упущены, что странно для курса, позиционируемого как обучение "с нуля".

Это был мой первый опыт обучения в онлайн-формате. Имея высшее образование в области статистики, могу с уверенностью сказать, что за полгода здесь усваивается не меньше материала, чем за два академических года в университете. Преподаватели — настоящие профессионалы, которых приятно слушать! Каждый урок наполнен не только теоретическими знаниями, но и богатой практикой. Задания и проекты полностью соответствуют реальным задачам, с которыми сталкиваются специалисты в работе. В курсе также доступно огромное количество дополнительных ресурсов для тех, кто хочет углубиться в тему. Кроме того, у студентов есть возможность участвовать в карьерном чате, где можно обменяться опытом, получить консультации по трудоустройству и помощь в подготовке к собеседованиям, включая детальный разбор резюме. В случае возникновения вопросов поддержка всегда готова помочь, хотя за всё время мне это почти не понадобилось, так как уроков и материалов было достаточно для успешного выполнения всех заданий. Рекомендую этот курс всем, кто только начинает знакомство с анализом данных.

Я занимаю должность руководителя отдела анализа данных в банке и проходил этот курс, чтобы улучшить свои навыки в области машинного обучения. Все модули произвели хорошее впечатление — как по содержанию, так и по уровню сложности заданий. Специалиста, успешно завершившего данный курс, я с удовольствием пригласил бы работать аналитиком данных. Единственным минусом стала чрезмерно строгая система проверки, с которой временами было непросто справиться.

Завершил обучение на курсе «Инженер машинного обучения» (ранее известном как Start ML). Долгое время выбирал подходящий курс, и когда нашёл время для занятий, был приятно удивлён качеством обучения. Плюсы: огромный объём материала, большое количество практических заданий, интересные проекты и домашние работы. Минусы: некоторые темы показались мне раскрытыми не полностью, но это скорее субъективное впечатление. Особо отмечу возможность переносить занятия в случае занятости или личных обстоятельств. Обучение достаточно интенсивное, и из-за работы и отпуска мне несколько раз приходилось переходить в другой поток — это помогало не отставать от программы. В целом, курс оставил очень положительные впечатления, ставлю 10 из 10.

Мне хотелось разобраться в принципах машинного обучения и научиться применять его как в научных исследованиях, так и в практических задачах, особенно в области химии, катализаторов и молекулярного моделирования. Также планировал сменить направление карьеры в сторону data science и ML-инжиниринга. Курс оказался очень насыщенным и информативным. В начале было сложно, приходилось часто искать дополнительную информацию, так как терминология была новой. Однако объяснения были понятными, структура лекций логичной, с упором на практические навыки, внедрение в продакшен и реальные примеры. Важно понимать, что курс требует серьёзных усилий, особенно для новичков: я уделял обучению по 20–25 часов в неделю на первых этапах. Оцениваю курс на 10 из 10 — он стал для меня прочной основой для дальнейшего развития в области машинного обучения.

Я начала обучение в январе 2025 года, имея опыт работы маркетологом. Курс оказался очень насыщенным и требовательным, особенно если совмещать его с основной работой и отсутствием прежнего опыта. Сроки строгие, темы обширные, домашние задания серьёзные. Зато практической части очень много, что является большим плюсом. В среднем я уделяла учебе по 6-7 часов ежедневно. Материалы поданы понятно: лекции хорошо иллюстрированы, а конспекты помогают детально разобраться в сложных моментах. Поддержка на курсе отличная — можно обратиться с любым вопросом и получить оперативный, развернутый ответ от специалистов. Это помогает не останавливаться и продвигаться вперёд. Курс структурирован четко, много практических заданий и примеров. В целом обучение оставило положительные впечатления, появилось уверенное понимание дальнейших шагов и мотивация завершить начатое. Благодарю команду Karpov.Courses.

В начале июня этого года я приступил к обучению на курсе системного аналитика от Karpov.Courses. У меня уже был некоторый опыт в аналитике, полученный самостоятельно, но было важно упорядочить знания и устранить пробелы. Курс очень понравился: материал подается понятно и доступно, задания разнообразные и интересные, что помогает закрепить теорию на практике. Также предоставляются полезные ссылки и дельные советы для работы, что делает обучение максимально полезным. Особо отмечу отличную поддержку, которая оперативно помогает с административными вопросами и заданиями на платформе. В целом, впечатления от курса исключительно положительные.

Курс в целом произвел хорошее впечатление. В начале идет краткое введение в программирование на Python и основы работы с SQL. Заданий предоставлено много, и они достаточно увлекательные. Тем не менее, рекомендую сначала изучить базовый курс по Python, иначе будет сложно усвоить материал. Вторая часть посвящена классическому машинному обучению — информации много, заданий и датасетов тоже, эта часть мне особенно понравилась. Для завершения второй части требовалось сдать финальный проект, что оказалось непростой задачей, потребовалось много времени на разбор материала, но процесс был увлекательным. Третья часть о нейронных сетях захватывающая, но подается достаточно поверхностно, хотелось бы получить более глубокие знания. Четвертая часть посвящена статистике и A/B тестированию, она объемная и хорошо организована. В целом, курс могу смело рекомендовать.

Перед стартом курса Start ML у меня возникали сомнения, смогу ли совмещать обучение с плотным графиком работы аналитиком данных. Несмотря на загруженность, удалось найти время для учёбы, хотя иногда было непросто. Главное — доказано, что обучение реально совмещать с полной занятостью. До курса я имел опыт в аналитике, но машинное обучение для меня оставалось загадкой. Хотелось получить чёткое понимание основ, систематизировать знания и научиться создавать рабочие модели ML — эта задача была успешно решена. Особенно полезными оказались первые два модуля: раздел по Python помог освежить базовые навыки и заложить крепкий фундамент, а блок по машинному обучению был максимально прикладным и информативным. Огромная благодарность Никите Табакаеву за чёткую структуру лекций, понятные объяснения и примеры, близкие к реальным задачам. Благодаря этому разделу стало ясно, как работает машинное обучение и как применять его в аналитике. В целом контент курса понравился, однако модули по статистике и глубинному обучению хотелось бы видеть с более доступным и последовательным изложением — в этих разделах иногда не хватало простоты и пошаговых разборов. Эти темы важны, и больше ясности в подаче улучшило бы восприятие. Ожидания от курса оправдались почти полностью — на 9 из 10. Формат удобный, задания практичные, поддержка оперативная. Иногда хотелось бы чуть больше обратной связи по проектам, но в целом уровень высокий. Этот курс стал отличным стартом для аналитиков, которые хотят уверенно погрузиться в машинное обучение.

Я прошёл курс, стараясь выполнять задания в срок. Материалы и работа платформы были организованы на высоком уровне, без значительных нареканий. Полученные знания помогли разобраться с задачами, которые изначально казались сложными и даже пугающими. Для новичков это отличный старт. Лично для меня некоторые модули, такие как программирование и работа с Git, оказались излишними, так как у меня уже был опыт в этих областях. В целом остался доволен и считаю курс отличным введением в сферу AI и ML.

Я получаю огромное удовольствие от обучения на этом курсе. Во-первых, в нем собрано множество задач, максимально приближенных к реальным ситуациям, с которыми сталкиваешься в профессиональной деятельности. Некоторые методы и подходы, изученные здесь, я уже успешно применил в своей работе. Во-вторых, уровень поддержки на курсе очень хороший: коммуникация напоминает рабочие процессы — иногда запросы могут задерживаться из-за высокой нагрузки, но при повторном обращении команда поддержки всегда реагирует быстро и помогает решить проблему. В-третьих, курс помогает лучше понять, как устроены процессы и какие методы лучше использовать для решения бизнес-задач, на что стоит обращать внимание. В-четвертых, сообщество участников — отличное место для общения и обмена опытом: в чатах телеграмм всегда можно задать вопросы, и даже найти идеи для решения задач, не связанных напрямую с курсом. В целом, я не вижу существенных недостатков — этот курс действительно раскрывает реальные аспекты применения машинного обучения в профессиональной сфере!

Курс Start ML от Karpov.Courses впечатлил своей логичной и чёткой структурой — материал преподносится последовательно и без излишних деталей, что особенно важно для тех, кто уже знаком с аналитикой. Поддержка на высшем уровне: наставники оперативно отвечают и помогают разобраться в любых вопросах. Учебные материалы качественные, актуальные и содержат примеры из реальных проектов с подробными объяснениями. Особо ценю продуманные домашние задания и проекты, которые сразу позволяют применять теорию на практике. Также большой плюс — доступ к дополнительным ресурсам и инструментам, полезным в профессиональной деятельности.

Всем привет 🙂 Недавно прошел курс StartML (Deep Learning Engineer) и остался очень доволен. 1. Материал подается четко и доступно, есть полезные подсказки, особенно понравились конспекты к каждой лекции — они значительно облегчают выполнение практических заданий. 2. Платформа в целом стабильная, хоть иногда и возникали мелкие сбои или баги, но за весь курс это случалось всего пару раз, и техподдержка быстро решала проблемы. Единственное, чего не хватает, — более детального дебага, ведь при ошибке LMS лишь сообщает о неверном ответе, и приходится проверять весь код, а не конкретный участок. 3. Эксперты поддерживают оперативно, помогают разобраться с задачами и направляют в правильное русло, что очень ценно.

Начал обучение 28.02.2023 без предварительных знаний в области аналитики. Команда курса всегда была очень внимательной и готовой помочь, даже за пределами установленного времени. Освоил заявленные навыки и даже превзошел ожидания, получив немного больше знаний, чем обещали. Рекомендую эту школу для тех, кто хочет изучать аналитику — здесь действительно достойный выбор.

Этот курс подойдет не только тем, кто хочет начать карьеру в IT, но и специалистам, работающим с крупными наборами данных — финансистам, экономистам, менеджерам — желающим повысить эффективность своих рабочих процессов. Будучи финансистом, я столкнулась с ограничениями Excel при обработке объемных данных, даже с настройками Power Query и сводными таблицами. Поэтому решила пройти курс по Python и SQL, а затем выбрала полноценный аналитический курс. Структура курса хорошо продумана. Особенно понравились модули по Python, SQL и Tableau. Python занимает большую часть обучения, и постоянно приходится возвращаться к уже изученному материалу и осваивать новые техники. Для меня Python стал самым сложным разделом — я вложила много сил и нервов, чтобы его освоить. Но к концу курса я уже могла писать код самостоятельно, без подсказок и шпаргалок. Некоторые темы раскрыты поверхностно, но преподаватели предоставляют много дополнительных материалов, что позволяет заниматься самостоятельно. Это не минус — за 5 месяцев сложно углубиться во всё, но базу дают точно, а дальше — путь к самообразованию, что важно для аналитиков. Сам курс насыщенный и для тех, кто ранее не имел опыта с программированием и анализом данных, обучение будет сложным. Прохождение в спокойном темпе вряд ли возможно — потребуется значительная часть свободного времени. Однако вложенные усилия, время и деньги однозначно оправданы — курс стоит того.

Моя первая профессиональная роль — ML-инженер в медицинской сфере, однако я всегда мечтал попробовать себя в бизнесе или IT-консалтинге. Чтобы подготовиться, решил добавить практического опыта с помощью симулятора. Он превзошел все мои ожидания: задания актуальные, новых знаний много, уровни сложности разделены четко, и участвовать было очень удобно. Поддержка оперативная, задания ставятся вовремя. Всем, кто ищет работу или хочет освежить знания для будущих собеседований, рекомендую этот симулятор. Пока что я оцениваю его с позиции начинающего специалиста, поэтому сложно сказать о пользе для более опытных позиций, но для новичков — отличный ресурс и интересное занятие.

Общий курс мне понравился, он был очень познавательным. Однако раздел по страхованию оказался немного недоработанным: хотелось бы увидеть реальные примеры успешных моделей, а не те, которые практически не дают предсказаний. Также для выполнения задания 8 требовались дополнительные материалы по hyperopt для мультиклассовых задач, которых вначале не было. Авторы задания, к сожалению, забыли, что в курсе изначально не рассматривалась мультиклассификация, и это стало понятно только при выдаче домашки. Некоторые материалы по мультиклассификации были опубликованы быстро, но чтобы полностью понять, как использовать hyperopt для этой задачи, пришлось потратить много времени на поиск информации в интернете — только через неделю после урока я получил все необходимые инструкции. Надеюсь, в будущем такие ситуации будут исключены, и обучение станет еще более гладким.

Я прошёл программу «Аналитик данных» в Karpov.Courses, которая длилась полгода. Хотел бы поделиться своими мыслями, разделив их на плюсы, минусы и общее впечатление. Плюсы: Ведущий Анатолий Карпов — настоящий вдохновитель. Его объяснения просты и понятны, он использует иллюстрации и подаёт материал доступным языком, за что заслуживает 10 из 10. Также мне понравился преподаватель Беслан Курашов — хоть у него и не такая энергичная манера, как у Анатолия, после его уроков материал хорошо запоминался, он вызвал интерес к своей теме — 8 из 10. Формат обучения меня устроил: видео лекции, подробные конспекты, структурированные задания и минипроект, где можно применить полученные знания. Время на выполнение домашних заданий было достаточным, если на учёбу выделять свободное время. В целом ставлю этому разделу 8 из 10. Обратная связь от экспертов была хорошей: многие быстро и подробно отвечали, особенно выделю Vladislav Sakharov, Olesya Ogurtsova, Pavel Dolgih и Manaenkov Alexander. Куратор Ангелина Захарова тоже помогала оперативно. Минусы: Ведущий Роман Бунин часто просто демонстрировал свой экран с программой, делая комментарии, а иногда ошибки мешали просмотру, что создавало ощущение плохо подготовленного урока. Плюс к тому, его позитив — единственный плюс — оценка за его уроки — 5 из 10. Ужасно монотонной оказалась серия лекций Жанны Азизовой. Её голос и повторения делали уроки утомительными, и было проще просто прочесть конспект. Оценка — 3 из 10. Преподаватель Алексей Баталов демонстрировал неплохие примеры, но монотонность его подачи не вызывала особого интереса — 4.5 из 10. Формат обучения предполагал, что изучение можно пройти за пару часов и разбить на несколько дней по 30-40 минут, однако при первом знакомстве с программированием это занимало гораздо больше времени — у меня уходило до 8 часов в день. Обратная связь от экспертов не всегда была активной, особенно по окончании курса, хотелось бы систему рейтингов для мотивации — 8 из 10. В целом: рекомендую курс, но считаю важным уделить внимание тому, кто именно ведёт лекции. Особенно желательно, чтобы большинство из них вел Анатолий Карпов — так обучение станет более полезным. По моим ощущениям, я бы поставил курсу 7 из 10, учитывая все плюсы и минусы.

Я увлечена самообразованием и успешно завершала множество курсов по своей специализации на различных платформах, будь то платные или бесплатные. У меня хорошая мотивация и организованность, поэтому ожидания от этого курса были положительными. Однако, к сожалению, впечатление оказалось двояким. Возможно, у нас не совпали цели или стиль обучения. Если бы курс оплачивался лично, я бы, скорее всего, его бросила и попросила возврат денег, но в силу того, что он был предоставлен работодателем, пришлось идти до конца. Благодаря хорошей рекламе и отзывам, мы с коллегами (с уровнем middle/senior) решили попробовать, несмотря на негативные оценки внутри платформы, где курс получил менее трёх звезд. Онлайн-обучение не всем подходит, и зачастую отрицательные отзывы преобладают. Плюсом являются лекции и семинары — они действительно помогают расширить кругозор, материал структурирован, есть много информации, иногда очень много, а на семинарах разбираются реальные кейсы. Всё хорошее на этом и заканчивается. Сам опыт обучения оказался крайне негативным. Во-первых, строгие дедлайны: на каждый модуль выделен определённый срок, после которого стоимость заданий снижается вдвое. Если немного не рассчитать или допустить ошибку, можно потерять возможность сдачи модуля. Теоретический материал сложный, требует хорошей базы и времени для проработки, особенно модуль по A/B тестам — он очень подробный, содержит длинные видео с расчетами и формулами, что трудно усвоить за короткое время после работы. Вторая проблема — задания, сдаваемые через грейдер: они часто сформулированы неясно, с ошибками и опечатками, а обратная связь минимальна. Поддержка в чате редко помогает, а после окончания срока она исчезает. Технические сбои на платформе мешают учебе, всё подгоняется под жесткие дедлайны. В результате, основное внимание уходит на то, чтобы просто успеть сдать, а не на реальное освоение материала. Даже опытные коллеги не справлялись с дедлайнами. Возможно, курс требует полного погружения — 40 часов в неделю — что невозможно при работе на полную ставку. Если бы был гибкий график и возможность возвращаться к материалам, впечатления могли бы быть иными. Этот курс скорее подойдёт тем, кто ищет работу и может посвятить этому всё свободное время в течение полугода, а для занятых людей он малоприменим. Несмотря на отдельные хорошие модули, такие как A/B тесты, Uplift, MLOps, общая картина оставляет ощущение разочарования. Не советую его к прохождению и жалею затраченного времени, ведь можно было потратить его более полезно и с большей отдачей.

Плюсы: — Хорошая структура курса — Интересные и сложные домашние задания — Реальные задачи в финальном проекте — Обилие карьерных советов В целом, практическая часть курса мне очень понравилась. Минусы: — Возможно, это моя личная особенность, но при переходе к сложным темам лекции и конспекты не всегда помогали, и к концу я стал просто задавать вопросы в чатгпт, прося объяснить простыми словами. Думаю, что для начинающих преподаватели должны объяснять материал проще — Конспекты считаю слабой стороной курса, они слишком краткие. В лекциях часто есть вебинары с большим объемом информации, которую в конспектах зачастую нет. Мне сложнее воспринимать видеоинформацию, ведь по тексту проще искать нужные моменты, а в видео — нет.

Курс состоит из видеолекций, записанных 2-5 лет назад, и за всё время ни один модуль, в частности Python, не был обновлён, хотя есть куда совершенствоваться. Лекции Александры Овсяниковой мне трудно было воспринимать: объясняет скучно и непонятно. По рекламе у меня сложилось впечатление, что будут регулярные вебинары, но на самом деле всего 5-10 встреч в начале каждого модуля. Связаться с кураторами и менторами можно только через чат, и обещание, что они отвечают за 15 минут — не соответствует действительности: приходится тегать их в общем чате для получения ответа. В итоге получают только устаревшие видео и примерно 490 заданий за 80 тысяч рублей, что выглядит не очень оправданным.

Общий опыт обучения на курсе оставил у меня приятное впечатление. Он помог мне структурировать мои базовые знания, восполнить пробелы и освоить основные принципы и методы обработки данных с использованием языка Python, а также понять, как писать код на этом языке. Особенно ценными оказались разнообразные и зачастую весьма увлекательные домашние задания: они не только закрепляли полученные знания и техники, освещённые на лекциях, но и значительно развивали навык самостоятельного поиска информации в интернете, что было необходимо для выполнения заданий. Ведущий зачастую использовал примеры и визуализации для более ясного объяснения материала. Есть небольшие замечания: 1. Не обязательно показывать разбор домашних заданий с нуля в прямом эфире — лучше разобрать уже готовый код одного из участников для экономии времени. 2. Регулярные выражения, по моему мнению, не требуют такого большого внимания в рамках курса. 3. Последний урок по Django оказался очень коротким. Было бы полезно продлить курс ещё на пару-тройку занятий, чтобы более подробно раскрыть работу с ORM и принципами MVC(Т). В любом случае, курс заложил хорошую базу для дальнейшего развития, и я надеюсь, что скоро появится более углублённая вторая часть. Благодарю Школу Data Science за этот образовательный опыт!

Обучение по программе «Инженер машинного обучения» оказалось очень ценным и прикладным для меня. Раньше я работал только с анализом данных в Excel, а благодаря курсу я получил глубокие знания в Python, SQL и машинном обучении. Особенно запомнилась работа с реальными наборами данных и бизнес-кейсами, что значительно помогло понять, как применять теорию на практике. Домашние задания хорошо закрепляли материал, а быстрая поддержка специалистов и наставников делала обучение комфортным и увлекательным. Особенно интересно было изучать раздел по нейросетям — он дал ясное понимание принципов работы и использования моделей. Рекомендую вести портфолио на GitHub, выкладывая туда свои проекты, включая итоговые работы, — это пригодится для дальнейшего развития. Курс помог мне объединить бизнес-опыт с техническими навыками, и теперь я нацелен на карьеру в области аналитики и data science. Определенно советую этот курс!

Некоторые разделы курса казались мне слишком простыми, а другие — наоборот. Например, у меня был опыт работы с научным программированием и Python, поэтому вводные материалы из первого модуля «Прикладное программирование на Python» мне хватило, чтобы комфортно пройти курс. Практика с базами данных тоже показалась поверхностной, хотя для завершения курса этого было достаточно. В то же время темы по разработке оказались для меня сложными, так как я не разработчик. Особенно понравились модули два и три — именно ради них я и записалась на курс, чтобы получить подробные теоретические и практические знания в области машинного обучения. Конец второго модуля был особенно полезен, так как помог обобщить уже полученные знания. Третий модуль был больше обзорным, но вдохновил меня продолжить изучать нейронные сети более глубоко. В четвертом модуле я не узнала много нового — статистику я знаю хорошо, а тестирование гипотез использовала ранее в другой сфере. Пятый модуль я не успела пройти полностью, но задания по алгоритмам мне показались интересными. Отношение к поддержке было нейтральным — я не использовала её активно, так как мне лично это было сложно, но, возможно, если бы я обращалась за помощью, это сэкономило бы время. Среди недостатков стоит отметить, что материалы и задания требуют обновления: возникали сложности с установкой и совместимостью устаревших библиотек Python, что мешало сдаче задач. Об этом предупреждали, но пока до меня дошли причины, я уже потеряла время. Также мне не очень понравилось взаимодействие с чекером, иногда было непонятно, в чем именно ошибка без обратной связи. Я бы предложила пересмотреть критерии прохождения курса и сделать часть заданий необязательными для тех, кто уже знаком с материалом. В целом, для занятых людей с семьёй, у которых появляется мало свободных вечеров, курс может быть не очень удобен — уроки выходят три раза в неделю. И последнее, что меня по-настоящему повеселило — произношение английских терминов! К концу курса я уже начала говорить их правильно. Итог: данный курс отлично подходит для новичков, желающих освоить основы машинного обучения и получить базовые знания по теме.

Мне понравилась часть курса по Python, которая была представлена в виде демо-урока, поэтому я решил приобрести полный курс. Однако, оказалась больше минусов, чем плюсов. Материал по SQL был крайне слабым — даже бесплатные ресурсы предлагают гораздо более качественную и понятную информацию. В области статистики тоже есть хорошие открытые источники, которые превосходят данный курс. В разделе визуализации подготовка оставляет желать лучшего. В середине обучения я принял решение отказаться от дальнейшего участия, так как уровень подготовки меня не устраивал. Я пришёл учиться новым знаниям и навыкам, а получил в основном неинтересный и ненужный материал, состоящий примерно на 70% из воды. Хорошо, что смог вернуть деньги. Возможно, для этой школы такой уровень знаний считается нормой, или мои требования к качеству слишком высоки — я не хочу платить за курс, который не оправдывает ожиданий. Может быть, курс рассчитан на помощь в трудоустройстве, но я так и не достиг этой цели через эту платформу. Поэтому я не могу рекомендовать этот курс как качественный.

Я прошёл этот курс без предварительных знаний в области машинного обучения и остался доволен. Всё объяснено ясно и просто, что очень понравилось. Чтобы получить максимальную пользу, желательно иметь базовые знания по математике, поскольку сложность материалов постепенно растёт. Особенно слабым мне показался раздел по статистике — казалось, там почти ничего не объясняется. В целом, курс стоит своих денег, и я советую его тем, кто не хочет тратить время на поиски разрозненной информации в сети. Лучше пройти весь курс полностью, даже если иногда трудно. Планирую повторно пройти его с самого начала, поскольку доступ к материалам остаётся навсегда. После этого хочу больше практиковаться на платформах вроде Kaggle или участвовать в хакатонах.

Курс получился очень хорошо организованным и четким. Изначально я воспринимала его с опасением, боялась, что всё будет скучно и сложно понять. Но мои опасения оказались напрасными :) Преподаватель демонстрирует максимальную последовательность и мастерство в объяснениях! Материал ооочень доступный, каждый этап подробно разобран, Hadoop рассмотрен всесторонне. Интересно и не утомительно, полностью прослеживается логическая структура курса, а финальное задание помогло закрепить все знания в голове. Это, безусловно, заслуга преподавателя! Большое спасибо за качественный материал!»

Этот курс оказался очень детальным и хорошо структурированным. Конечно, освоение Hadoop — это бесконечное погружение в тему, сочетание теории и практики. Преподаватель постоянно делился примерами из реальной жизни и рассказывал о применении материала. Несмотря на то, что я столкнулась с этим впервые, примерно 90% информации усвоила успешно. Он старается говорить на понятном языке для своей аудитории, и если что-то остается непонятным, обязательно объясняет по-другому. Вопросы всегда можно задать в Telegram, на них отвечают оперативно. Домашние задания были интересными и полезными. После предыдущего курса по базам данных для аналитиков этот материал стал настоящим облегчением и расширением знаний. Спасибо за обучение!

Начну с положительных моментов — программа курса по машинному обучению и глубинному обучению действительно содержит много полезной информации, хотя, по моему мнению, она немного перегружена. Особенно мне было непонятно, зачем включать блок о A/B тестах, ведь их изучение требует времени и усилий, а у новичка уже и так есть масса новых концепций. Хорошо, что материалы остаются в системе навсегда — видео, конспекты и задания организованы удобно. Но есть и минусы, которые меня очень расстроили. Во-первых, качество конспектов оставляет желать лучшего: их пишут без запятых и с ошибками, что затрудняет восприятие и понимание информации. Особенно неприятно было видеть ошибки в простых словах, например, «параллелепипед». Во-вторых, использование IT-слэнга в заданиях — это сложности для новичка. Например, фраза «войдите в папку через консоль» вызывает недоумение. Что касается отдельных модулей: раздел «прикладная разработка на Python» мне не понравился из-за неподготовленности лектора (личное мнение), и конспекты здесь не помогли, оценка — 3 из 5. Модуль по машинному обучению — реально впечатлил, всё было интересно и понятно, лекции и задания на высоте. Глубинное обучение — разочарование: лекции были слабые, а помощь поддержки часто приходила поздно и не по делу. Ответы в стиле «посмотрите лекцию» — это не решение, особенно если пересмотрел уже несколько раз. Модуль по A/B тестам вообще вызвал разочарование: лекции очень длинные, непонятный стиль подачи и неуместное содержание. Поддержка курса слабая: команда поддержки практически не помогает, а чат с ботом оказался более эффективным. Например, они не смогли быстро помочь с загрузкой задания, несмотря на очевидную ошибку в моем коде, что кажется странным. В целом, создается впечатление, что курс немного переоценен и выглядит лучше, чем есть на самом деле. Это мнение разделяют и мои знакомые-айтишники, которые также отмечают недостатки в работе службы поддержки и качестве материалов.

Как и любой интенсив, этот курс требует от слушателей базовых знаний в области веб-разработки — понимания ключевых концепций и практических навыков программирования, включая решение абстрактных задач. Для меня было немного сложно, но именно это говорит о ценности курса 🙂 Благодарю преподавателя за отличное изложение — если что-то было непонятно во время лекции, просмотр записи помог разобраться во всех сложных моментах. Также хочу отметить полезные методические материалы, которые значительно облегчали обучение. P.S.: и, конечно, повезло с одногруппниками, без этого было бы не так интересно!

За несколько последних лет я прошел несколько образовательных программ, и, к сожалению, данный курс оказался одним из худших. Уже давно слежу за деятельностью Karpov.Courses и очень жаль, что мое знакомство с платформой началось именно с этого курса. После первых двух недель обучение перестало вдохновлять, и интерес исчез. Записи лекций трудно воспринимать: монотонный голос, запутанные окончания фраз, а монтаж сделан так, что каждые несколько секунд происходит склейка, что отвлекает. Хорошо, что есть конспекты, однако один из учеников уже отмечал, что качество этих материалов оставляет желать лучшего — они значительно короче оригинальных лекций и содержат ошибки. Что касается содержания, я считаю, что материал выполнен халтурно. На сайте указывается, что курс подойдет для специалистов уровня middle+, senior, team lead, однако я не могу представить инженера, который, прослушав этот курс, сможет почерпнуть из него что-то новое на верхнеуровневых знаниях. Коммуникация с командой организаторов оставляла желать лучшего. На конструктивную критику студенты получали аргументы вроде: «У системного аналитика бывают случаи, когда информации недостаточно, и нужно обращаться к коллегам или руководителю», а также, что это развитие навыков уточнения требований, а не дыра в материале. В ответ на задержки с проверкой домашних заданий и ответами на вопросы также звучали отговорки: «Поток студентов не один, поэтому мы не можем отвечать сразу». Почему мы должны быть в курсе других групп? Когда я обратился к менеджеру курса с вопросом о возврате средств, мне сразу прислали ссылку, а дальнейшая коммуникация прошла уже без особого участия. Я бы поставил две звезды из пяти, но надеюсь, что остальные курсы более проработаны и заслуживают доверия. Не хочу полностью отвергать платформу, ведь многие знакомые о ней хорошо отзываются.

Пройдя этот онлайн-курс, я остался очень доволен полученными знаниями и уровнем организации. Обучение построено в виде модулей, где основными заданиями являются проекты, объединённые общей концепцией. Изначально у меня возникли сомнения, как можно так интересно преподнести сложное направление через приключенческую тематику, но вскоре всё стало ясно и понятно. Вся работа распределена по командам, которые отлично справляются со своей задачей. За атмосферу, сценарий и взаимодействие с участниками отвечают профессионалы, которые полностью погружены в свою работу и занимаются этим не по совместительству. Преподаватели излагают материалы структурировано и современно. Если внимательно смотреть лекции, вести конспекты и выполнять практические задания, то в итоге вы получите именно те знания, за которыми пришли. Специалисты не просто отвечают на вопросы, а помогают найти правильное направление для самостоятельного решения задач. Хочу выразить искреннюю благодарность команде Карпов Курсы за их добросовестную работу и профессионализм.

Я решила пройти курс по машинному обучению для новичков, потому что эта тема меня очень заинтересовала. Хотелось получить более глубокие знания и навыки, которые можно применить в своей основной работе. Могу честно сказать, что программа довольно насыщенная и требует много времени на практические задания. Было бы удобно, если бы у новичков уже имелись базовые знания, чтобы легче воспринимать материал. Единственное, что я заметила — некоторые разделы теории могли бы быть более подробно раскрыты, в литературе иногда встречаются ошибки или устаревшие данные. Платформа LMS иногда работала с небольшими сбоями, но я уверена, что команда Karpov.Courses старается сделать ее лучше. В целом, впечатления остались положительными, и после окончания курса я чувствую себя более подготовленной к новым профессиональным вызовам 😄

Мой опыт прохождения курса оказался очень информативным и захватывающим. Благодарю преподавателя за тщательные объяснения и интересное представление материала, несмотря на ограниченные сроки обучения. Программа оказалась достаточно насыщенной и охватывала множество тем, каждую из которых подробно разбирали на практических примерах. Есть вопрос к организации: при таком большом количестве участников (93 человека) и регулярных занятиях каждые 3-4 дня, как преподаватель успевает справляться с проверкой заданий, ответами на вопросы и консультациями по финальному проекту?

Мне очень понравилась визуальная презентация материала, особенно объяснение архитектуры распределенной файловой системы HDFS, Data Warehouse и Hive. Информация о базовых концепциях MapReduce, Hive и ETL, а также форматах хранения данных изложена понятно и доступно. В рамках курса рассматриваются лишь базовые аспекты Hadoop-экосистемы, поэтому для более глубокого понимания потребуется самостоятельное изучение документации. Также стоит отметить, что о NoSQL базах Cassandra и HBase предоставлено очень минимальное описание. Для успешного прохождения курса необходимо иметь базовые знания Linux, особенно команд bash, поскольку работа с кластером ведется через консоль.

Обучение в школе понравилось в целом. Материал преподносится в большинстве случаев на высоком уровне. Анатолий действительно выкладывается на максимум, за что ему отдельное спасибо, а вот остальные преподаватели иногда показывают чуть более слабую подготовку, особенно при монотонной подаче информации. Задания выполнены практически всегда качественно и тщательно, команда реагирует на замечания и вносит необходимые исправления. Поддержка студентов на хорошем уровне — ответы приходят быстро и по существу. Были небольшие технические сложности с инструментами, но это касалось только группы, у меня проблем не возникало — я работал на Windows и использовал VPN. На освоение курса требуется больше времени, чем предполагалось, особенно если у вас мало свободного времени — 2-4 часа в неделю здесь недостаточно. Перед этим я уже изучал Python, SQL и статистику, и для меня было не совсем просто. Для новичков, безусловно, потребуется больше времени на начальных этапах. В целом, курс однозначно рекомендую, предварительно советую пройти базовые курсы по Python и SQL, которые доступны бесплатно на платформе школы — особенно SQL, это отличный курс. Python я проходил на практике, изучал ранее на Степике. В целом, впечатление очень положительное и я доволен результатом.

Я начал обучение на курсе «Инженер машинного обучения» в конце 2024 года. Сейчас я уже близок к завершению и скоро получу сертификат. До поступления на курс у меня не было профессионального опыта в анализе данных (таких как data science или data analytics). Пока что я не ищу работу в индустрии, поэтому не могу рассказать о карьерных успехах. Этот курс стал для меня первым платным образовательным продуктом. Ранее я проходил множество бесплатных курсов, в том числе на платформе Karpov.courses. Особенно хочу выделить их курс по SQL — он произвел огромное впечатление, это лучший курс по SQL, ориентированный на реальные бизнес-задачи, а не на редкий или устаревший функционал. Теперь подробнее о курсе «Инженер машинного обучения». В целом я оцениваю его на 8–9 из 10. Рассмотрю каждый модуль отдельно. Модуль 1: Программирование на Python — Алексею Кожарину огромное спасибо за профессиональный подход к объяснениям! Он умеет разъяснить сложные темы так, что их понимает даже новичок. Этот модуль заслуживает 10/10. Модуль 2: Традиционное машинное обучение — что может быть лучше, чем раздел о Python? Только раздел о классическом машинном обучении! Материал подан очень подробно, понятно и с примерами из реальной практики. Этот модуль тоже заслуживает 10/10. Модуль 3: Основы глубокого обучения — лично для меня уроки с 5-го по 6-й оказались довольно сложными. Я такой человек, что пока не разберусь полностью, как работают нейронные сети, двигаться дальше трудно. Однако этот модуль стоит воспринимать как обзор базовых концепций глубокого обучения. Если подходить с правильными ожиданиями, он вполне полезен. Для себя я вынес немало ценного и особенно заинтересовался NLP. В будущем планирую приобрести курс по Deep Learning. В целом, этому модулю я ставлю 7–8 из 10. Модуль 4: Статистика — самый спорный раздел. Для меня даже простые темы оказались сложными, что снизило удовлетворение от прохождения. Пришлось искать дополнительные источники информации в интернете. Но, тем не менее, я считаю, что он заслуживает 6/10. Модуль 5: Подготовка к собеседованиям — еще один плюс курса. Лекции от Алексея Кожарина очень ценны и помогают подготовиться к реальным собеседованиям. Что касается поддержки, она очень оперативно реагировала — ответы приходили в течение получаса, и эксперты давали полезные советы. В целом, я настоятельно рекомендую пройти обучение на Karpov.courses. Сам я планирую продолжить обучение на этой платформе и больше не рассматриваю другие варианты, такие как Яндекс.Практикум.

Этот курс произвел хорошее впечатление. В целом я остался доволен, так как материал был достаточно насыщенным. Среди недостатков стоит отметить ограниченные возможности кластера, на котором мы работали — временами его мощности не хватало, и приходилось ждать, когда задачи смогут запуститься. Однако в целом процесс работы был стабильным. Преподаватель отлично объяснял материал и быстро отвечал на вопросы. Поскольку курс является вводным в рамках третьей четверти, сложно ожидать чего-то очень масштабного. В будущем было бы полезно уделить больше внимания работе с кластером через языки программирования, например, Python, а также расширить темы запуска MapReduce задач на YARN, добавить практические задания и примеры по этой теме. В конце курса можно было бы провести отдельное занятие, разбирающее типичные проблемы при работе с кластером. Другие пожелания, такие как углубление в работу с базами данных или загрузку данных, скорее относятся к более продвинутым уровням, и я оставлю их за скобками. Всё же считаю, что по объему и содержанию материал полностью соответствует уровню вводного курса, и он достаточно информативен.

Курс по Hadoop отлично подходит для первоначального знакомства и общего понимания темы. Несмотря на некоторые сложности с первыми домашними заданиями, быстро привыкаешь, и материал становится понятнее. Преподаватель интересно излагает материал, добавляя шутки, что делает лекции легкоусвояемыми. Он всегда готов помочь студентам и проявляет инициативу, создав отдельный чат в Telegram для нашей группы. Это очень удобно — можно обсуждать вопросы как с преподавателем, так и с однокурсниками, что повышает эффективность обучения в целом.

Я полностью довольна своим участием в курсе по Data Science и очень ценю работу преподавателя — удивительно умная и талантливая женщина, которая отлично умеет донести материал. Надеюсь однажды стать такой же профессиональной. Особенно понравился подход курса, поскольку мы наконец-то вышли за рамки теоретических моделей и начали рассматривать машинное обучение как практический инструмент для решения реальных бизнес-задач. Моя курсовая работа уже готова, и я вижу четкое направление для решения одной из актуальных задач. Единственный минус — последнее занятие. За два часа невозможно подробно раскрыть тему вывода моделей в продакшн, и мне пришлось повторять часть урока дословно, чтобы выполнить задание. Обращаясь к организаторам: очень жаль, что убрали отдельный курс по внедрению моделей — на двух часах невозможно освоить столь важную тему, и это очень сказывается на качестве подготовки.