karpov.courses

Я пришёл на курс с определённым бэкграундом в программировании и ML, поэтому в целом мне было просто проходить многие вещи. Задачи идут по нарастающей, поэтому всё доступно. На лекциях подробно разбираются такие вещи, которые вы вряд ли встретите на других площадках. Я шёл сюда именно за этим - хорошо понимать как всё работает изнутри. В финальном проекте, который состоит из нескольких частей, вы не просто делаете fit predict, а делаете полноценный сервис, такой же как вам нужно будет делать на реальной работе.

Отличный курс для старта в машинном обучении. Занятия проходят на собственной платформе с предзаписанными уроками. При этом уроки открываются с некоторыми перерывами, что позволяет знаниям лучше отложиться и не дает перегореть. К каждому уроку прилагаются хорошие домашние задания, которые проверяются автоматически на платформе курса. Это является и плюсом и минусом, так как домашки можно сдавать в любой момент (в рамках дедлайнов) и можно сразу увидеть результат выполнения. Но при этом это же и минус, так как живой человек не смотрит на код и качество выполнения заданий. То есть код может быть ужасным, но выдавать правильный ответ, но узнать о том что все плохо не выйдет) В теории можно ходить и спрашивать у команды напрямую, но не видел чтобы кто-то так делал. Сами блоки очень качественные. Особенно по python и классическому ml. На курсе не просто рассказывают как делать fit\predict, а рассказывают как все устроено изнутри. Настолько хорошо, что после курса вы будете в состоянии написать свою ml библиотеку с нуля на любом языке. Темп обучения достаточно быстрый и в сжатые сроки дают большое количество информации. Для тех, кто имеет любой обыт разработки это огромный плюс, так как кол-во воды минимум. Но если вы приходите полностью с нуля не имея опыта разработки вообще, то будет очень сложно. Блок по deep learning обзорный и приходить в первую очередь нужно за классическим ml, но и по deep learning база дается хорошая, будет поняно как развиваться дальше. Если возникают сложности с заданиями, то команда тоже всегда на связи и готова помочь. В целом крайне рекомендую курс, особенно если уже есть опыт разработки на любом языке с любой технологией. Если вы с нуля, то советую оценить свои силы и приходить только если не совмещаете обучение с фулл тайм работой

Курсом, в целом, доволен. Не всем подойдёт из-за некоторой специфики: 1. Если старый компьютер со старым ПО - лучше заранее предусмотреть обновление железа и ПО. 2. Если в более раннем часовом поясе от МСК, без базовых знаний в IT, будет очень сложно. 3. Если есть математические знания, будет сложно слушать раздел машинного обучения (жаргонизмы режут слух). 4. Не ожидайте глубокого погружения экспертов/наставников в проблему (это не очный преподаватель). 5. Если рассчитываете тратить по 2-3 часа в день, лучше предусмотрите 5-6 часов, так как материал очень плотный (даётся в сжатые сроки), (мне было не достаточно 2-3 часа). 6. Не начинайте обучение, если планируете переезд. Если вышеперечисленные факторы отсутствуют или вы готовы испытать острые ощущения от горящих дедлайнов и в учёбе и на работе, очень рекомендую!

Мой отзыв больше отражает моё отношение к удалённому обучению (без доступа к живому общению с преподавателем), нежели конкретно к этому курсу. Но тем не менее, на мой взгляд, когда работающие люди оплачивают обучение, они должны иметь возможность получить исчерпывающие объяснения по непонятным вопросам до завершения дедлайна, а не после в виде разбора урока. При этом, отмечаю высокую скорость ответа преподавателей на вопросы от студентов. Платой за сравнительную доступность курса является недостаточная глубина работы с преподавателями, особенно, если разные часовые пояса - семинары и чаепития (они являются большим плюсом) сложно посещать, да и усвоение информации в сильно вечерние или ночные часы затруднено. Технические проблемы коллеги преодолевали достаточно быстро, при этом, альтернативные платформы были не всегда удобны, как те, на которых начинали обучение (D...d, Y...e). Готов ли я порекомендовать эти курсы - да, но с рядом оговорок: 1. Если молоды и формат удалённого обучения и общения вполне устраивает (я сторонник полноценного академического образования), 2. Если имеете базовые знания программирования, 3. Если не страдаете синдромом отличника (очень напряженные дедлайны).

Постараюсь кратко и с контекстом и, разумеется, субъективно. Я работаю MLOps инженером 3 года, и захотел все-таки расширить область профессиональный обязанностей и на DS/ML задачи. KC StartML: + Отличнейший модуль "Машинное обучение и приложения". Я бы сказал, что по важности для профессии это рядом с тестированием/тервером. Самый длительный курс и преподаватель сделал свою работу на 5+ + Модуль "Обзор основ Deep Learning" переварил только на 30%, потому что это тема сложная, и буду пересматривать, разумеется. Преподаватель так же всё подробно объясняет и показывает в коде, так что ребята кто соображает побыстрее меня - вам должно зайти с первого раза. +- Модуль "Статистика и А/В-тесты" довольно сложный. Я пробуксовал на нём серьёзно, и, думаю, мне требуется другой курс конкретно по ТерВеру. Тут он больше подразумевается. Курс Карпова на степике мне в помощь :) Зато в этом курсе шикарно объясняют и показывают подводные камни видов тестирования ML решений в проде. +- Модуль "Прикладная разработка на Python". Хорошо знакомит с основами разработки приложения вокруг ML решения. Плохо, что мало докера, а вместо контейнеров сдаём 1 файл скрипта в котором и варим и мажем и такое, конечно, в портфолио на Гит показывать не стоит. Ну и в общем последний пункт это единственный минус курсов. Саппорт работает быстро. У меня максимум ожидания на вопрос "памагите у меня не работает" было около 40 минут. Менеджеры идут на встречу, очень приятное впечатление оставили.

Первый курс, который я приобрёл в karpov.courses - Deep Learning Engineer. NLP и отношение к курсу по рекомендашкам сложилось через призму впечатлений от курса по DL. Для чего я брал курс по рекомендашкам - по работе требуется реализовать рекомендательную систему в корзине, а курс по DL был настолько хорош, что сомнений в том, стоит ли брать RecSys от karpov.courses не возникало. Плюс, ВКР в магистратуре у меня так же на эту тему. Но курс по рекомендашкам для меня разительно отличается подачей материала, конспектами, глубиной разбора тематики в худшую сторону. Я не могу сказать, что я им доволен на 100%, но и не считаю его приобретение бесполезной тратой времени и денег: всё-таки по результатам у меня сформировалось представление о том, как можно сделать рекомендательную систему, какие эксперименты можно провести, от чего отталкиваться при написании литературного обзора в ВКР.

Взял курс в феврале 2024. Опыта до этого в ML и DS практически не было. Бекграунд: инженер-электронщик, программировал на Си и чуть-чуть на Python. Пришел по рекомендации друга, который прошел там же "Аналитику данных". Цель: попробовать, что это такое этот ваш ML. Я бы не назвал этот курс лучшим на рынке, но он однозначно дает хорошую базу и дает представление о мире ML и даже немного DL. Пройдя этот курс, перестаешь пугаться непонятных терминов, а магическая субстанция под названием "Искусственный Интеллект" приобретает вполне себе осязаемые и понятные математические формы. После прохождения всех технических модулей я бы не назвал себя ни уверенным ML-инженером, ни даже хотя бы уверенным Python-пользователем, однако теперь я могу назвать то, чего не понимаю. Я знаю, куда мне копать дальше, что изучать, куда тыкаться, что пробовать. Во мне реализовался интерес к знаниям, которые меня еще ждут. Теперь совсем немного подробностей. Много-много материала. Параллельно работать и постигать новый материал было очень сложно. Больше всего мне хотелось сказать разработчикам курса - а может растянете еще на чуть-чуть даты выхода новых лекций? Хотя я практически всегда закрывал все до дедлайнов, сам факт наличия дедлайна длиной в неделю для 3 довольно объемных уроков меня угнетал. Также у меня вопросы к модулю DL, а именно к лектору, к его подаче информации. Я не сомневаюсь в его профессионализме, но было бы хорошо, если бы лекции были более "разжеванными" и структурированными. Это бы значительно облегчило восприятие нового материала. Хотя я в итоге привык, но печали были много. Также мне не совсем нравится подход курса к созданию "рабочей" обстановки, как при решении реальных задач. Хорошо в это погружаться, но не при получении базовых знаний. Очень многое зависит, насколько крепкая у тебя база, поэтому важно изучать ее основательно и размеренно. Я закончил курс, но начинаю изучать все заново. Но на этот раз - с пониманием, а что именно мне нужно. Впереди еще много всего интересного, и я со смирением "вечного студента" иду вперед:) Главные перемены в жизни: я уволился с работы и ушел из своей профессии. Начал преодолевать психологические барьеры. Заново начал учиться тому, как учиться. И до сих пор это делаю. Ну и самое главное - уже где-то в середине обучения я нашел работу в маленьком зарубежном стартапе, хотя это скорее результат удачного стечения обстоятельств. Получится и захочется ли мне развиваться дальше - увижу. Пока я оптимистичен и наслаждаюсь каждым моментом, когда мне удается понять очередной метод или поднять качество модели хотя бы на 0.1:) Готов ли я порекомендовать этот курс? Пожалуй, да. Особенно, если замечания выше были бы учтены. Особенно, если у вас довольно много времени и вы готовы уделять его учебе. Моя оценка курсу: 7.5/10.

Взял курс в феврале 2024. Опыта до этого в ML и DS практически не было. Бекграунд: инженер-электронщик, программировал на Си и чуть-чуть на Python. Пришел по рекомендации друга, который прошел там же "Аналитику данных". Цель: попробовать, что это такое. Я бы не назвал этот курс лучшим на рынке, но он однозначно дает хорошую базу и дает представление о мире ML и даже немного DL. Пройдя этот курс, перестаешь пугаться непонятных терминов, а магическая субстанция под названием "Искусственный Интеллект" приобретает вполне себе осязаемые и понятные математические формы. После прохождения всех технических модулей я бы не назвал себя ни уверенным ML-инженером, ни даже хотя бы уверенным Python-пользователем, однако теперь я могу назвать то, чего не понимаю. Я знаю, куда мне копать дальше, что изучать, куда тыкаться, что пробовать. Во мне реализовался интерес к знаниям, которые меня еще ждут. Теперь совсем немного подробностей. Много-много материала. Параллельно работать и постигать новый материал было очень сложн

Я проходил курс на ML-инженера от Carpov Courses в течение семи месяцев, и хочу поделиться своими впечатлениями. Курс дал мне хорошую структурированную базу, начиная с основ Python и заканчивая классическим машинным обучением и deep learning. Каждый блок имел свои сильные стороны, хотя не обошлось и без сложностей. Основные моменты: - Блок по Python: был довольно простым, но хорошо систематизированным. Для тех, кто только начинает изучение языка, этот раздел — отличная отправная точка. - Машинное обучение: самый сильный и увлекательный блок курса. Подача материала была доступной, с акцентом на понимание теории и её практическое применение. Особенно запомнились задачи, связанные с реализацией собственных алгоритмов — это дало мне не только знания, но и уверенность в своих силах. - Deep Learning: этот блок оказался сложным и скорее обзорным. Чувствовалось, что тема огромна, и охватить её в рамках одного курса практически невозможно. Но для первого знакомства материала достаточно. - Статистика: полезный блок, особенно для тех, кто ранее не сталкивался с этой областью. Лично мне было комфортно его проходить, хотя часть информации пересекалась с моим предыдущим опытом. Отдельно хочу отметить поддержку от команды Carpov Courses. Они всегда были на связи и помогали разобраться с вопросами, что делало обучение менее стрессовым. Результаты: Курс не просто дал знания, но и помог понять, в каком направлении двигаться дальше. Хотя я ещё не решил, буду ли продолжать работать в области Data Science, я точно стал увереннее и знаю, что готов к новым вызовам. В целом, курс стоит своих денег. Он прекрасно подходит как для новичков, так и для тех, кто хочет систематизировать и углубить свои знания в машинном обучении. Если вы готовы работать над собой, курс станет хорошей ступенью для дальнейшего роста.

Достаточно длительное время работал в IT со смежными задачами инженера, однако, оставалось ощущение пробелов в знаниях, поэтому хотелось систематизировать имеющуюся информацию. С этим обратился вопросом обратился с старшему товарищу и он посоветовал школу Карпова. Изучил программу обучения, сравнил с большим количеством открытых вакансий и понял, что программу отвечает требованиях на рынке. По итогу прохождения могу сказать, что курс стоит того. Много практики с демонстрацией, структуризированная конспектная информация, хорошие лекторы с минимальным количеством информации - всё для грамотного получения навыков и требуемых знаний. За время прохождения было множество моментов в рамках которых необходимо выдать оперативную обратную связь - и команда её выдавала, за что отдельное спасибо. Готов советовать своим товарищам и коллегам. Сам записался на ещё один курс, потому что уверен в итоговых знаниях, которые предоставит команда школы

Решил записаться на этот курс, раньше назывался start ml, чтобы изучить основы машинного обучения, и в будущем сменить профессию. Контент курса состоит из предзаписанных лекций, практики и разбора задач из практики. 1. Прикладная разработка на Python. Отличный модуль по python, есть немного про pandas, numpy, airflow, основам бд. У меня хоть и был опыт разработки, хоть и не на python, тем не менее модуль даёт хороший "быстрый старт", позволяющий написать свой небольшой сервис на fastapi в качестве финального задания. 2. Машинное обучение и приложения. Тоже отличный модуль, даёт более чем базовое представление о классических алгоритмах машинного обучения. В качестве финального задания начинаете работу над рекомендательной системой. 3. Обзор основ Deep Learning. Этот модуль отличным назвать уже не могу, потому что ожидания были другими. В модуле даются прям основы основ, но дают их очень скомканно, лично мне разобраться в подаваемой информации было крайне тяжело, некоторые уроки так и остались непонятыми. 4. Статистика и А/В-тесты. Так же скомканный модуль, как по мне, так как у меня не было знаний статистики и теорвера на начало прохождения этого модуля, приходилось много времени тратить на подтягивание "базы". 5. Карьерный курс и Собеседования и как их пройти. Даются лекции и задачи по структурам данных и алгоритмам на python. Эти лекции могут стать отправной точкой для продолжения изучения dsa, например, на leetcode. Так же есть лекции с вопросами и ответами с собеседований, которые позволяет прорезюмировать пройденные материалы. Для тех, кто планирует проходить этот курс: не думайте, что сразу после прохождения курса вы сможете устроиться на работу инженером машинного обучения. Этот курс даёт основы, которые вам самостоятельно придётся укреплять и развивать дальше, особенно это касается глубокого обучения.

Отличный курс Start ML. Все продуманно, подробные лекции, интересные задания. Поддержка экспертов по выполнению заданий и финального проекта. Совсем без опыта программирования будет сложно. Курс интенсивный, много информации за 7 месяцев. Мне понравилась дружественная атмосфера поддержки курса и среди студентов.

Долгое время хотела приобрести курс, и в итоге приобрела. НО ожидания не оправдались. Формулировка задач, оставляет желать лучшего, проверки задач затягиваются, по завершению курса, задачи вообще перестали проверять. Куратор также может либо не отвечать, либо отвечать днями. Проекты, которые вы выполните по итогу, и на проекты не похожи совсем, такое вообще не стоит презентовать работодателю. Описание курса, просто прекрасное, но на деле, ничего стоящего.

Долгое время хотела приобрести курс, и в итоге приобрела. НО ожидания не оправдались. Формулировка задач, оставляет желать лучшего, проверки задач затягиваются, по завершению курса, задачи вообще перестали проверять. Куратор также может либо не отвечать, либо отвечать днями. Проекты, которые вы выполните по итогу, и на проекты не похожи совсем, такое вообще не стоит презентовать работодателю. Описание курса, просто прекрасное, но на деле, ничего стоящего.

Пришёл на курс от скуки...никогда не был связан с IP ни с статистикой ( я инженер-строитель автодорог был) ... первые ДВЕ НЕДЕЛИ как в тумане и просьба ВЕРНИТЕ МОИ ДЕНЬГИ И Я ПОШЁЛ ОТ ВАС ...Спасибо куратору предложили взять месяц паузы и потом продолжить если опять не получится то деньги вернут....но ПОЛУЧИЛОСЬ...набрал 987 баллов и Финальный Проект сдал с первого раза под ревью "ОТЛИЧНАЯ РАБОТА"....так что в 60 лет искавший СУТКИ !!! клавишу "~" (тильда) чтоб путь к файлу найти ...ДЕДУШКА закончил курс и теперь иду на СИМУЛЯТОР АНАЛИТИКА ....критика к курсу есть некоторых спикеров просто нельзя выпускать но в общем всё достойно импонирует связь с куратором который всегда поможет хорошо работают эксперты всегда быстро получаешь ответ на затык не ответ конечно а путь к правильному ответу тебе укажут...СПАСИБО ВАМ ЗА КУРС....не знаю пойду ли работать по специальности так как в 60 лет мало кто возьмёт но самооценку свою поднять удалось....а ещё очень порадовала МОЛОДЁЖЬ что на курсе со мной училась группа 52 .11/04 ВЫ ЛУЧШИЕ и ВСЕМ ВАМ УДАЧИ...

Кликбейтный заголоовок, но другой я не придумала) Мне действительно очень понравился курс, это был очень хороший толчок вверх, я узнала огромное количество новой инфы, которую я сейчас и применяю, хотя пока больше в исследовательской деятельности(выйграла 2 хакатона и участвую в научных конференциях, связанных с ии),так как я сейчас учусь в универе и совмещать пока не успеваю, но это только пока)). Подача информации, ее актуальность и структурированность - это все 10 из 10. Правда у меня уже был бэкграунд в плане высшей математики и года полтора опыта в программировании на питоне, так что материал мне дался не сильно прям сложно, к тому же я еще и много читала сама, что тоже важно, так как перекладывать все на курс не очень эффективно; но это было интересно, не нудно, я делала домашку без задней мысли, по типу: "когда же это все закончится", - а это я вам скажу, что очень важно. Но что вот прям хочется сказать, так это огромное спасибо преподавателям, которые все это придумали и создали, это все очень круто, и у меня есть огромное желание и дальше развиваться в этой сфере, чего я искренне желаю каждому.

До этого момента имел дело с ML только в теории и немного практики, после этого курса понял что такое настоящий промышленный ML и что он из себя представляет. Я Вам обещаю вы научитесь и ML, DL , статистики и Python. Приэтом хочу отметить довольно сложный курс, особенно под конец появляется много дэдлайнов и приходилось много действителньо заниматься и решать. Остался полностью доволен, рекомендую Всем кто хочет вкатиться в эту область!

Всем привет! Я работаю в ИТ с 2012 года. Около 10 лет работал как Full-Stack Oracle Developer. 3 года отработал на позиции DE - занимался миграцией данных из Oracle в Snowflake (~10-20 петабайт). Писал pipeline для Airflow файлами json. На курсы я решил пойти, потому что у меня был отличный проект (подработка) по построению хранилища данных в БД Snowflake для крупного инвестиционного фонда, но понимания как строить DWH у меня не было, поэтому проект со мной не продлили. Это и сподвигло меня пойти на курсы DE - получить знания по DWH, более глубоко изучить Airflow, попробовать что такое Machine Learning и обучение моделей, что такое Spark, Hadoop и почему они чаще всего встречаются в вакансиях, визуализация данных с помощью Tableu и прочих инструментов, названия которых я не помню. Ну и конечно же расширить свой кругозор в области DE. Про Karpov/Courses я видел информацию в интернете + на сайте Linked In в новостной ленте увидел информацию о том, что кто-то закончил эти курсы. Выбирал между 2 - Яндекс.Практикум и Karpov/Courses. Выбрал K/C потому что : 1. Срок обучения 6 месяцев против 1.5 года у Яндекса 2. Понравилась программа обучения (темы и стек) - DWH, MPP, ETL (Airflow), Big Data, Cloud, ML, Model & Data Management 3. Не понравился у Яндекса стек 4. На момент оплаты была скидка (вместо 102 т.р. можно было оплатить 80), в рассрочку на 6 месяцев от Яндекс.Pay (😂) стоимость составила 83 т.р. c учётом переплаты. Курсы начались 18 января 2024 года. Так же в начале января 2024 года руководство компании предлагает мне 2 варианта на выбор : релокация на Кипр или увольнение с компенсацией. Тк почти год назад мы пробовали себя на Кипре и нам не понравилось, 2 вариант предполагался сам собой. Начинается тяжелая пора поиска работы. При этом мне надо передавать дела новому коллеге на проекте, учиться на курсах и проходить собеседования. Искал я работу на должность Data Engineer. Курс начинается с архитектуры DWH. И самое удивительное, когда начинаются мои собеседования - к тому времени курсы идут уже 2-3 недели - на собеседованиях меня спрашивают именно то, что мы только что изучили - слои данных, схемы построения хранилищ (Кимпбалл, Инмон), SCD. То есть знания приобретенные на курсах уже помогают мне. По итогу работу я нашел спустя 1.5 месяца. Очень удобно выдавали доступ к материалу - 3 раза в неделю после 19:00. Видео понятные, разборы материала тоже. К каждому уроку идут видео (теория/практика), которые можно всегда повторно посмотреть либо для освежения информации можно открыть лекцию в Notion / PDF. Я делал задания через 1-2 дня после того, как выдавали доступ к нему и на выходных. Обучение проходило легко первую половину курса. Потом стало немного сложнее - началась работа - времени свободного поубавилось. Я старался делать все задания по блокам, но на некоторые и забил - не было желания делать и я их просто пропустил. Из всех блоков меня зацепили следующие: проектирование DWH, реляционные и MPP СУБД, Big Data (частично) - я так и не заценил Hadoop (и всю его экосистему), но очень понравился Spark, облачное хранилище - это просто улет, Big ML, Управление моделями и управление данными. Не зашёл модуль Визаулизация данных. Я понял значимость графического отображения данных, но у меня и с Front-разработкой всегда были проблемы - а визуализация данных для меня как Front-end разработка - не пошло как-то. По модулю Автоматизация ETL-проектов материал был хорошо подан, но изучение этого модуля пришлась на мой отпуск и желания что-либо программировать не было вообще - так что около половины модуля из-за которого я пришел на обучение я просто пропустил(. Но зато с утроенной силой прошло обучение по другим модулям - Big ML, Управление моделями и данными. Бывали проблемы при выполнении практик - но был создан канал в дискорде и иногда было достаточно заглянуть в поток по теме как решение уже было доступно. Либо можно задать вопрос по заданию - поддержка оперативно отвечает и подсказывает решение. Подводя итог обучения - я набрал 400

Карпов отличная площадка. Мною был приобретён курс по ml (машинное обучение). Какие плюсы хотел бы отметить в первую очередь: 1. Своевременная поддержка команды. Тебя всегда направят, ответят, посоветуют и попробуют объяснить. Самое главное, что с тобой общаются к с начинающим специалистом. Просят развёрнуто задать вопрос, со скринами и что пытался сделать, если вопрос по решению ДЗ. И ответ, это скорее направление, но не решение. 2. Очень большое активное комьюнити. Не говоря, про ютуб, вк, есть группы в тг, с разными направленостьми. Есть где инфа, есть где флудилка. Это постоянный обмен знаниями, видел неоднократно, как были вакансии в чатах. Каждый день кто-то задаёт вопросы, просят совета и каждый день, неравнодушные люди, бывшие студенты Карпова или команда, тебе ответят. Пласт вопросов оооочень широкий. Всё что угодно, относящееся к мо, аналитике, дата сайнса, баз данных. 3. Подача материала. Всё объясняется максимально доступно, никаких сложностей с восприятием нет. Достаточно низкий порог вход. Конечно, при решении дз не сразу всё будет получаться, и конечно лекция может показаться не всеобъемлющей, но как объясняют основы это уровень. 4. Дополнительные материалы, для дальнейшего развития. Площадка также предлагает множество вариантов для прокачки своих хардов. Есть платные, есть бесплатные, есть по подписке. Одно можно сказать точно, из вас пытаются сделать спеца, не начетчика (кто читает, ради чтения), а человека который должен уметь и знать как приносить выгоду. 5. Помощь с трудоустройством. Есть карьерный центр, котрый поможет потихоньку вливаться в айти. Научат как составить резюме, как составить репозиторий, как правильно откликаться на вакансии, где и когда, как проходить собеседования. За ручку конечно никто не будет водить, все-таки это самообразование, но помощь оказывают большую

Обучалась во второй половине 2023 года. Хотела именно курс DE, чтобы повысить свои текущие компетенции аналитика. Курс Карпова выбрала просто потому, что абсолютно все курсы на рынке в то время имели характеристику как "сделано плохо". К тому времени у меня уже был опыт обучения на ЯП (на аналитика), и хотелось попробовать другую платформу. Коротко о курсе: 1. Материал в виде видео-лекций и кратких конспектов того, что объясняет преподаватель. Это тупо неудобно. Сидеть и 2 часа смотреть, как кто-то что-то в консоли тыкает или просто зачитывает презу. Зачем это сделано - не понятно. Только если в качестве наращивания личного бренда спикера. Да, была парочка реально классных модулей, которые тащили за счёт спикера, но эффект уходил почти в ноль из-за следующего пункта. 2. Теория превалирует над практикой. Я бы сказала, что примерно 20/80 (из них практики всего 20). Код ваш ревьюить никто не будет. Будет после проверки чисто ответ из серии "Ответ неверный, а тут верный". 3. Поддержка очень слабая, а иногда откровенно токсичная. Иногда после пары дежурных ответов типа "попробуйте это и вот то", студентам просто переставали отвечать. Короче, по окончании курса, я вообще не поняла, что это было. Спасибо курсу, что я смогла вписать себе в резюме строчку о прохождении и повысить свои компетенции в глазах HR, которые меня собеседовали. Также смогла преодолеть психологический барьер перед профессией. Навыков я, к сожалению, практически никаких не получила. Ретроспективно, сейчас я бы предпочла выбрать курс Яндекс Практикума. Даже с учётом всех недостатков, которые о нём пишут, я думаю, что в будущем Яндекс сможет допилить из него полноценный продукт. Тот же аналитик данных, на котором я училась до этого, претерпел сильные изменения с начала моего обучения и модули постепенно меняются и переписываются. В случае с Карповым, у меня уверенности в качественном улучшении продукта нет.

Обучалась во второй половине 2023 года. Хотела именно курс DE, чтобы повысить свои текущие компетенции аналитика. Курс Карпова выбрала просто потому, что абсолютно все курсы на рынке в то время имели характеристику как "сделано плохо". К тому времени у меня уже был опыт обучения на ЯП (на аналитика), и хотелось попробовать другую платформу. Коротко о курсе: 1. Материал в виде видео-лекций и кратких конспектов того, что объясняет преподаватель. Это тупо неудобно. Сидеть и 2 часа смотреть, как кто-то что-то в консоли тыкает или просто зачитывает презу. Зачем это сделано - не понятно. Только если в качестве наращивания личного бренда спикера. Да, была парочка реально классных модулей, которые тащили за счёт спикера, но эффект уходил почти в ноль из-за следующего пункта. 2. Теория превалирует над практикой. Я бы сказала, что примерно 20/80 (из них практики всего 20). Код ваш ревьюить никто не будет. Будет после проверки чисто ответ из серии "Ответ неверный, а тут верный". 3. Поддержка очень слабая, а иногда откровенно токсичная. Иногда после пары дежурных ответов типа "попробуйте это и вот то", студентам просто переставали отвечать. Короче, по окончании курса, я вообще не поняла, что это было. Спасибо курсу, что я смогла вписать себе в резюме строчку о прохождении и повысить свои компетенции в глазах HR, которые меня собеседовали. Также смогла преодолеть психологический барьер перед профессией. Навыков я, к сожалению, практически никаких не получила. Ретроспективно, сейчас я бы предпочла выбрать курс Яндекс Практикума. Даже с учётом всех недостатков, которые о нём пишут, я думаю, что в будущем Яндекс сможет допилить из него полноценный продукт. Тот же аналитик данных, на котором я училась до этого, претерпел сильные изменения с начала моего обучения и модули постепенно меняются и переписываются. В случае с Карповым, у меня уверенности в качественном улучшении продукта нет.

Обучалась дистанционна впервые. Учебный материал изложен доступно, объёмно, интересные видеоматериалы. Очень удобно прохождения тестирования - сразу же получаешь оценку. Самое главное, что учиться можно в удобное для себя время, не прерывая свою трудовую деятельность. Обучение удобное, позволяет сохронять себе информацию для последующего использования в работе. Большое Спасибо организаторам, экспертам и кураторам Карпов курса❤️👍🏻

Понравилось учиться на курсах у Карпова. Хорошо проработан Python, SQL. Лучше всех реализована статистика. Улучшить стоит API Python, Airflow. В качестве BI систем рассказывают про Tableu. В целом по хардам знаний достаточно, чтобы зайти на стажера, джуна. Самое главное, что курсы реально объясняют материал с полного нуля, если у вас нет опыта, то вы сможете научиться с любого уровня. Также вы учитесь сами находить информацию, правильно гуглить - это поможет вам везде. В итоге сейчас почти год работаю аналитиком данных, доволен результатом.

Понравилось учиться на курсах у Карпова. Хорошо проработан Python, SQL. Лучше всех реализована статистика. Улучшить стоит API Python, Airflow. В качестве BI систем рассказывают про Tableu. В целом по хардам знаний достаточно, чтобы зайти на стажера, джуна. Самое главное, что курсы реально объясняют материал с полного нуля, если у вас нет опыта, то вы сможете научиться с любого уровня. Также вы учитесь сами находить информацию, правильно гуглить - это поможет вам везде. В итоге сейчас почти год работаю аналитиком данных, доволен результатом.