Курсы по Data Science

Отзыв мамы об обучении сына с инвалидностью (1 группа)  по программе «Специализация Data Science» на Skillfactory:1. Исходные данные:  — Уровень подготовки — zero. — Уровень мотивации — высокий.— Место жительства — Улан-Удэ.— Разница во времени — 5 часов. — Срок обучения - год. Сейчас завершает 2 модуль за почти 3 месяца обучения. — Стоимость обучения — для нас очень высокая. 2. Формат удаленного обучения — очень удобный, учитывая маломобильность сына и то, что живём мы от Москвы на расстоянии 5660 км. Стандартные занятия (лекция с презентацией, к которой можно возвращаться по необходимости), домашние задания (решение практических задач) Skillfactory дополняет оперативной поддержкой мощной службы менторского сопровождения. Ребята из команды — профессионалы с большой буквы,   скрупулезно и методично отвечают на все вопросы, очень доброжелательны, отзывчивы и оказывают помощь при любых затруднениях.3. При нулевой подготовке структура программы и содержание модулей с самых азов является огромным преимуществом. Если практически не знаком с программированием, то, да, суперсложно. Но и очень интересно. В начале обучение шло с большим трудом, а сейчас решение кейсов захватывает настолько, что учебный материал по 2 модулям сын смог усвоить близко к 100%. 4. Большой плюс — обучение ведут практики, «не испорченные» вузовскими подходами (есть с чем сравнить, сын учится в вузе). Лидеры цифрового сообщества строят занятия, исходя из своего опыта. Это совсем не означает, что теории совсем нет. Наоборот, практико-ориентированное обучение подстегивает к изучению теории, чтению разных источников, на которые даются ссылки. 5. Возможность покупки в рассрочку и хорошая скидка по акции — значимое достоинство обучения в Skillfactory. При этом стоимость обучения стала для сына хорошим мотиватором: «это большие для нас деньги, поэтому иду на серьёзный результат»! 6. Ещё один бонус — адресный подход к организации обучения, очень гибкий график: если не успеваешь, быстро и четко вносятся изменения. Темп, скорость, дедлайны определяет сам обучающийя, что отвечает индивидуальным возможностям и особенностям сына. Учимся дальше. Результат есть. Будет ещё лучше.

У меня сейчас практически середина обучения. Прохожу курс «Data Scientist» с нуля. Я не ожидал, что будет мне трудновато, но все равно не бросил, много времени уделяю обучению. Хорошо хоть формат в виде записанных лекций, видео уроков и их можно смотреть в любое удобное время. К обучению можно приступать, не имея физико-математических дисциплин. И по окончании курса, уже с дипломом на руках, представляется помощь в трудоустройстве. Материал подается простыми терминами, чтобы каждому было понятно, все темы разобраны до мельчайших деталей. Реально углубится в ИТ сфере.

Учусь с апреля 2021. Очень долго выбирал курс DS среди всех, что есть в рунете, и выбрал SkillFactory. Обратил внимание, что длительность курса на SF больше, чем у остальных. Есть возможность насобирать промо-коды (у ваших любимых блогеров) и ваучеры (на бесплатных интенсивах) для заметного снижения стоимости обучения. В целом я очень доволен, что выбрал SF. Подробности: + Своя площадка для общения между студентами и преподавателями + Интересные практические задания + Самый долгий и самый обширный курс по DS в рунете + Хорошие тьюторы, менторы и эксперты, которые помогут при каждом обращении - Не для тех, кто хочет всё и сразу - Некоторые важные методы вынесены из курса в самостоятельное обучение

Учусь в школе Skillfactory на специальность Data Science от 0 до pro. Школу выбирала по отзывам и рекомендациям от hr специалиста, hh.ru. Так сложилось в сегодняшних реалиях, что пришлось искать новую профессию, к работе с данными я привыкла в своей предыдущей работе (16 лет опыта, уровень Principal). Проанализировав рекомендованные школы, остановилась именно на skillfactory. Причиной послужил удобный интуитивный интерфейс курса в первую очередь. Очень нравится как организована подача материала, пошаговое объяснение от простого к сложному. Поддержка менторов и возможность советоваться с другими студентами, очень на «изи»организован процесс коммуникации, учитывая, что все происходит в режиме онлайн. Сам курс удобен, что всегда легко находишь, где остановился, чтобыпродолжить изучать модуль.

Прохожу курс по DataScience, уроки объясняются очень доходчиво и в двух вариантах, в виде видеоурока и в текстовом формате под видео, ещё и в конце каждого блока даётся ссылка на дополнительные материалы для лучшего закрепления прошедшего урока. А так же в приложении Pachka менторы всегда готовы помочь с заданием если есть какие-то трудности в решении. Смотрел на других обучающих площадках к примеру как преподаётся python для меня было запутанно и малопонятно, а на обучающей прощадке Skillfactory очень доходчиво, не скажу что очень легко так как сам материал не лёгкий но очень доходчивый. И я даже позвал подругу с собой на курс и по реферальной системе получил очень приятный бонус, не забудьте вначале спросить рефералку если хотите пригласить друзей или придти сразу несколько человек на курсы. Я очень доволен и моя подруга тоже от этих курсов! Рекомендую.

Обучаюсь на курсе Data Science уже полтора месяца, пока всё более чем нравится. Безусловно, это оказалось труднее, чем я ожидал, ибо до этого не имел с программированием совершенно ничего общего. Система обучения построена максимально понятно, если есть вопросы - тебе всегда ответят в чате Слака. По моим наблюдениям записываются на курс большим количество ребята, но потом отсеиваются. Если вы целеустремленный и верите в свои силы - попробуйте, почему нет). С интересном жду, что будет дальше!

[SkillFactory, Data Science] Добрый день, всем читателям! I. Предисловие: В конце 2020 года решился на смелый шаг - купить курс 'Профессия Data Science' на платформе SkillFactory. До этого пытался учиться самостоятельно, чтобы понять нравится вообще мне эта профессия 'Data Science' или нет. Как только понял, что это мое, взвесил все 'за' и 'против' и решил, что курс стоит того и цена адекватная за 2 (!!!) года обучения. II. Общие впечатления - обо всем поподробнее: 1. 'Программа курса'. Самое первое, что бросается в глаза - это длительность обучения в 2 года. Данный отзыв я пишу, пройдя примерно 1 год и 2 месяца обучения. За это время я получил достаточно высокий уровень знаний (на уровне специалиста Junior+) и возможность попрактиковаться на около-реальных задачках на площадке Kaggle. Что значит около-реальных? Об этом поподробнее в пункте 2 данного отзыва. За первый год обучения дается вся необходимая база для освоения Python и SQL (основные инструменты любого Data Scientis'та) на достаточно высоком уровне (сильно выше среднего). Помимо объяснения, как пользоваться теми или иными инструментами, методисты SkillFactory постарались выстроить программу так, чтобы она включала не только команды 'нажми то-то, чтобы появилось то-то', но и пояснили как работает тот или иной метод машинного обучения, почему он лучше/хуже остальных и так далее. Помимо лекций по языкам программирования и методам Machine Learning'а, есть программы посвященные высшей математике, необходимой Data Science'ту для анализа и решения практических задач. Также небольшая часть времени посвящена проблеме трудоустройства, советам и помощи студентам по данному вопросу. 2. 'Учебный процесс'. Образовательная программа похожа на очную учебу в университете - есть лекции, есть семинары. На лекциях рассказывается материал, на семинарах он закрепляется с помощью практики. Лекции представлены в виде онлайн-презентаций с фото, текстом и видео пояснениями. Также есть возможность пообщаться лично с преподавателями в рамках вебинара (онлайн-лекции вживую). Практика вся заочная - есть задача, есть данные, нужно решение. Если что-то не получается, всегда есть возможность спросить у других студентов или преподавателя (среднее время ожидания ответа в дневное время, по моим замерам, 5-10 минут). Учебный процесс разбит на юниты и модули: вся программа разбита на 10-20 юнитов, каждый из которых содержит 10-20 модулей, по которым и проходит весь основной учебный процесс. В конце каждого юнита Вас ожидает большая практическая задача для закрепления знаний на площадке Kaggle. Особенностью данной площадки, упомянутой в пункте 1 данного отзыва, является то, что она также является центром скопления значительной части сообщества Data Science со всего мира, где Вы можете решать задачи на реальных (!!!) данных от малых до крупных (Google, Microsoft и т. д.) фирм (иногда получая за это $ призы). Почему это важно? Потому что наличие решенных задач на данной площадке является важным пунктом/плюсом при приеме на работу (не только в РФ). И это большой плюс SkillFactory, что они используют именно эту платформу, тем самым приобщая своих студентов к мировому сообществу Data Science. 3. 'Поддержка студентов'. Во время обучения всю группу студентов сопровождают кураторы, которые помогают решать технические вопросы. Отмечу важный момент - вопросы наверняка будут возникать у всех и все будут сталкиваться с проблемами в процессе обучения, и, что меня лично поразило, так это степень помощи (реальной и психологической) со стороны данных кураторов. Спасибо им огромное за оказанную помощь! 4. 'Техническая поддержка учебной программы'. Другой момент - это поддержка самого курса. В процессе обучения я (и не только) часто натыкался на орфографические ошибки или неточные формулировки определений. Конечно, любому это может не понравится, так как первое, что бросается в голову - это сырость курса. Но, хочу отметить, что между студентами и службой технической поддержки есть обратная связь и все замечания по материалам курса (если они адекватные, конечно) были скорректированы. То есть сама программа и команда SkillFactory не стоит на месте и старается быть лучше. 5. 'Практика'. Важный процесс почти любой профессии - это практика, закрепление теории. Как я отметил выше, практика тут - это Kaggle. Я хочу еще раз подчеркнуть, что объем информации - огромен, но как он подан и как шлифуют навыки пользования этими знаниями с помощью реальных задач - вызывает уважение и чувство благодарности авторам курса. 6. 'Устройство на работу'. SkillFactory не гарантирует Вам устройство на работу. Но данная площадка старается сделать все возможное, чтобы подготовить Вас ко всем ожидающим Вас трудностям и проблемам при трудоустройстве (а их не мало). Вас ознакомят с рынком труда, расскажут про различные направления, компании. Вам помогут быть лучше и привлекательнее на рынке труда, тем самым повысив вашу конкурентоспособность. 7. 'Дополнительные вебинары'. Также хочу отметить, что иногда, помимо рядовых преподавателей SkillFactory, на вебинары заглядывали и представители/руководители крупных компаний на рынке труда РФ, проводя свои лекции и погружая студентов в трудности работы Data Science'ов на реальных данных. III. Подводя итог: 1. 'Плюсы'. Великолепная поддержка студентов в процессе учебы - еще раз спасибо кураторам. Методисты прекрасно поработали над формой подачи материала и выстроили в максимально удобной форме для освоения с нуля. Качество материала на высоком уровне, который только растет, благодаря технической поддержке SkillFactory и активным студентам. Помощь при трудоустройстве. И главный плюс: огромная куча полезного материала по данной профессии с великолепным практическими задачками (я бы даже сказал ЗАДАЧАМИ, потому что некоторые проекты по объему огромны)! 2. 'Минусы'. Конечно не хочется говорить что-то плохое, но я попробую, может получится. Наверно главный минус - это собственно сам процесс обучения - он дистанционный. Поэтому для человека, которому сложно себя организовать - это будет существенной помехой для достижения цели. НО (!!!) есть психологическая поддержка со стороны кураторов, которые могут помочь Вам советов в организации труда и решить ряд технических трудностей с платформой, если такие возникли. Другой минус, это некоторая дырявость и сухость материала в паре-тройке модулей. НО (!!!) опять же, прошу заметить, что я оставил отзыв об этом технической поддержке, и уже вернувшись к тому же модулю через пару месяцев, я к своему удовольствию увидел, что данные пробелы в образовательной дыре были залатаны. Так что решайте сами, что для вас эти примеры - минусы или плюсы... Подводя итог, я для себя решил, что ни разу не пожалел о своем выборе! Я сюда шел, чтобы сменить профессию и найти новую работу по данному направлению. Как раз в данный момент, благодаря SkillFactory, уже прохожу этап собеседований в компанию своей мечты! Спасибо за потраченное время!)

Учусь с апреля 2021. Очень долго выбирал курс DS среди всех, что есть в рунете, и выбрал SkillFactory. Обратил внимание, что длительность курса на SF больше, чем у остальных. Есть возможность насобирать промо-коды (у ваших любимых блогеров) и ваучеры (на бесплатных интенсивах) для заметного снижения стоимости обучения. В целом я очень доволен, что выбрал SF. Подробности: + Своя площадка для общения между студентами и преподавателями + Интересные практические задания + Самый долгий и самый обширный курс по DS в рунете + Хорошие тьюторы, менторы и эксперты, которые помогут при каждом обращении - Не для тех, кто хочет всё и сразу - Некоторые важные методы вынесены из курса в самостоятельное обучение

Начала своё обучение в SkillFactory в июне 2021, профессия Data Scientist. Было два варианта обучения - на один год и на два. Выбрала на два, думаю, это оптимальный вариант для того, чтобы не слишком форсированно, но достаточно глубоко учиться. Мне понравилось, что есть рассрочка на обучение, для меня это важно, т.к. не готова была отвалить всю сумму сразу, а учиться хотелось уже. Нравится, что есть и поддержка менторов, и живые вебинары, где можно задать преподавателю вопрос, если непонятно и в живом общении получить ответ. Также из плюсов - возможность перевестись в другой поток, если не успеваешь. Из минусов - дедлайны :) на первом итоговом задании оттянула до последнего, в итоге всю ночь просидела, но сдала в срок. В целом, обучение проходит достаточно комфортно.

Добрый день. Прохожу курс Специалист Data Science. Курс разработан и скомпонован с целью освоения данной специальности. На курсе много практических задачек, есть проекты для закрепления каждой темы модуля и система дедлайнов, которая стимулирует, дисциплинирует и мотивирует, как на мой взгляд. Поддержка комьюнити курса оказывается в полном объеме тьютором курса, кураторами, экспертами и службой поддержки. Также, если успевать все и даже больше находить время на дополнительные разборы тем, то легко можно участвовать в командных соревнованиях, что также сильно стимулирует на обучение. Спасибо команде SkillFacroty! ДОСТОИНСТВА: много практики, дружелюбное комьюнити курса, интересные проектные работы НЕДОСТАТКИ: не хватает времени на прохождение модулей по системе дедлайнов. (средние цифры выделяемых часов на прохождение модуля завышены)

Обучаюсь на курсе профессия Data Science. До начала курса не было практически никаких знаний не то что бы о специальности, но и о Python, SQL. Лично мне очень нужно было что бы с самого нуля было все раскрыто, так и получилось. Подробное описание простых вещей(как сейчас понимаю простых), помощь координаторов, менторов по любому вопросу. Отлично что есть возможность перевестись в другой поток без просрочки на сдачу аттестации и проектов (некоторое время не было возможности заниматься). К большим и объемным темам есть например ссылки на углублению литературу .Уже прошел год после начала обучения. Такое ощущение что я знаю уже много, и что во много раз больше еще предстоит узнать. Главное есть понимаю что именно надо изучать и куда расти.

Долгое время занимался самообучением, но как обычно оказывался в списке накопителей электронных книг и видеороликов. Год назад решил пройти курс и начал искать курсы по отзывам и в конце концов выбрал SkillFactory и не ошибся. В период обучения были и сложности и очень сложные задачи, но как говорится 'кто хочет ищет возможности'. Все время менторы и координаторы отвечали на вопросы и подсказывали где не понятно. Отдельно хочу поблагодарить Ольгу Левина, Алису Миллер и Ольгу Семикина за все и за выделенное время для нас.

Ставлю твердую пятерку. Обучался на двух курсах. Data Science и интернет-маркетолог. Первый курс не был закончен, так как я понял что это не моя ниша, совсем. И благодаря SkillFactory я перевелся на подходящий мне курс и продолжил обучение без каких-либо доплат ( разницу в стоимости вернули мне)). Курсы прописаны отлично, все сделано удобно и информативно, если вдруг не понял что тебе пытаются донести то ищешь в чат с менторами и учениками и там точно найдешь ответ. Доволен школой целиком и полностью.

Прохожу курс Data Science, все достаточно интересно, затягивает. Менторы и коллеги по учебе помогают, вопросы не остаются без внимания. Прошло пока только половина курса. умаю не зря я связался со SkillFactiry. Но и сложностей хватает. Если у вас рабочая неделя 5/2 будет очень трудно совмещать. В самом начале до покупки курса говорили что абсолютно без опыта можно начинать учиться, с этим согласен, справиться можно, но все достаточно тяжеловато. Но без этого никак. Больше всего меня смутило то что до покупки курса говорили 10-12 часов в неделю будет уходить на учебу. По факту иногда уходило и все 20+. Люди которые уже имели какой-то опыт а программировании понятное дело справлялись быстро, а вот с нуля тяжеловато. НО ЭТО ОЧЕНЬ ИНТЕРЕСНО). О покупке курса я не пожалел, познаю новое с удовольствием. Кстати, там предусмотрены: продление сроков сдачи модулей, а также если сильно отстали то есть возможность перейти на более поздний поток. Между потоками обычно 1-2 месяца разрыв. Надеюсь мой отзыв вам поможет определиться в выборе)

Прохожу курс Data Science. Вполне доволен. Удобная платформа, материал структурирован. Множество несложных практических заданий. После каждого раздела есть практика. Если что-то не получается, есть Пачка (аналог Slack), где можно задать вопросы ментору или поискать ответ на свой вопрос если на него уже отвечали. Менторы отвечают не супер быстро, зато вполне доходчиво и развернуто, с элементами кода (не полностью решение, а дают наводку на метод решения). С менторами общался всего пару раз (прошёл 40% материала курса), потому что находил ответы на аналогичные вопросы. Про качество материала скажу так что учат основам, но дают различные дополнительные ссылки на неплохие ресурсы для самостоятельного осваивания. График учёбы тоже вполне удобный - всё в записи и можно самому подстраивать процесс под себя. Пока всем доволен.

Это был мой первый опыт полноценного, не беглого обучения в формате онлайн. В целом курс (Data-driven) сформирован вполне сносно, есть замечания и шероховатости. Может быть где-то не хватает практической базы, всё-таки большинство людей кто идёт за обучением, это не студенты теоретики, а действующие специалисты, желающие поднять свой профессиональный уровень и освоить новые знания. Но больше всего конечно мне понравился ментор, не знаю, один ли я ему писал в 12 часу ночу (раньше просто физически не мог дзаниматься учёбой), но он мне старался обязательно помочь, связывался со мной по скайп и мы решали возникшие у меня вопросы. Конечно не хватает интерактивности. Может быт ьв будущем это решит ИИ, который заменит преподавателя, посмотрим. В принципе и будущий курс по machine Learning я планирую осуществить онлайн. Здесь или нет, это не важно. Но в целом такой формат мне понравился. 4 звезды для того, чтобы школа улучшала функционал.

Очень долго выбирала где обучаться прежде чем выбрать SkillFactory. Устроила цена курса, продолжительность обучение (у меня год, начала в декабре 2020) и порадовало общение с менеджером. Достоинства: 1. Платформа достаточно дружелюбная к пользователю, информация структурирована по разделам и подразделам. Сначала идёт теория в виде текста, иногда в виде роликов, далее сразу следуют практические задачки. 2. Все лекции сразу доступны в записи и не нужно ждать, отменять запланированные дела, чтобы в определённое время посмотреть, смотри когда хочешь. Так же лекции ведутся онлайн и если что-то не понятно, можно посетить и задать все вопросы. 3. Есть чаты в мессенджере Slack где можно в любое время задавать любые вопросы по теории, если не получается решить задачу или возникли иные проблемы, обязательно помогут. 4. Есть чаты в Telegram, где периодически выкладываются вакансии, стажировки, обсуждаются все подводные камни при устройстве на работу, на собеседовании, на фрилансе, как начать и с чего. 5. Проекты по окончанию определённого блока выполняются (заливаются) на GitHub, а в дальнейшем проходят на Kaggle, одной из главных онлайн-сообществ для Data Scientistов, где проводятся соревнования разной сложности и потом это включается в твое портфолио. 6. Так же, что не мало важно достойная поддержка менторов, тьюторов и тех. поддержки. Недостатки: 1. У SkillFactory нет лицензии на право выдачи дипломов гос. образца, но они работают над этим, может скоро что-то измениться. 2. Надо быть готовым к тому, что придётся очень много изучать информацию из дополнительных источников и иногда на английском языке. 3. Лично мне не всегда хватает информации, которую дают в самом курсе, часто приходиться гуглить и искать решения на форумах.

Прохожу курс 'Специализация DataScience'. Выделила основные для меня плюсы и минусы учебы на данном курсе. Плюсы: 1) Преподаватели действительно разбираются в своем деле и, в основном, объясняют все интересно и понятно. 2) Много практики. В процессе учебы, когда делали проекты, принимали участие в соревнованиях на Kaggle. 3) Тьютор и ментор всегда дают подробную обратную связь. Можно обратиться по любым вопросам. 4) Есть центр карьеры SkillFactory, где постоянно предлагают разные вакансии и проводят различные встречи со специалистами. 5) Всегда можно обратиться в Slack и по вопросам учебы, и по организационным вопросом. В основном отвечают быстро. Чаще всего проблема решается. 6) Можно переводиться в другую группу, если что-то не успеваешь, брать отпуск, переходить на учебы без дедлайна. 7) В целом, команда доброжелательна к студенту. Минусы: 1) Когда я поступала в самом начале учебы не было организовано какой-то вводной части. Вроде нас добавили в Slack, но непонятно было где наша группа, куда вообще бежать и что делать. Но, возможно, в последующие поступления этот вопрос уже решили, так как по этому поводу было много вопросов у людей. 2) Часто бывают проблемы на самой платформе. То что-то ломается, виснет, то зеленые галочки не ставятся. В последний раз у меня было, что пропал прогресс за deep learning. И этот вопрос никак не решился. 3) Бывают ошибки на платформе в теории. 4) Не всегда хватало времени, чтобы сделать проект. Но плюсом было то, что всегда можно было договориться с ментором по поводу этого вопроса.

Я прошел весь курс Data Science Academy. Я бы сказал, что он лучшее что я видел для людей, которые хотят начать программировать. Хотя он дает даже больше, чем начальные навыки программирования. Части про ABS и моделирование ставок расширяют представление о том, как работают современные финансы/IB. Так же для меня курс был полезен тем, он позволил понять, что надо дополнительно изучить и в каком направлении развиваться. Главный плюс курса в том, что ты начинаешь сам пытаться писать код для приближенных к реальности задач.

Проходил у SF два курса: data science и финансовую академию. Преподаватели все с именем и опытом работы в крупнейших российских и международных компаниях. Объясняют все доходчиво, с удовольствием идут на контакт и не отказывают в помощи. Основной упор сделан на практику, что дает огромный плюс при устройстве на работу. Также отмечу, что SF Education помогли разобраться с составлением грамотного резюме и сопроводительного письма, что помогло в скором времени обратить на себя внимание интересующие меня компании(при отсутствии большого опыта)

Для не-технаря овладеть нужными скилами в IT-профессии очень сложно. Задаешь вопрос - а люди тебя просто не понимают. Вот по аналогии с кулинарной книгой Молоховец: ' Спуститесь в ледник и возьмите кринку свежайших слиивок'. А вот поди ж ты объясни, что у тебя нет кринки, и сливок тоже, а как оборудовать ледник ты даже примерно не в курсе. В этом плане Практикум оказался большим подарком: никто и не ожидает от тебя какой-то предварительной подготовки. Прежде всего, мне рассказали, какие именно скилы в профессии мне нужны обязательно, а какие второстепенны (а то, безумие аббревиатур и вариантов скилсетов аналитика на том же hh непросвещенного человека вводит в ступор - и я не была исключением). Затем дали начальное знание каждого из базовых скилов - где-то более глубоко, где-то поверхностно, но куда дальше копать (со ссылками, деталями, кратчайшими путями) стало совершенно очевидно. Теперь более детально: Скажем, если python (pandas, myplotlib, numpy) после курса нужно просто практиковать-практиковать-практиковать и читать про классные юзкейсы, то SQL надо добирать довольно много (но это не так сложно). А вот матстат, тервер, визуализация, А/В и дашбордостроение - на мой взгляд, только на уровне поверхностного знакомства, и нужно еще много месяцев глубоко погружаться в предмет. В работе мне волею судеб больше всего нужен SQL (он у меня после практикума ооооочень подтянулся) и матстат - с которым пока сражаюсь с переменным успехом - и тут практикума явно недостаточно. Впрочем, если вы технарь, вам будет много проще. Питон, увы, пока толком не пригодился, и это конечно не идет ему на пользу (( Лично меня по окончанию курса посетило два противоположнонаправленных чувства: 1) как мало я еще знаю после 6 месяцев очень усиленной работы 2) как здорово, что я теперь точно знаю куда двигаться дальше!

Люблю Яндекс Практикум всей душой. Я прохожу сейчас курс по Data science и здесь хорошо все: и куратор, и обсуждение интересных тем по субботам, и выполнение проектов. Но важно понимать, что обучение здесь на самом деле - обучение. Приходится тратить время на выполнение заданий и проектов. Есть жесткие дедлайны, а все обучение разделено на двухнедельные спринты. Но все можно успеть, если правильно планировать время. В любом случае куратор группы всегда поможет, так у что учиться здесь психологически и организационно очень здорово!

В целом от курса остались положительные эмоции. Оценил бы курс на крепкие 8 из 10. Для человека, который не занимался каким-либо видом программирования, я получил довольно хорошую базу знаний. Плюсы: 1) Очень хорошие начальные спринты курса, которые заставляют тебя плотно сидеть и работать. При этом ты делаешь это не в тягость, а наоборот с вдохновением, тебя завлекают все глубже и глубже в Data Science. В итоге ты сидишь после работы и на выходных и занимаешься на радость себе. А после прохождения спринта ждешь скорее следующий. 2) Приятный интерфейс, в котором удобно делать задачи и проект. Что безусловно притягивает, так как сразу разбираться как что установить себе на компьютер, чтобы это работало корректно, не хочется. 3) Наставники. По сути мы нанимаем высококвалифицированных специалистов, которые готовы дать ответ практически на любой вопрос из этой области. А также вебинары, которые в большинстве своем оказались очень полезными. 4) Очень хороший спринт по SQL. Рассказали все с нуля и за 2 недели, как получать данные из таблиц. В итоге теперь практически каждый день с радостью решаю задачки по этой теме. Плюс два великолепных семинара по SQL от наставника, где была прожарка в режиме онлайн наших решений, было круто! Минусы: 1) Было несколько спринтов, которые на фоне остальных казались слабыми: теория вероятностей, статистика. Довольно много информации без достаточного количества практического закрепления материала. 2) Нехватка мощностей выделяемых для CV, из-за чего приходится иногда подолгу стоять в очереди, чтобы проверить свой код. В итоге оказывается, что ты опечатался в названии одной из переменной, из-за чего тебе опять приходится вставать в очередь, не получив полезной информации по результату. В общем, за исключением небольших недостатков курс очень хороший. Ну и как в любом обучении здесь много интересных людей. Новые знакомства всегда в плюс, тем более из новой области. Рекомендую!)

Почти завершил прохождение 9-месячного курса Специалист по Data Science, впереди только выпускной проект. Хочу поделиться своими наблюдениями: 1. Обучение проходит двухнедельными спринтами. Спринты, как правило, делятся на теорию, выполнение задач в тренажере и самостоятельный проект в jupiter notebook. В конце каждого спринта вас будут ждать гибкие или жесткие дедлайны. Последние нельзя нарушать, иначе придется брать академ или завершать обучение. Такой подход держит в тонусе и действительно стимулирует. Но возможно подойдет не всем. 2. По некоторым темам реально много информации и заданий. Прогнозируемое время прохождения модуля в интерфейсе часто выглядит очень оптимистичным. По некоторым блокам у меня уходило от 30% до 100% больше времени на прохождение, чем было примерно заявлено. 3. Некоторые темы и детали могут с первого раза быть не понятны. Моя рекомендация — не залипать на них, а сначала выполнять спринты. И когда будет свободное время вернуться, чтобы разобраться. Тренажер доступен в режиме 24/7, а также не понятное можно разобрать в учебном чате с одногруппниками или задать напрямую вопрос экспертам, в том же учебном чате. 4. Выполняя самостоятельные проекты часто хочется сделать все идеально. И на это конечно же уходит много времени, поэтому рекомендую выключать свой перфекционизм и делать проект укладываясь в заданный дедлайн. Лучше получить реальную обратную связь от ревьювера, чем фантазировать чего еще не хватает в проекте. 5. Так как теоретического материала много, то форма его подачи на протяжении обучения неоднородна и иногда (редко) не все понятно. Чтобы подробнее понять некоторые аспекты нужно будет дополнительно поискать информацию или же обратиться к преподавателю. В целом форматом обучения и качеством доволен. Команде сопровождения 54 когорты и ребятам, которые создают методологию, контент, интерфейс, иллюстрации, кодят платформу и всем причастным большое спасибо! )) За продуктом стоит большая команда неравнодушных людей и это заметно.

Прошел курсы «специалист по Data Science», теперь взять математику для анализа данных. Курсы очень понравились, на них есть кураторы, у которых можно спросить совета, узнать как делать то или иное задание. Материал подается в доступной форме, узучая их не клонит в сон, как на многих других платфомах. Тренажер помогает отточить не только теорию, но и практику. А также в процессе обучения делаешь много проектов, которые идут в портфолио. В целом, курсами крайне доволен и в будущем планирую пройти еще одни.

Закончил курс по профессии 'Специалист по Data Science' в мае 2023, в начале курса было ощущение, что 8 месяцев это очень долго и впереди очень много всего нового, айтишного, неизведанного, сложного, математического, невероятно трудного для понимания. Оглядываясь назад, действительно скажу, что пройдено много сложных тем, а 8 месяцев пролетело так быстро, что даже не ожидал. Обучение продуманное, с нарастающей сложностью. С первой темы сразу вступаешь в довольно удобный график со четкими спринтами в 2 недели, прямо как в разных системах тайм-менеджмента, например agile. Сразу попадаешь в уютно оформленное рабочее пространство, где каждый учебный спринт поделен на разделы, которые соответствует разделам теории, все это для того чтобы максимально оперативно можно было задать вопрос преподавателю или почитать вопросы, что задавались одногруппниками. Отдельно и по шагам сделан по аналогии раздел с проектами, где точно также преподаватель отвечает на различного рода вопросы. Понравилось, что почти каждый спринт заканчивался самостоятельным проектом, который проверяет реальный человек, реальный специалист, работающий уже в отрасли, оставляет комментарии, дает советы и частенько присылает интересный материал почитать немного дополнительно. Сложность проектов нарастает очень плавно, очень продуманно. В начале с примерами и шаблонами, постепенно их становится меньше и вот через некоторое время ты уже привычно и уверенно сам начинаешь новый проект в юпитер ноутбуке. По ходу обучения, раз в неделю, проводятся онлайн вебинары с наставниками, где вживую можно послушать лекцию на какую-нибудь тему, задать вопросы. В случае конкретно моей группы обучения, вебинары не часто совпадали с текущей темой, которую проходим. Само качество вебинаров тоже было не очень высоким. Но по отзывам из соседних групп обучения бывает и очень приятные лекторы, с хорошей подготовкой и большим опытом проведения вебинаров. Практикум большой, лекторов много, а быть ведущим и хорошо преподавать это отдельный навык. В целом, Яндекс, и Яндекс. практикум, по ощущениям, как-то притягивает к себе на работу много добродушных людей, от которых действительно появляется ощущения, что тебе тут рады, желают добра, передать знаний, помочь. Вы не с чем не спутаете это чувство. Хочется отметить куратора нашей когорты, невероятно добродушная, приятная девушка, после любого взаимодействия с ней, как-то улучшается настроение. Также хочется отметить классного преподавателя, ответственного за проекты, такую оперативность ответов точно никто не ожидал, за пределами рабочего времени тоже, ответы были очень проработаны, со ссылками и примерами на пальцах, просто не остается шансов не разобраться в вопросе. Невероятные люди, точно запомню их навсегда! :-) В конце хочется сказать, что важно общаться, качать навыки общения и общаться с командой сопровождения, с одногруппниками, в период обучения и что не менее важно после, остаться в кругу знакомых, объединенных общим интересом и целью очень ценно! Не упускайте этот важный аспект, не сидите в одиночестве над сложным вопросом! Практикум дает такую возможность, возможность стать частью большого классного комьюнити, в котором вам будет приятно, и уходить точно не захочется :-)

Я проходил курс «Специалист по Data Science». 
Старт был очень бодрый: много подробной теории и практики. Удобный формат обучения - тренажер и теории в письменном виде (для меня видео лекции - это скука, сложно найти такого спикера, который был бы интересен каждому студенту, энергичен и тп). Важно, что идет сопровождение и на платформе, и в твоей когорте. Интересные вебинары раз в неделю. Они помогали понять тему лучше. Все идет в одном ритме (практически нет такого, что где-то идет опережение по теме или навыку). Далее все больше и больше пропадала та бодрость и то желание узнавать новое. С каждой темой теории становилось меньше, становилось тесно и некомфортно. Вскользь упоминались важные моменты, были пропуски, от которых потом взрывался мозг - почему так. То есть без доп изучения явно не обойтись. А жаль, ведь в начале было много материала, и если бы части ML и математике уделили бы такое же внимание было бы очень здорово. Интерес начал пропадать, проекты становились однотипные, и было ощущение что и ревьюеры устали от них. В моем опыте лишь один ревьюер расписал мое проект по полочкам от начала до конца, так, что у меня не было вопросов и была улыбка на лице. Остальные просто говорили где, что и как переделать, и на второй раз уже принимали проект. Хотели быстрее его закрыть? 
Под конец уже просто хотелось закрыть спринты и проект, чтобы не было хвостов. Я люблю математику и тема ML мне безумно понравилась, но хочется большего: больше теории, более полные проекты (проекты полного цикла). Такое ощущение, что у нас был буткемп, а не основной, базовый курс. 
Хочется отметить блок SQL - очень полный, такой надоедливый в хорошем смысле, что каждый из нашей когорты высказался насколько он устал и действительно потратил на него все допустимое время (почти все 2 недели), а некоторые и больше. Хотя другие спринты закрывались за несколько дней… Поэтому и понимание SQL просто отличное. Вот это идеал спринта. И каждый из нашей когорты разобрался в нем. В тренажере часто бывало так плохо написано задание, что просто ужас. Нужно потратить не только время на навык DS, но и на навык читать… Один раз я написал в поддержку, и вроде бы со мной согласились по поводу ошибки в описании подсказки к задаче, которая сбивает с толку. Также тренажер не всегда учитывает альтернативные решения, которые тоже верные. Об этом говорят и преподаватели. Это действительно неприятные факты, потому что есть дедлайны, а такие ситуации отбирают время. И порой очень много. 
После каждого спринта обратная связь - она очень надоедает. Мне кажется, ее стоит сделать добровольной. Если есть что сказать, то тогда вот тебе возможность, а если нет, то и не нужна эта обратная связь. Так их еще и несколько: штук 3-4 наверное. 
Карьерный трек полезный. Но не нужно ждать, что после того, как вы пройдете курс, вы сразу попадете на стажировку или работу. Нужно будет стараться и прикладывать немало усилий. Об этом говорят и на курсе. Так что никакого обмана нет. За это - спасибо. При этом никто никого не бросает на произвол судьбы, а есть поддержка. 
В целом, курс хороший, дает много навыков для старта, но очевидно - это только начало, и нужно быть готовым самостоятельно учиться (много учиться). Я не знаю, как на других курсах, поэтому мне сложно сравнить. По личным ощущениям я оценю курс Яндекс.Практикума на 4- или 3+

Курс Data Science Отвратительно. Это мягко сказано. За ваши деньги вас даже НЕ научат гуглить. За ВАШИ деньги вам будут давать 'каникулы'. За ваши деньги вам НЕЛЬЗЯ публиковать наработки. Курс сильно растянут, что позволяет компании заработать больше денег на пустозвонстве. Теория просто полное **в*о. Отвратительная подача материала. Оно (далее так буду называть Яндекс Практикум) не дает никаких знаний, не учит. Все информацию собираешь самостоятельно по благословению Гугла. За что мать его платить? 13к в месяц за то что тебе дадут кривую-косую 'теорию' в которой сам разбирайся как пожелаешь. Условно : ОНО тебе дает задачу 2+2, как работает '+' и почему такой результат никто не расскажет, не объясняется НИЧЕГО. Как работает та или иная функция - думай самостоятельно. У ОНО нет никаких наработанных материалов который они могли бы дать прочесть и изучить учащимся. Подход полное дно, открываешь программу и просто материшься. Это обучение, понимаешь ОНО? Обучение включает в себя функцию рассказать и донести как это работает, а далее применять эти знания. Ваши 'курсы' не имеют права на жизнь в целом.

Уже больше чем пол года учусь по направлению Специалист по Дата Сейнс. Перейдя в новую когорту преподаватель отказывается отвечать на вопросы по теме проекта в личных сообщениях (в прошлой когорте таких проблем не было). Ни куратор ни тех поддержка не идут на встречу, говорят что против правил. Пытаюсь решать всё самостоятельно без помощи преподавателя, что ставит под сомнение качество обучения. Ощущение беспомощности, что меня все бросили. Учёба подрывает психологическое здоровье, отнимает больше времени, чем заявлено в описании. Никому не пожелаю такого куратора и преподавателя, которые перекладывают свою работу на других студентов курса, заставляя писать в общие чаты, чтобы студенты сами себе помогали, оказывая неквалифицированные консультации. Содержание курса отличное, но как самоучитель, поддержка ужасная. Всем удачи дойти до конца!

курс Data Science, октябрь-ноябрь 2021 школа: находится буквально напротив метро Сенная/Садовая/Спасская, добираться удобно; на автомобиле - могут быть сложности с поиском места для парковки; помещения без лишнего шика, но вполне достойно: классы чистые, тёплые, светлые; приличные туалеты; есть зона отдыха с чаем/кофе; группы до десяти человек, у нас было 9. техническое оснащение: на стол (рассадка по двое) один системник, два монитора, клавиатуры, мышки + монитор, привязанный к компьютеру преподавателя; за время обучения была пара сбоев, которые довольно быстро устранялись администрацией, на процессе обучения не сказывались. работа администрации: исключительно вежливые, приветливые, отзывчивые сотрудники (и живое общение, и чат на сайте, и телефон, и контакт); единственный минус - если сотрудники сразу не могли дать ответ/решить вопрос (в случае 'нестандартных' обращений) и обещали перезвонить/передать, этого не происходило; оптимальный вариант - общение через страницу вконтакте: отвечают быстро, по сути и, опять же, вежливо. работа преподавателя (Ковалёв Святослав): человек, безусловно, отлично знающий материал, к тому же работающий по этому направлению, готовый делиться не только теоретическими знаниями, но и реальным опытом; эксклюзивные обучающие материалы к каждому занятию с полезными ссылками для более глубокого самостоятельного изучения (при желании/потребности); домашние задания трёх уровней сложности; онлайн-поддержка в течение всего времени обучения; развёрнутая обратная связь по домашнему заданию (каждому ученику по каждому заданию), разбор наиболее частых ошибок из ДЗ на занятиях; по-моему, бесконечное терпение и готовность объяснять материал 'до победного'. подготовка: минимум (будет тяжело, но всё же возможно): понимание чисел, графиков, функций, умение хотя бы читать на английском, страница вконтакте; желательно (мозгу придётся работать интенсивно, но до кипения не доходить): знание основ Python, представления о высшей математике (матрицы, теория вероятности, статистика...), нормальный уровень английского; чтоб можно было наслаждаться процессом обучения непосредственно Data Science, без необходимости попутно восполнять пробелы в других областях: работа с Python, свежие или не утраченные знания по высшей математике, технический английский (знание математических и IT терминов). общие впечатления: курс очень интенсивный, насыщенный; почти каждое занятие новая тема, как правило, на основе пройденных; если нет существенного багажа в области или врождённой гениальности, придётся довольно много повторять/постигать/закреплять самостоятельно, в том числе в процессе выполнения ДЗ; на момент поступления у меня были хорошо забытые знания по вышей математике, среднее знание английского, почти нулевой уровень в программировании и желание пойти работать в область IT; после первого занятия хотелось сбежать, потом стало легче; на занятии если не всё, то большая часть понятна, но когда через день-два принимаешься за домашку, приходится всё повторять заново, часто (для лучшего понимания) копаться в материалах по математике или по Python; а так как большая часть актуальной информации на английском, ещё и держать словарь открытым; наверное, курс подойдёт новичкам (типа меня) для общего понимания Data Science, существующих направлений, получения базовых знаний; людям, ищущим пути решения для конкретной задачи; людям, относительно погружённым в материал, для систематизации знаний и восполнения пробелов.

Обучаюсь два последние месяца по Data Science. Нацелился на аналитика, но может быть поменяю на разработчика. Все согласованные режимы обучения (мне удобно он-лайн семинары по выходным) - соблюдаются. Д.з. проверялись быстро и оценки давались вместе с полезными комментариями. Лекции доступны в записи и прорабатывал их в удобное для себя время. Как известно, нет царской тропы ни в геометрию, ни в другие науки/ремесла. Инструменты для получения знаний и навыков GB предоставил. Преподаватели толкают и тянут вперед, что не отменяет необходимости систематически прикладывать собственные усилия. Моё продвижение в обучение даёт основания надеяться как на освоение выбранной специальности, так и на расширение эрудиции по смежным областям.

Являюсь студентом факультета искусственного интеллекта. Обучаюсь с мая 2022 года. Сначала занятия проходили по расписанию, домашние работы проверялись. Летом занятия начали постоянно откладываться и переноситься, занятий не было почти месяц. Сейчас вебинары постоянно переносятся, преподаватели не выходят на связь, домашние задания перестали проверять. По последнему курсу (библиотеки python для data science) вместо первого вебинара онлайн с преподавателем нам выложили запись чужого вебинара с чужими вопросами. Преподаватели на сообщения не реагируют. В среду 16.11.22 должен был состояться онлайн вебинар, но его меньше чем за час до начала перенесли на 20.11.22. Сегодня он начался в зуме, в итоге студенты просидели перед пустым экраном 40 минут!!! Преподаватель так и не появился. Кроме того они совсем обнаглели и выложили этот пустой вебинар как занятие в записи. Т.е.открываешь запись занятия, а там 1час 17 минут пустоты и черного экрана. До сих пор нам ситуацию никто не прояснил. Кроме того, убрали всех кураторов и теперь студентам не к кому обращаться с организационными вопросами, можно писать только боту, отвечают через 1-2 недели даже по срочным вопросам. Качество организации обучения резко упало. Есть ощущение, что у geekbrains проблемы и оно больше не может обеспечивать нормальное обучение должным образом.

Ну все это крик души, уж насколько не хотелось оставлять плохой отзыв, но такой уровень просто недопустим. История такая: оплатила я обучение недели 2-3назад, направление data science. Сразу после оплаты никаких чеков на почту не пришло, пришлось связываться с поддержкой. Выяснили, что обучение подкрепилось к неверному аккаунту, исправили. Далее связалась приветливая девушка из адаптации студентов, мы обговорили, что онлайн семинары будут стоять в субботу и воскресенье, меня все устроило, ок. Через 2 дня связался молодой человек, который тоже представился адаптацией студентов и начал повторять тоже самое. С ним также было оговорено, что удобное расписание для меня суббота и воскресенье. Однако, как только расписание было опубликовано, онлайн занятия стоят там по каким то причинам по средам и воскресеньям. На все запросы в поддержку, на горячую линию и в чат молчание, на половину вопросов по обучению также молчание...большие сомнения возникают при мысли правильно ли было выбрано обучение. Также были вопросы по подключению к воскресному семинару, однако, ни один из вопросов на почту и в чат не получил ответ.