Онлайн-курс Data Scientist

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, тплые, светлые; приличные туалеты; ес…ть 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 (Ковалв 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 трх уровней сложности; онлайн-поддержка в течение всего времени обучения; разврнутая 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 вс же возможно): понимание чисел, графиков, функций, умение хотя бы читать на английском, страница вконтакте; желательно (мозгу придтся 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 врожднной гениальности, придтся 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 вс, то большая часть понятна, но когда через день-два принимаешься за домашку, приходится вс повторять заново, часто (для лучшего понимания) копаться в материалах по математике или по Python; а так как большая часть актуальной информации на английском, ещ и держать словарь открытым; наверное, курс подойдт новичкам (типа меня) для общего понимания Data Science, существующих направлений, получения базовых знаний; людям, ищущим пути решения для конкретной задачи; людям, относительно погружнным в материал, для систематизации знаний и восполнения пробелов.

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, тплые, 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 (Ковалв 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 трх уровней сложности; онлайн-поддержка в течение всего времени обучения; разврнутая 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 вс же возможно): понимание чисел, графиков, функций, умение хотя бы читать на английском, страница вконтакте; желательно (мозгу придтся 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 врожднной гениальности, придтся 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 вс, то большая часть понятна, но когда через день-два принимаешься за домашку, приходится вс повторять заново, часто (для лучшего понимания) копаться в материалах по математике или по Python; а так как большая часть актуальной информации на английском, ещ и держать словарь открытым; наверное, курс подойдт новичкам (типа меня) для общего понимания Data Science, существующих направлений, получения базовых знаний; людям, ищущим пути решения для конкретной задачи; людям, относительно погружнным в материал, для систематизации знаний и восполнения пробелов.

курс Da a 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, тплые, 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 (Ковалв 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 трх уровней сложности; онлайн-поддержка в течение всего времени обучения; разврнутая 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 вс же возможно): понимание чисел, графиков, функций, умение хотя бы читать на английском, страница вконтакте; желательно (мозгу придтся работать интенсивно, но до кипения не доходить): знание основ Py hon, представления о высшей математике (матрицы, теория вероятности, статистика...), нормальный уровень английского; чтоб можно было наслаждаться процессом обучения непосредственно Da a Science, без необходимости попутно восполнять пробелы в других областях: работа с Py hon, 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 врожднной гениальности, придтся 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 вс, то большая часть понятна, но когда через день-два принимаешься за домашку, приходится вс повторять заново, часто (для лучшего понимания) копаться в материалах по математике или по Py hon; а так как большая часть актуальной информации на английском, ещ и держать словарь открытым; наверное, курс подойдт новичкам (типа меня) для общего понимания Da a Science, существующих направлений, получения базовых знаний; людям, ищущим пути решения для конкретной задачи; людям, относительно погружнным в материал, для систематизации знаний и восполнения пробелов.