Karpov Courses

Достойных аналогов я не нашел. Вряд ли какой-либо курс может предложить такой преподавательский состав.

Безусловно, преподаватели, которые являются профессионалами своего дела и делятся опытом и наработками. Это делает данный курс уникальным на фоне остальных.

У курса есть свой YouTube канал, где разжевываются многие сложные моменты, а оперативная обратная связь помогает справляться с ними.

Для успешного прохождения необходимы минимальные знания Python и SQL, но это не является недостатком данного курса.

Сами лекции подаются в виде записанных видео, материал дублируется в виде текста и слайдов. Относительно самих материалов: кратко, без лишних слов.

Задания сочетают как теоритические вопросы, так и практические задания. Они ограничены по времени.

Кроме того, понятно, что преподаватели заняты своей основной деятельностью на 100%, поэтому быстрых ответов можно не ждать и лучше включать голову и искать ответы самому.

Вообще, это и плюс, и минус. Для человека без большого опыта работы в компании с большими данными курс слишком теоретизированный и мало практики. Примерно еще в полтора раза больше материала нужно добирать самому. Правда, это можно сделать почти бесплатно и найти курсы, учебники и т.д. легко. Для человека в теме это плюс: не тратишь время и не платишь за лишнее. На вебинарах была стандартная ситуация, когда люди, которые уже работают с данными, говорили: «вау, как классно, а мы не знали и мучались».

Курс слабовато подходит для тех, кто хочет вкатиться в IT с улицы. У него чуть уже таргет, чем его подают рекламщики. Но если вы ищите хорошо упакованную теорию и примеры решений, а стоимость для вас ок, то все весьма достойно.

В самом главном модуле отличный и ответственный лектор, который провел много многочасовых онлайнов с практикой и разбором.

Курс достаточно хорошо подходит для того, чтобы по его итогам пройти собеседование. Если, конечно, не забыть к концу курса, что было в первых модулях. Очень достойная программа трудоустройства.

Облачные технологии рассматривают на примере VK cloud s, но отдельные топики преподы иллюстрируют на Яндекс.Облаке.

Курс не страдает развесистой клюквой, когда скучный материал разбавляют смехуечками и всяческим копирайтингом (если вы понимаете, о чем я). Лекторы делают акценты на том, что им самим интересно. В итоге получается отлично. Это жирный плюс.

Домашки проверялись с большой задержкой. Почти все домашки по типу проектов. Нет небольших практических заданий. Есть тесты, но это не то.

Практика сильно уступает теории в объеме. Задания на «пощупать один раз», тогда как ты ожидаешь отработки навыков. По отдельным модулям (типа Airflow) брал сторонние практические курсы. Ровно потому, что если быстро делаешь — быстро забываешь.

Несбалансированность нагрузки по темам: можно было бы исправить, лучше организовав расписание.

Разрозненность тем, но это уже объективная вещи, которую исправить сложнее.

Нет мейнстримной темы или проекта. Можно было бы делать проект по данным с нуля и до последнего модуля, чтобы лучше представлять всю инфраструктуру и чувствовать, что можешь повторить самостоятельно все.

Нет кликхауса (прикиньте?).

Поддержка в чате от саппорта — ок, от преподов — почти всегда ок. Комьюнити менеджмент на нуле, на него просто забили. А может он нам и не нужен.

Интересная подача, каждый слайд разбирается досконально: с выводом формул, подробным описанием и практическим применением. Таким образом, к концу лекции ты получаешь не просто готовый ответ «sample size считается вот так», а понимаешь каждый шаг, который привел к такому результату. Если бы я оценивал только четвертый модуль, то поставил бы 5+.

2. Далее про сам модуль ценообразования: неструктурированный набор лекций, не создается целостной картины «а изучаем-то чего?». Сначала тратится три лекции на элементарный препроцессинг (хотя в описании курса HARD ML написано для уровней senior DS), потом идет элементарная регрессия (простая и квантильная), «галопом по Европам» временные модели и...многорукие бандиты. Новых знаний с модуля получаешь крайне мало. Куда лучше было бы разобрать более глубоко какую-то подобласть в ценообразовании, чем пытаться объять необъятное.

3. Ранжирование и матчинг. Первое и главное — довольно токсичный преподаватель. На ранних запусках курса, когда были очные сессии, на уточняющий вопрос по теории или ДЗ я часто сталкивался с ответом преподавателя: «перечитайте внимательнее, в описании все есть».

Уважаемый преподаватель, вы составляете учебный материал, разумеется, для вас там вопросов нет и все очевидно. Но если из раза в раз, чтобы получить ответ на вопрос, приходится читать между строк, то, возможно, для студентов не все так очевидно. На n-ом этапе я просто перестал спрашивать, если не мог найти ответ самостоятельно, то ждал разбора ДЗ. Всяко лучше, чем тратить нервы на токсичное общение.

Касательно материала: на самом деле довольно неплохой курс, очень много приходится писать с нуля, что здорово. Сильно прокачался в PyTorch из-за этого. Из минусов по материалам: мы, вроде, ранжирование и матчинг проходим, зачем в последних лекциях делать больший упор на эмбеддинги, Bert и трансформеры, если мы не используем их ни в одном из ДЗ, ни в финальном проекте. Вместо этого можно было бы разобрать sota в ранжирование, а не заканчивать на реализации KNRM.

4. Ребята с четвертого запуска курса убрали очные сессии с преподавателями по ДЗ. Раньше ты мог голосом обсудить свои вопросы, задать вопрос по коду и получить ответ. Это нормальный процесс взаимодействия преподавателя и студента. Именно за это я и готов платить 150к за курс! Но, видимо, такие сессии решили упразднить из-за высокой трудоемкости, оставив лишь видеообзоры домашки.

Ноль интерактивности — это большое упущение. Да, есть возможность спросить преподавателя в slack, но он не уделит тебе столько времени и не разберет проблему так досконально, как это было на очных сессиях. К тому же время ответа занимало несколько дней, а несколько вопросов по модулю АБ-тестов остались без ответов (организаторы могут поднять переписку в slack и убедиться в моих словах).

— Актуальный материал;

— Затронуты все темы, что позволяет после обучения претендовать и на дата-, и на биай-, и на продуктового аналитика;

— Адекватная поддержка и помощь;

— Отсутствие критических проблем.

— Из-за сжатого срока обучения (5 месяцев) надо быть готовым тратить более 80% своего свободного времени после работы и на выходных на обучение;

— Некоторые блоки, на мой вкус, были не слишком сбалансированы по сложности (например, старый блок по airflow или четвертый урок питона по работе с грязными данными).