Deep Learning Engineer (Инженер глубокого обучения) - Karpov.Courses

Достоинства
Достоинства курса в том что в состав входит крутая команда из Team Lead-ов преподавателей со Сбера, Яндекса и mail.ru. Ведь командный состав преподавателей и стиль подхода обучения многое значит. Каждый преподаватель пытается передать современный тренд знания в области инженерии данных отвечающий новым вызовам. Студент получает очень большой массив знаний, где со временем можно применять к практике у себя в работе компании или в стартапе.

Достоинства
В целом база курса очень достойная. Все обучение, которое касается ml, преподается хорошо. Так же хотел бы отметить блок про глубинное обучение, на мой взгляд, он хоть и занимает всего примерно месяц, за этот месяц пытается впихнуть в тебя очень неплохую базу, которую ты потом в будущем можешь продолжить самостоятельно.

Недостатки
Все модули, которые не касаются машинного обучения, например статистика, так же как и в случае с глубинным обучением, пытаются охватить как можно больше контента, однако из-за этого подхода часто возникает ощущение что недожали, недообъяснили,...

Достоинства
Курс «Инженер машинного обучения» оказался для меня очень полезным и практичным. До этого мой опыт анализа данных был ограничен Excel, а здесь я смогла глубже освоить Python, SQL и машинное обучение. Особенно понравилась работа с реальными данными и бизнес-кейсами — это помогло лучше понять, как применять знания на практике.
Формат домашних заданий позволил хорошо закрепить материал, а быстрая поддержка экспертов и кураторов делала обучение комфортным. Супер интересно было проходить модуль по нейросетям — он дал понимание принципов работы и применения моделей.
Советую сразу...

Достоинства
- Интересный материал
- Рассматриваются методы, которых нет в других курсах
- Достаточно много практики
- Лекции предзаписаны (и достоинство и недостаток), можно смотреть в любое удобное время

Недостатки
- Лекции предзаписаны, поэтому нельзя задать вопросы преподавателю в ходе лекции.
- Материалы курса не обновляется. Например, нельзя без корректировки кода повторить практическое задание из урока 9 (скрапинг).
- Самый большой недостаток - грейдер, иногда выматывает все нервы, но благо есть поддержка

Достоинства
Курс помог структурировать знания в голове относительно проектирования систем. Вроде все изложенное в какой то степени было знакомо, однако вместе все знания собрать было довольно трудно.

Курс очень помогает расширить кругозор, понять как одни компоненты систем связаны с другими. При этом информация изложена простым языком.

Очень советую, смотрится легко, финальный проект интересный.

Другие впечатления
Лекторы - профи, кураторы всегда готовы ответить на возникшие вопросы.

Достоинства
Глубокое погружение в профессию, при этом, доступное новичку. Боялась, что будут поверхностные знания, но получила отличную базу для входа в профессию. А если читать доп. материалы, то базу можно расширить спокойно до нужного объема. Лекции понятные и без воды. Самый главный раздел по машинному обучению - топ. Эксперты в чате всегда отвечают на вопросы и дают подсказки "на подумать", что очень круто. Кураторы поддерживают, постоянно спрашивают, как идет обучение. Если быть активным, можно найти бадди, общаться с группой и проходить обучение, постоянно обмениваясь опытом с учениками....

Достоинства
Я пошла на этот курс как полный новичок, без технического образования. Уже давно слышала хорошие отзывы о Karpov.Courses и выбрала эту школу, потому что она кажется надёжной и сильной. Хотелось получить чёткое понимание профессии и крепкую базу, в итоге я это получила.

Курс длился у меня около шести месяцев. Я прошла его полностью и сделала финальный проект. В проекте я собрала пайплайн с использованием Spark, Airflow и Greenplum, настроила DAG и построила витрину по заданию. Это помогло мне увидеть, как всё работает в реальной задаче.

Материалы курса понравились....

Достоинства
Некоторые главы курса хороши. Я проходил две главы, из них мне понравилась только глава про MLOps. Местами там было много воды и теории, лекции достаточно длинные, но зато это позволяет разобраться в теории MLOps и подходах, если вы раньше с этим не сталкивались. Задания в тренажере интерактивные, можно не ждать проверки, а самостоятельно отправлять их и получать результат. Правда в этом и минус — вас не будет проверять живой человек. Также есть чат поддержки, куда можно задать вопросы и посмотреть вопросы других участников курса, чаты для нетворкинга и общения. Также после каждого...

Достоинства
Karpov Courses мне посоветовал друг, который работает в data science. До этого я проходил обучение на фронтэнд-разработчика в другом месте, но в процессе мне разонравилось. Долго думал, чем же заняться дальше, потом узнал о таком направлении как инженерия данных, и меня это сразу заинтересовало. Забегая вперёд скажу, что это первый курс, который я прошёл до конца. Из-за хорошей подачи информации, из-за приятных лекторов, из-за ощущения, что они учат полезным актуальным навыкам, из-за удобной платформы. Ну и, конечно, из-за того, что чем дальше я учился, тем больше мне нравилось...

Достоинства
Учебный процесс выстроен чётко и логично: лекции подаются как цельный, связный рассказ, поэтому материал хорошо запоминается. Задания разбиты на небольшие и практичные шаги, что помогает не перегружаться и постепенно закреплять знания. К каждой лекции прилагается удобный, структурированный конспект. Поддержка работает быстро — в чате всегда можно получить понятный ответ без долгого ожидания. Отдельное спасибо преподавателям: объясняют спокойно, последовательно, слушать приятно. Финальный проект отлично дополняет курс — он сложный ровно настолько, чтобы углубиться в тему, но при...