Курс по IT-рекрутменту

Курс «Математика для Data Science. Базовый курс» Я, обычное, редко пишу отзывы, но почитав некоторые, все-таки решил зарегистрироваться и написать свою историю с этой компанией.Кто-то пишет в отзывах, что отводится очень мало времени на уроки, отсутствуют практические примеры на лекциях, высокая стоимость обучения. Друзья, 1.5-2 часа длительность одного занятия (а их два в неделю) и целая неделя, чтобы сделать "домашку" это разве мало? А если вам преподаватель просто будет показывать, как сделать что-то или как решать типовые задачки, не объясняя глубины вопроса и не давая теории, то даю гарантию - вы станете очередным типовым копипастером без понимания как всё работает. Или вот про высокую стоимость - ради интереса зайдите на биржу и посмотрите сколько стоят услуги репетитора по высшей математике :). Прежде чем брать курс вы должны понимать, что учеба — это в первую очередь огромный труд (который в итоге потом будет неплохо оплачиваться), а также долгий процесс и еще надо делать ДЗ :) И не забываем про о реальность бытия - дом, семью, работу, лень... А то многие думают: «Я сейчас оплачу курс, отучусь и у меня будет большая зарплата, дом и мотоцикл». Наверное рассчитывают, что знания сами закачаются в голову как программа (хотя я сам был бы не против такой технологии :) )А теперь моя небольшая история. Последние несколько лет я все чаще стал сталкиваться с задачами, которые попадают в современную область Data Science. Несколько раз пытался начать обучение в данном направлении (даже брал курсы на Coursera, но так ни одного и не закончил) и, сталкиваясь с первыми сложностями в обучении, всегда успокаивал себя, что и всё это какая-то магия и объект поклонения настоящих математиков в очках с толстыми стеклами, которые свитеры в брюки заправляют, а моя участь – всю оставшуюся профессиональную жизнь автоматизировать бизнес-процессы с помощью 1С (возможно это и неплохо, но не моё). Но, делая очередной «подход к снаряду», я понял, что пропустил первый и самый важный шаг – необходимость восстановить свой математический аппарат, который уже «давно заплесневел и мхом покрылся со времен института». Проанализировав рынок обучения, остановился на компании OTUS и курсе «Математика для Data Science. Базовый курс», т. к. привлекла сильная команда преподавателей, хорошая программа обучения и онлайн-формат.В процессе обучения ожидания подтвердились: преподаватели понятно объясняют материал, а через Slack всегда можно уточнить нюансы или попросить объяснить моменты, которые остались непонятными. Также сам формат онлайн занятий тоже оказался удобным – всегда есть записи занятий, которые можно пересмотреть в любое время.А теперь немного критики. OTUS - компания молодая, поэтому иногда, совсем редко, в лекциях встречаются небольшие технические недочеты, а некоторые преподаватели могут использовать академическую подачу материала, что не вписывается в общую концепцию компании, но кураторы OTUS тщательно отслеживают такие моменты и быстро принимают правильные управленческие решения.Но самое главное, что я получил от курса не только знания, но и возможность опять начать учиться и это очень здорово. Это ни с чем не сравнимое чувство студенческой романтики. Появилось огромное желание писать код, решать сложные задачи, изучать новые и перспективные технологии. Понимать, что сделал первый шаг, чтобы стать востребованным специалистом в одной из самых популярных областей.Закончив курс «Математика для Data Science. Базовый курс», я сразу же записался на трек по Data Science, состоящий из курсов «Machine learning» и «Нейронные сети на Python» и в настоящий момент успешно учусь уже два месяца.

Плюсы: Возможность прояснять вопросы через Slack в любое время, есть записи занятий, которые можно пересмотреть в любое время

Минусы: встречаются небольшие технические недочеты, а некоторые преподаватели могут использовать академическую подачу материала

MLpro и MLops в Отус 2022 - полезные, дали знаний и указали путь развития С декабря 2021 по сентябрь 2022 я обучался в Отус на курсах:MLpro - "Machine Learning. Professional" (36 лекций)MLops - "Промышленный ML на больших данных" (50 лекций). Опишу свой опыт, не плюсами и минусами, а по темам.- Порог вхождения (необходимые знания) для курсов.В описании каждого курса есть требования им желательно соответсвовать.Лучше соответствовать требованиями курсов и иметь небольшой опыт работы с инструментами изучаемыми на курсе, тогда на обучение будет уходить около 3-5 часов в неделю, кроме 4 часов на 2 лекции.Если прийти с почти нулевыми знаниями, то можно лекции послушать, но на выполнение заданий будет уходить более 20 часов в неделю на самостоятельное изучение и дополнительные тренировки рассматриваемых инструментов. - Задачи для самостоятельной работы.Очень понравились задачи на обоих курсах.На курсе MLpro каждое задание, как мини проект со статичными данными по одной из тем курса (EDA + построить модели + провести небольшое сравнение между моделями).На курсе MLops все задания являются частями одного большого проекта. При решении всех этих заданий надо пройти полный цикл разработки ML проекта:- построение модели, - поступление новых данных по расписанию, - и регулярное переобучение модели, - все это с большими данными и в облаке.Иногда возникали задержки в проверке самостоятельных работ. Думаю Отус это поправит.- Общение в Отус.У меня общение проходило в Слаке, сейчас Отус развивается еще в Discord и telegram.По ходу обучения можно было писать вопросы в общий чат одногруппникам и тегать преподавателей. Преподаватели не сразу, но отвечали на вопросы.- Преподаватели.Один курс ведет несколько предподавателей.3-4 основных перподавателя, если нужна замена то иногда могут попросить преподавателей с других курсов. 1 лекцию курса MLops читал руководитель направления DS в Отус (что было очень приятно), а 14 февраля 2022 был был специальный семинар для влюбленных в NLP))).Все преподаватели, которые у меня вели имели большой опыт и высокий уровень знаний, кроме одного, который провел 2 слабых занятия, но после жалоб слушателей его заменили и предоставили дополнительные лекции в качестве компенсации.Я лично из 86 лекций, только этими 2-мя лекциями был не доволен, остальные лекции были очень полезными для меня.После каждой лекции в Отус собирают обратную связь от слушателей.- Материалы после лекций, остаются в лючном кабинете слушателя.---Код. В MLpro все лекции, в MLops большая часть лекций были с ноутбуками(ipynb) или с разбором кода, который остается доступным слушателям из личного кабинета. Оставшийся код, был одним из важных инструментов моего самообучения (разбирал его и модифицировал под себя).---Слайды и видео материалы. Пропускал некоторые лекции и смотрел их в записи, а некоторые были настолько важными, что смотрел по несколько раз.- Постоянное совершенствование Отус'а.Курсы = лекции и материалы изменяются и модифицируются. У меня знакомый проходил на поток раньше MLops, он по другому тогда назывался и там было больше scala. Сейчас в Отус появился отдельный курс Spark Developer.Отус как платформа связывающая выпускников не стоит, а развивается. В 2022 году был первый шахматный турнир на Lichess, так же проводятся дополнительные семинары по трудоустройству и выстраиванию коммуникаций между выпускниками.Итог.Кажется все супер. Подвох в том, что учиться очень тяжело (после 30), если недостаточно требуемых знаний для старта обучения, но оно того стоит (мое мнение).Для MLpro надо знать Python и математику для DataScience (линейную алгебру, теорию вероятности, статистику).Для MLops надо быть знакомым с Linux, Docker, Git, иметь опыт решения ML задач и построения веб-сервисов на python.Мне Отус:- дал базу знаний и некоторый опыт, - позволил понять мои силы, - показал мне направления дальнейшего развития.

Плюсы: Вусокий уровень преподавателей, интересные задания, материалы лекций доступны после занятий, общение в разных платформах

Минусы: проверка самостоятельных заданий хромала, высокий порог вхождения