Natural Language Processing (NLP)

отлично Отличные курсы для тех, кто уже имеет опыт (не для начинающих). Интересные (достаточно сложные) домашние задания.Волошин Дмитрий, основатель Отуса - фанат настоящего качественного образования, "образованец в большом городе" (так называется его книга, кстати). Он конечно, очень известен в мире IT-технологий. Он и его команда, преподаватели - люди высокой культуры, человеческой и профессиональной; что вообще редкость в наши дни. Очень-очень вдохновляющие ребята. Важно: курсы читают профессионалы из топовых компаний. Они не являются профессиональными преподавателями, поэтому да, наверное, они не всегда разжевывают контент так, как стали бы разжевывать профессиональные преподы. Но здесь важно понимать, что, к сожалению, профессиональные преподы с загрузкой на всю катушку, как правило, отстают от отрасли, за редким исключением. В IT-технологиях, на которых Отус специализируется, это отставание, критично. Отус - не для начинающих. Подразумевается также, что у слушателя есть опыт и он прошел вступительное тестирование. Он для очень мотивированных, дисциплинированных студентов. Домашние задания непросты и, да, лентяям это не подойдет.

Плюсы: качество, актуальность контента

Минусы: нет

Курс показался полезным для меня Курс интересный, много практики. Хотя по ощущениям многовато домашних заданий, не успеваешь сконцентрироваться, тщательней обдумать выполнение заданий и заодно осмыслить теорию, почитать что-то сверх материала. Может быть имело бы смысл их уменьшить штук до 13-15. По мне идеально одно задание на неделю в среднем. Полезно, что проходили темы не на прямую связанные с машинным обучением, например - pipeline, парсинг. Нравится подача материала Дмитрием Сергеевым тем, что темы начинает объяснять с простого на пальцах, постепенно увеличивая сложность. Также очень хорошо, что Дмитрий Музалевский даёт обратную связь при проверке дз, подсказывает где можно что-то еще улучшить в будущем, задает направление. Ну либо подчеркивает, что сделано отлично)Может быть ещё бы добавил при прохождении каких-либо алгоритмов на занятиях объяснение где в каких моделях стоит на какие параметры обращать больше внимания, а на какие нет в конкретных часто используемых библиотеках. Что требует настройки, а что нет. Понятно, что в документации всё есть, но она не всегда понятна обычному не опытному человеку. Потому как в итоге работать придется с этими библиотеками, поэтому подробности не помешали бы.Было бы круто сделать интергацию резюме с hh или каким-нибудь моим кругом, поскольку очень не охото копи-пастить оттуда резюме, и при внесении изменений в hh, оно бы поменялось и у вас.Ну и надеюсь, что ваш сервис поможет найти работу связанную с машинным обучением)

Плюсы: Много практики, минимум теории. Изучили полезные темы по парсингу сайтов и pipeline.

Минусы: Присутствуют темы, которые не очень зашли, например - Vowpal Wabbit. Без базовых знаний машинного обучения будет сложно. Многовато домашних заданий. В некоторых темах очень быстро пробегаются по коду, что не позволяет разобраться в нем.