С# для начинающих программистов

Рад что выбрал данную компанию для прохождения курса по Golang Я старший backend-разработчик в компании IQOption.С 2007 года пишу на языке PHP, редко на python, C# Летом 2019 года командой было принято решения переписать наши микросервисы на Golang. Тогда я начал искать курсы по этому языку. Меня привлекла компания otus составам преподавателей (на тот момент я уже видел курсы Дмитрия Смаля) и практическими занятиями. В августе я оплатил обучения и начал обучение, о чем не жалею. Сейчас я хотел бы дать честную обратную связь. В моей карьере были другие курсы, но этот выделяется своим подходом к обучению.Есть мнение, что знание укрепляются практическими уроками - это бесспорно так. Выполняя домашние задания, я усваивал материал намного быстрее. У меня всегда была возможность спросить преподавателей в чате. С различной скоростью я получал ответ на свой вопрос. К сожалению, некоторые вопросы оставались не раскрыты или мною не до конца поняты (в последствии мне помогли коллеги с работы)Я очень благодарен, что otus сдержал свое слово данное в начале курса по поводу перевода с одного потока на другой. В декабре 2019 я воспользовался этим и безболезненно перешел на другой поток. Есть один нюанс с дополнительными уроками, которые были обещаны всем обучающимся, но я не сильно переживаю о их потере.Обучаясь на курсе у разных преподавателей, у меня сложилось мнение о каждом. Я понимаю, что они такие же программисты, как и мы. Но если они согласились на преподавание, то они должны понимать насколько развиты их soft skills. В последнее время это проблема вроде как решается – остаются хорошие преподаватели; откровенно слабые (в рамках преподавания и подготовки к уроку) уходят, что не может не радовать. Никого не хочу обидеть, возможно они отличные разработчики.Любой язык программирования содержит немало информации. Проблемой является способ подачи этой информации. Материал курса от потока к потоку улучшается. Он даже содержит множество дополнительной информации, выходящий за рамки этого курса. Развития и улучшения заметны с каждым потоком, например, были небольшие моменты с изначальной непродуманность домашних заданий – сейчас это проблема (практически) решена. Очень понравилось, что в курсе раскрыты подробности и внутренние устройства языка программирования. Кстати, это еще один момент, который привлек меня в данном курсе.В эпоху огромного потока информации и повышенного требования к знаниям и умениям разработчиков курс от Otus очень помог мне, и я уверен, еще поможет другим. Я не жалею о своем выборе и желаю команде Otus успехов и успешных учеников.

Плюсы: Преподаватели являются действующими разработчиками, практика основана на ДЗ, фидбек по ДЗ, канал в slack.

Минусы: Не все преподаватели обладают soft skills, срок выполнения проектной работы всего месяц (очень мало, если ты являешься работающим разработчиком)

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