Специализация Продуктовая аналитика

Достойное введение в тему. Дальше - сам. В апреле 2020 записался на курс Data Science.За почти 1 год и 3 месяца курс закончил. Если бы постарался, можно было бы быстрее (год или быстрее).Курс познакомил с Python (+tensorflow) и актуальными инструментами/средами (Linux, Pycharm, VS Code, slack, Colab, Kaggle, Git + GitHub).Многое хорошо и доступно разъяснено, ментор отличный (Анна Аникина). Много материалов для самостоятельного изучения.Если понадобится, можно вернуться к проработанным материалам и актуализировать знания.На выходе не считаю себя готовым data scientist или data analyst, но база заложена + много доп. материалов дано + хорошо, что познакомился с Kaggle (при желании можно достойно прокачаться в ML и DL) + есть, где вакансии посмотреть (группа в телеграм) => если бы больше прикладывал личных усилий, получил бы больше от курса.Считаю, что деньги и время не потеряны.

Плюсы: Python, Знакомство с инструментами, Хорошее знакомство с областью

Минусы: местами теория дается одного уровня, задания - заметно сложнее

Курсы для тех кому нужна бумажка (сертификат). Все "обучение" построено на принципе: вот мы накидали текст (местами очень сырой), есть несколько видео на простейшие действия. Почти все домашние задания на самопроверку, доп. материалы тоже ищите самостоятельно, есть вопросы или что-то непонятно - объяснят сокурсники, а тут вас "жизни" учат, чтобы потом на работе было проще... Я уже и не говорю про откровенное враньё во всех рекламных материалах, что для обучения достаточно знания базового английского или частое повторение косяков типа "мы тут написали 2, но имеется ввиду 4". Кроме того мне пришлось прибегнуть к заморозке обучения, тк после обновления учебной платформы проходить обучение стало просто невозможно (и это компания, которая специализируется в сфере айти). Если все же выберете здесь обучение, готовьтесь сразу к тому, что если вам реально нужны знания и результат, то придется смотреть ролики на Ютубе, изучать материал из других источников, учить английский (если его нет), искать практикумы на других платформах.