Отзывы о школе Karpov.Courses

ДостоинстваОтличные задачи, очень приближенные к реальным таскам в работе. Крутые автотесты твоих решений. Я начинал проходить другие курсы еще 2 года назад, но сейчас очень крутая инфра около курсаНедостаткиПока что для себя не нашелДругие впечатленияДоступная + добавили Яндекс Сплит - удобно

ДостоинстваЛогичная структура: от основ Python, Git, Airflow к ML-алгоритмам — удобно для новичков.Качественный контент: видео-лекции с примерами, практикой на датасетах; простые объяснения.Хорошая поддержка: быстрые ответы кураторов в чате, вебинары — всего хватает.Практическая польза: уверенность в ML, пет-проект (рекомендательная система) для резюме.Оценка 9/10, рекомендую .НедостаткиДля меня их нетДругие впечатленияЯ начал учиться на курсе "StartML: Машинное обучение для начинающих" от Karpov.Courses без какого-либо опыта в аналитике данных. До этого я знал Python только на уровне "hello world", но не больше.Моя цель была простой: получить базовые навыки в машинном обучении, чтобы перейти в data science или хотя бы применять это в будущей работе для автоматизации задач. Я хотел понять, как работают алгоритмы, и научиться строить простые модели.Ожидания оправдались на все 9 из 10. Я думал, что курс будет слишком сложным для полного новичка, и он действительно был сложноват, но структура оказалась логичной: сначала основы Python, Git и инструментов вроде Airflow, потом классические ML-алгоритмы. Конечно, без базовой математики (типа дифференциалов) иногда приходилось подтягивать знания самостоятельно, но это не помешало.Поддержка на курсе была на высоте — кураторы отвечали быстро в чате, помогали с домашками, и было много вебинаров. Мне всего хватило, хотя в пиковые моменты (типа дедлайнов) иногда ждал ответа пару часов, но это нормально.Контент понравился: лекции в видеоформате с примерами из реальной жизни, и много практики на реальных датасетах. Преподаватели объясняют просто, без лишней воды, и блоки связаны между собой — от получения данных до деплоя моделей.Общее впечатление супер: курс дал мне уверенность в ML, я даже сделал пет-проект по рекомендательной системе, который добавил в резюме. Я не совмещал учебу с работой или другой учебой, и все равно было трудно — как полный новичок, я тратил много времени на освоение.Оценка: 9/10. Готов ли я порекомендов

ДостоинстваПрошел курс System ML Design. Изначально хотел научиться делать дизайн-документы, но курс дал больше — там теорию прорабатываешь на практике. Самое ценное — групповая работа над реальным проектом в сжатые сроки. Это учит не только создавать мощные дизайн-доки, но и работать в команде с разными специалистами. Навык структурирования решений стал супер-инструментом, который я сразу применил на работе. Рекомендую, если чувствуете нехватку этих знаний, и будьте готовы активно участвовать.НедостаткиЯ не прехотлив и самостоятелен, по этому не вижу никаких проблем.

Достоинствадаже не знаю, что здесь отметитьНедостаткиАбсолютно неподготовленная платформа для изучения.Нет банального вывода консоли с ошибкой, максимум типизированный ответ"В функции ошибка".Какая? е***итесь с этим сами. Инструкция по установке сред программирования? пффф, серфите нет или задалбывайте в треде вашего куратора, который скорее всего ответит вам с использования джпт: "передам ваше мнение команде разработки" (такие базовые неудобства, которые в предыдущих 46 кагортах люди должны быль заметить".Другие впечатленияпотраченные деньги и нервы. кстати, о недостатках курса начинаешь постепенно узнавать после периода возврата средств

Достоинства-Интересные задачи-Объемные конспекты и видеолекции, практические занятия от профи в сфере-Много полезной информации, в том числе для подготовки к собеседованиям-Кураторы оперативно отвечают на вопросы-Помогают в составлении резюме и портфолиоНедостаткиИногда может глючить платформа, но можно обратиться в техподдержку и все поправят/проверят, но чаще проходит само и в целом это не так страшноДругие впечатленияЯ довольна курсом и получила именно то, что хотела. Я стала увереннее себя чувствовать в вопросах CV и Deep Learning, получила много знаний и опыта для этой сферы.

ДостоинстваПрограмма охватывает основные направления: проектирование DWH, Big Data (Hadoop, Spark), автоматизация ETL (Airflow), MLflow, облачная инфраструктура, визуализация. Много практических заданий на реальных инструментах. Преподаватели объясняют доступно, отвечают на вопросы, делятся опытом. При проблемах с настройкой окружения или выполнением заданий помогают разобраться. Материал логично структурирован, от основ к более сложным темам.НедостаткиБольшой объем материала — нужно много времени на усвоение и практику. Иногда приходится искать дополнительную информацию и экспериментировать. Проблемы с версиями библиотек и настройкой окружений, но это помогает лучше понять экосистему. Некоторые темы можно было бы разобрать подробнее.Другие впечатленияВ начале было непросто: много новых терминов и инструментов. Первые модули по проектированию DWH показались сложными — методологии путались. Со временем стало понятнее, когда что применять. Практика с Spark, Airflow, MLflow, Hadoop, Hive, HBase, Kafka, PostgreSQL, Greenplum, Kubernetes, Tableau, DataLens, SuperSet, DVC, Deequ помогла разобраться и понять, как использовать их в реальных проектах. В итоге получил системное понимание инженерии данных, практические навыки и уверенность в решении задач. Курс подходит тем, кто готов разбираться и практиковаться. Если хотите системно освоить инженерию данных — рекомендую.

ДостоинстваСтруктура курса продумана блестяще. От проектирования DWH и основ MPP СУБД до автоматизации ETL, работы с Big Data и облачными хранилищами — рассмотрены ключевые аспекты работы инженера данных. Проект «построить сквозной процесс от Data Lake на pySpark до хранилища на S3 и Greenplum, связав всё в DAG Airflow» — реальная задача, которую ждешь от качественного курса. Выполняя его, с головой погружаешься в рабочие процессы, а поддержка команды наставников не позволяет опустить руки.НедостаткиОгромный плюс — собственная платформа karpov.courses. Все материалы, от записанных лекций до текстовых конспектов, структурированы и остаются с тобой навсегда. Домашние задания после каждого модуля помогают закрепить теорию, а кураторы оперативно отвечают на вопросы в чате и дают развернутую обратную связь. Эта поддержка действительно мотивирует идти до конца.Другие впечатленияЕдинственный момент — интенсивность. Курс требует значительного времени (заявленные 15+ часов в неделю — вполне объективно). Новичкам без базовой подготовки в IT может быть тяжело, но для тех, кто готов погружаться, это лишь плюс.

Достоинства- Вебинар с автором канала Настенька и графики- Задания для совместного выполнения с другими студентамиНедостатки- Некоторые тесты содержат логические ошибки так, что их невозможно выполнить верно (примеры на скриншотах)- Курс не актуализирован с 2021 года. Это подтверждается как ссылками на официально признанные устаревшими разделы справки по ClickHouse. Так и самой версией ClickHouse от 2021 года.- В тексте и видео содержаться опечатки- Поддержка пытается оправдать ошибки в заданиях вместо их исправленияДругие впечатленияСтоимость не соответствует содержанию: получил сырой, но устаревший продукт.

ДостоинстваДля новичка в аналитике, я считаю оптимально. Очень насыщенная первая часть (Python), дальше чуть легче. Мне помогло разобраться и спустя пару месяцев после окончания устроиться продуктовым аналитиком в очень крупную компанию. Если это важно, мой бэкграунд - сильный технический вуз, но не ИТНедостаткиМодуль по Airflow был слишком сжатым, на мой вкусДругие впечатленияКурс советую всем новичкам, начинающим свой путь в аналитике и не имеющим бэкграунда в этой сфере. Мне помогло в трудоустройстве

Достоинства-качество учебных материалов-поддержка кураторовНедостатки-не выявилаДругие впечатленияЯ училась на курсе startML с февраля 2025 года. Сразу хочу отметить, что хоть курс и заявлен как для начинающих, и на лендинг странице сказано, что не нужны знания вышмата, навыки программирования, чтобы успешно учиться на курсе, это не совсем так. Может и можно без этих навыков обойтись, но крайне сложно. Первый блок по основам питона, разработки, туда же входит git, airflow, sqlalchemy. Первый блок прошел отлично, были силы и мотивация, и все было понятно. В целом хочу сказать что к наполнению курса и тому, задачам, проекту у меня вопросов нет - все, что нужно доя освоения темы - предоставляется. Второй блок был по классическим ML алгоритмам, вот тут уже почувствовались пробелы в знании математики, хотя у меня и техническое образование. То есть в теории конечно можно научиться писать fit predict, не углубляясь в то, как алгоритм работает «под капотом», но на практике мне кажется это не очень затея, все равно придется углублено знать как минимум дифференциалы. Еще хочу отметить что финальный проект, чтобы его сдать, нужно набрать определенное качество по заданной метрике, что не так просто. Третий блок по основам глубинного обучения, блок ознакомительный, и вот там прям остро почувствовала себя глупой. И последний блок по статистике и а/б тестам, тоже вполне себе информативный. Сама я работаю аналитиком данных, в будущем хотела бы стать ml инженером, я думала что сразу после курса уже начну откликаться на вакансии, но пока чувствую, что нужно еще время на подготовку.Отдельное спасибо хочу сказать куратору Юлии Рожковой, она очень теплая и отзывчивая, всегда поддерживала в трудные минуты, когда ничего не получалось, и чувствовалось, что ей не все равно!Также эксперты в пачке всегда вовремя и довольно емко отвечали на вопросы по курсу.В целом не пожалела что купила курс и в будущем рассматриваю купить еще симулятор DSP.S. возможно если я еще отучусь на hardML, стану тако

ДостоинстваПрактическую направленность курса и конечно очень сильную поддержку со стороны менторовУчебный процесс организован очень грамотно,в плане материалов и процессов. Дедлайны хоть и жесткие, но они отлично дисциплинируют и мотивируют не отставать от программы.Подача материала - одна из сильнейших сторон курса, даже в сравнении с материалами на английском языкеСпасибо за чатику с менторами и ответам. С людьми, которых там встретил-общаемся до сих пор!НедостаткиСистема проверки заданий: Например, автоматическая система проверки иногда работала нестабильно. Бывало, тратишь лишнее время, пытаясь понять, в чем проблема: в твоем коде или в самом грейдере. Это немного сбивало с толку.Другие впечатленияВ конечном итоге, курс превзошел мои ожидания. Я пришел за прочной базой в ML — и я получил ее в полной мере. И пусть я пока не стал ML-инженером, знания, полученные на курсе, оказались невероятно полезными в моей текущей работе аналитиком.Но главный мой результат — я нашел свою первую работу аналитиком прямо во время прохождения курса. Это было здорово. Я смог не только успешно пройти собеседования, но и с первых дней уверенно применять на практике то, чему нас учили, что дало мне отличный старт.Так что я бы определенно посоветовал этот курс тем, кто готов серьезно работать и хочет получить реальные, применимые навыки. Он однозначно стоит своих денег. Впечатления остались очень положительные, поэтому ставлю твердую пятерку. Теперь в планах закрепить знания на симуляторе, так что останавливаться не собираюсь

ДостоинстваНа курсе максимально понятным языком, исчерпывающе объясняются все фундаментально важные темы для машинного обучения в целом. Самый важный блок про машинное обучение раскрыт отличноОтдельно хочется подметить кураторов и экспертов. Кураторы отзывчивы, на курсе одного не бросят. Эксперты отвечают на все вопросы, если непонятно - объясняют еще раз, и так пока не поймешь. С их помощью темы получалось усвоить еще быстрее.НедостаткиИз минусов могу выделить маленькое количество проектов, которые можно добавить в портфолио. Однако после прохождения курса ты способен сделать их сам с абсолютного нуля.

Учусь с мая 2025. Сейчас работаю программистом и на работе потребовались знания инженера-данных для повышения зп. Курс посоветовали знакомые инженеры данных. Впечатлил, конечно лекторский состав. Информацию преподносят в виде записанных лекций и соответственно со всеми вытекающими недостатками (нельзя сразу спросить, пока вопрос свежий). Задания в начале легкие, может сказался опыт работы с sql и python и по нарастающей. Само собой дают только общую информацию, без углублений - приходилось очень много гуглить и спрашивать нейронки. Кто-то ругался на поддержку, что медленно отвечала, но не могу подтвердить, мне довольно быстро отвечала и ответы - это не решение твоей проблемы, а всего лишь расшифровка ее, а дальше продолажй пользоваться интернетом. Первые 2 модуля (Проектирование DWH и ETL-процессы) сразу же пригодились на работе. Над проектами приходится немного попотеть и поматериться, но вполне решаемы)А так по сути, саму информацию, что предоставляют, можно спокойно найти в интернете. Мне пригодилось, чтобы наметить путь, чтобы знать в какую сторону двигаться, а не рандомно изучать инструменты, поскольку на курсе используют самые популярные (Airflow, Hadoop и т.д.). Курс вряд-ли подойдет, если не знаешь python и SQL на уровне уверенного пользователя. Да и если разворачивать у себя Airflow, Hadoop на Windows, возникнут проблемы.В среднем на просмотр лекций, решения задач уходит от 3-5 часов в день, если видео длинные.Из недостатков: видео немного устарели, но не критично. Практики немного, хотелось бы дополнительные задания из реальных кейсов. Поддержка, как правило отвечает через минут 30. Порой сам уже находишь решение, но это уже плюс - хороший программист не тот, кто все знает, а кто умеет гуглить)Добавив пару пэт-проектов с новыми знаниями в резюме и приходят приглашения на собесы по новой специальности. уже 2 приглашения.

Недостатки1. Контент курса (видео курс) был записан более 3 лет назад. Я понимаю, что разработка курса - дорогое удовольствие, но для такой цены курса его все же нужно актуализировать хотя бы раз в год. И даже тестовые инструкция не актуальные...2. Программа вроде нормальная, но почти все темы поверхностно затронуты. И наиболее полезные и интересные темы про AirFlow, специфику баз данных едва коснулись.3. С одной стороны практика есть, но основная практика по DevOps в облаках. Зачем это DE?Другие впечатленияВозможно другие курсы у школы лучше сделаны, но курс Инженер данных сделать очень плохо, поэтому однозначно не рекомендую к рассмотрению или покупке.Зря потраченные деньги.

ДостоинстваХороший курс, который дает системный подход к знаниям и практике.На хорошем уровне дают питон, sql, визуализацию и а/б тесты.А также, после завершения курса у тебя открываются обновленные блоки с обновленным материалом и заданиями.После него действительно легко найти работу на начальной должности.НедостаткиСлабая поддержка со стороны технической поддержки / экспертов.Большая вероятность, что учащиеся потока не проголосуют и онлайн вебинара (после завершения модуля) с Лектором не будет.Большинство лекций все-таки устаревшие 2022 года, но есть и обновленные кусочки.

ДостоинстваПрограмма курса была полезнее универской. Все предельно ясно объясняют (иногда даже через чур), по любым вопросам можно обращаться к экспертами, которые быстро и качественно оказывают помощь. Отличная организация учебного процесса, по любым организационным вопросам можно смело обращаться к куратору. Сама программа построена сбалансировано, все можно успеть.НедостаткиНе нашел

ДостоинстваНекоторые 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 урока есть конспекты в pdf.НедостаткиОднако главу по рекомендательным системам не порекомендую никому. Очень много материала, каждую лекцию что-то новое, лектор пытается впихнуть как можно больше, но не углубляется в суть вообще, так что без самостоятельного поиска в интернете вы вряд ли поймете рекомендательные системы. Лектор часто оговаривается, хотя явно читает текст с экрана. Пару раз мне попалась одна и та же склейка друг за другом, просто лектор перезаписывал часть. Очень много склеек. Материал не очень последовательный, второй урок ссылается на то, что третий пройден)С самого начала блок «рекомендательные системы» плохо структурирован, нормального введения нет, сразу какие-то истории и метрики.Также в этом курсе ужасное качество конспекта. Картинки настолько шакальны, что с них невозможно разобрать текст. Разборы домашек есть, но код в них не запускается, и приходится фиксить его.

Достоинстване нашлаНедостаткиВ настоящий момент прохожу курс "Инженер данных с нуля". Ожидала я, конечно, гораздо большего. Здесь оочень мало практики, сплошные видео-лекции, на которых преподаватель пишет код, а ты просто смотришь, а потом отвечаешь на вопросы в тесте. При выполнении дз, никто твой код не проверяет, главное прислать итоговый вариант. Ну как-бы таких денег этот курс точно не стоит, никому не советую идти на данный курс.

Долгое время хотела приобрести курс, и в итоге приобрела. НО ожидания не оправдались. Формулировка задач, оставляет желать лучшего, проверки задач затягиваются, по завершению курса, задачи вообще перестали проверять. Куратор также может либо не отвечать, либо отвечать днями. Проекты, которые вы выполните по итогу, и на проекты не похожи совсем, такое вообще не стоит презентовать работодателю. Описание курса, просто прекрасное, но на деле, ничего стоящего.

Обучалась во второй половине 2023 года. Хотела именно курс DE, чтобы повысить свои текущие компетенции аналитика. Курс Карпова выбрала просто потому, что абсолютно все курсы на рынке в то время имели характеристику как "сделано плохо". К тому времени у меня уже был опыт обучения на ЯП (на аналитика), и хотелось попробовать другую платформу.Коротко о курсе:1. Материал в виде видео-лекций и кратких конспектов того, что объясняет преподаватель. Это тупо неудобно. Сидеть и 2 часа смотреть, как кто-то что-то в консоли тыкает или просто зачитывает презу. Зачем это сделано - не понятно. Только если в качестве наращивания личного бренда спикера. Да, была парочка реально классных модулей, которые тащили за счёт спикера, но эффект уходил почти в ноль из-за следующего пункта.2. Теория превалирует над практикой. Я бы сказала, что примерно 20/80 (из них практики всего 20). Код ваш ревьюить никто не будет. Будет после проверки чисто ответ из серии "Ответ неверный, а тут верный".3. Поддержка очень слабая, а иногда откровенно токсичная. Иногда после пары дежурных ответов типа "попробуйте это и вот то", студентам просто переставали отвечать.Короче, по окончании курса, я вообще не поняла, что это было. Спасибо курсу, что я смогла вписать себе в резюме строчку о прохождении и повысить свои компетенции в глазах HR, которые меня собеседовали. Также смогла преодолеть психологический барьер перед профессией. Навыков я, к сожалению, практически никаких не получила.Ретроспективно, сейчас я бы предпочла выбрать курс Яндекс Практикума. Даже с учётом всех недостатков, которые о нём пишут, я думаю, что в будущем Яндекс сможет допилить из него полноценный продукт. Тот же аналитик данных, на котором я училась до этого, претерпел сильные изменения с начала моего обучения и модули постепенно меняются и переписываются. В случае с Карповым, у меня уверенности в качественном улучшении продукта нет.

Понравилось учиться на курсах у Карпова. Хорошо проработан Python, SQL. Лучше всех реализована статистика. Улучшить стоит API Python, Airflow. В качестве BI систем рассказывают про Tableu. В целом по хардам знаний достаточно, чтобы зайти на стажера, джуна. Самое главное, что курсы реально объясняют материал с полного нуля, если у вас нет опыта, то вы сможете научиться с любого уровня. Также вы учитесь сами находить информацию, правильно гуглить - это поможет вам везде. В итоге сейчас почти год работаю аналитиком данных, доволен результатом.

Опишу здесь опыт классического гуманитария, который смотрит в сторону анализа данных.Приступила к обучению в январе 2023 года, окончила в августе 2023.Прежде никакого даже приблизительно похожего опыта у меня не было, с чистого нуля, Притом что в институте была теория вероятности, матстат и некоторые дисциплины, имеющие хоть какое-то отношение к настоящему курсу, все это совершенно забылось за 10 лет, в работе не встречалось.Задачей было попробовать и оценить, могу ли /хочу ли я освоить новую профессию, которая казалась мне достаточно привлекательной.Скажу сразу для полных новичков, каким была и я: ни в коем случае не затягивайте с началом занятий, иначе дедлайны вас погубят. В силу семейных обстоятельств я была вынуждена начать на неделю позже, чем весь поток. В результате первый и важнейший блок по Python вогнал меня в страшную фрустрацию: мало того, что я ничего не понимала , но не хватало времени разобраться. После двух месяцев борьбы с ветряными мельницами я чуть было не бросила учебу, но сообразила воспользоваться переводом на поток назад - эту опцию тоже стоит иметь в виду. Как минимум один раз одна бесплатна. Я прошла еще раз основы Python с новым потоком в нормальном темпе и по второму разу, повторяя руками все, что делал лектор во время лекции, и только тогда что-то стало укладываться.После нормализации тайминга дело пошло легче, блок SQL понравился и давался в разы проще, чем Python.Блоки по теории вероятности и статистике были для меня непростыми, но помогало то, что ранее я слушала курсы Анатолия Карпова на Stepik и какое-то общее впечатление успело отложиться, и лекции его были мне понятны, плюс- было кому помочь.Незаметный по началу блок Git важен, так как посредством этой системы будут сдаваться промежуточный и итоговый проекты. К сожалению, объяснения мне совершенно не хватило, нашла в Youtube обширную лекцию (часов на 5), благодаря которой смогла понять, что это вообще такое и как оно функционирует. По моим впечатлениям, многие студенты без как

Обучался 3 месяца на симуляторе ML с декабря 22 по февраль 23. До этого был опыт работы аналитиком данных 1 год.Курс понравился. Задания разнообразные, затронуто много областей, из которых можно выбрать, что ближе по душе. Так же круто, что есть чат, где можно пообщаться с создателями курса на различные темы. Поддержка в дискорде работает оперативно)Теперь планирую попасть на курс Hard ML)

Перед тем как начать свое обучение, я хотел укрепить и разнообразить свои навыки в области ML. Могу с уверенностью сказать, что мои ожидания полностью оправдались.Благодаря крутой экосистеме симулятора получилось порешать задачки на всех этапах разработки ML-системы, а также попробовать себя в разных сферах(matching, NLP, RecSys, uplift). Очень порадовало, что каждый месяц появляются новые задачи, а у студентов есть возможность предложить свою задачу, и если другие студенты за нее проголосуют, то команда возьмет ее в разработку.Поддержка была всегда оперативной + всегда можно написать в чат за помощью, где студенты, вместе с авторами симулятора, готовы помочь.Я однозначно рекомендую этот симулятор всем, кто хочет закрепить, улучшить и разнообразить свои навыки в области машинного обучения. Однако стоит быть готовым к тому, что вам придется решать многие задачи самостоятельно. Это не тот тип курсов, где вас будут "вести за руку" от начала до конца, ведь именно в самостоятельности фишка симулятора, прямо как на обычной работе.

На данный момент заканчиваю курс с чувством выполненного долга и гордости за себя, что смогла и не бросила на полпути) До этого я вообще не сталкивалась с программированием и сейчас не сказать что прям совсем профи. Впереди еще много самостоятельных поисков и изучений.Если вы, как и я идете на курс с нуля, то будьте готовы к большой самостоятельной работе и имейте достаточно времени. Да, на курсе расскажут основы, азы, но для полного понимания информации нужно гораздо больше. И даже лучше, что курс короткий (5 месяцев), в отличие от других (9-12 месяцев), так как самостоятельное изучение считай практика.Про ребят, которые проводят курс и группу поддержки могу сказать только положительное. Лекторы интересные и в доступной форме объясняют основы. Особенно сам Анатолий Карпов, прирожденный учитель) Группа поддержки в discord тоже молодцы, всегда на связи, в выходные дни тоже до позднего времени, до 23.00. Отвечают в течении 3-7 минут развернуто и терпеливо)) Спасибо имДа, были и слезы и ощущения, что куда я лезу в такое сложное вот это вот все, но упорство и желание заставляли идти вперед) и я бесконечно этому рада)Впереди открыты двери в большой, крутой и безумно интересный мир ITHello, World!)))

Всю мою осознанную жизнь я понимал, что хочу работать в сфере IT, но не знал, с какой стороны начать делить этого слона.Мой первый опыт начался с обучения языку Java, но после окончания двух курсов я так и не нашел работу, потому что зарплата, которую мне предлагали, была ниже минимума, который может себе позволить семейный человек с ипотекой.Время шло, и мысль о IT-сфере всё больше и больше зрела в моей голове. Летом 2022 года я решил, что время пришло: со слов моего очень близкого друга, который уже давно трудится в этой сфере, программист какого-либо языка должен обладать серьёзными хард скилами, которых у меня нет, а это в дальнейшем может негативно сказаться на трудоустройстве. Он предложил рассмотреть специальность аналитик данных (человек, который умеет кодить на должном уровне (код должен отработать хотя бы один раз) и при этом умеет работать головой).Посмотрев различные образовательные курсы, я остановился на школе karpov.соurses.После прохождения демокурса я понял две вещи:1. Аналитика — это про меня2. karpov.соurses помогут мне достичь моей цели.После начала обучения жизнь просто понеслась, три урока в неделю не оставляли времени на привычное безделье и прожигание энергии в соцсетях и фильмах. Курсы по Java очень помогли понять Python. Но ребята с курса, которые ни разу не кодили, не встретили больших сложностей в усвоении материала. Как-никак лекторы рассказывают все нюансы: от простого Hello, world! до сложной агрегации нескольких таблиц с подсчётом метрик и отправкой результата себе в телеграм.После завершения курса я перевёлся на своей основной работе на должность аналитика. Конечно, не все навыки, которые я получил на курсе, я сейчас использую в своей новой работе. Но я планирую двигаться дальше, и хороший запас знаний, который остался после курсов, мне поможет.Всем кто решится на этот путь, пожелаю удачи, сил и терпения — да пребудет с вами Сила!!!

До курса «Аналитик данных» опыта в программировании у меня не было. Ранее сталкивался с аналитикой в дропшипинге, но это была лишь вершина айсберга. Моё образование «техническое обслуживание и ремонт автомобильного транспорта», проще говоря — механик.До обучения в karpov.courses я работал на позиции продавца консультанта в течение последних 5 лет. Я испытывал дискомфорт от своей рабочей деятельности и натыкался на огромнейшее количество курсов по различным профессиям, но всё казалось не очень привлекательным и перспективным. Ещё летом 2022 хорошие знакомые стали рассказывать мне о перспективах IT-профессий и посоветовали karpov.соurses. Мой выбор пал именно на аналитику, это был тот профиль, который заинтересовал меня больше всего. Внушительный список задач, лекций, возможность развиваться и полная встряска для мозга — что может быть прекраснее?Конечно, после 5 лет деградации на одном месте начинать было тяжело и, честно говоря, страшно, особенно когда слышал о загадочных Python, SQL, GIT. А от одной мысли о предстоящем прохождении блоков «Теория вероятности», «Статистика» и «Визуализация» меня бросало в панику, ведь даже в колледже математика и геометрия были тем, что я не любил больше всего.Когда началось обучение, пришлось совмещать его с работой, было много бессонных ночей, много непонятного и шквал эмоций, но на самом деле — стоило только вникнуть поглубже, каждый новый день был для меня открытием чего-то нового, и я был рад тому, что снова не стою на месте и развиваюсь.На курсе к моему удивлению я полюбил SQL, Python, теорию вероятности и визуализацию. Когда проходил блоки и вдруг возникали вопросы, удивляло, как преподаватели тщательно помогали во всём разобраться и донести информацию так, чтобы это стало понятно, и насколько чётко сформулированы лекции и задания. Уже к середине курса я понял, что способен решать самостоятельно продуктовые задачи, которые пару месяцев назад казались мне непреодолимой стеной, и я как нетерпеливый человек решил попробовать св

Содержательный интенсивный курс с широким спектром инструментов для начинающего аналитика. Плюсы:● отличный быстрый саппорт;● возможность посмотреть разбор заданий, чтобы сравнить свой вариант решения с решением опытного аналитика;● готовые конспекты по лекциям, что значительно экономит время на обучение.

Это лучший курс, который я проходила. Я уже начала работать аналитиком, но мне нужно было структурировать и упорядочить знания. Курс идеально с этим справился. В курсе были разобраны все основные инструменты для работы аналитиком. Курс направлен скорее на работу продуктового аналитика, что сейчас является особенно актуальным. В курсе было очень много информации, к которой периодически возвращаешься. Здорово, что доступ к материалам сохраняется.

Обучение в DS я проходил самостоятельно, без платных курсов. Но практики везде мало. Как правило, в курсах есть примеры, практические задачи, но это все не то. По отдельности куски тем вроде и понятны, но из этого не складывается понимание, как подходить к решению конкретной большой задачи из бизнеса.Симулятор как раз заполняет эту брешь. Реальные задачи из прода, большой объем данных, и что порадовало отдельно — хорошая вводная теоретическая часть.