Курсы по Machine Learning значительно расширяют набор доступных для работы инструментов. При этом даже для таких тем, как Байесовские методы и обучение с подкреплением, которые обычно преподаются исключительно в виде теории, мы подобрали реальные рабочие кейсы из наших практик.
Наталья Глактионова
Самое главное впечатление от курсов — очень нравится, ни одной минуты не пожалела, что записалась. Плюсы: преподаватели стараются, отвечают на вопросы, всегда уточняют все ли понятно. Также приятно, что даже когда время вышло, не убегают, а отвечают спокойно и подробно.
Мой любимый преподаватель Дмитрий Сергеев. Очень нравится его подача, интересные лекции. Шикарно, когда в ноутбуки вставляют ссылки на полезные материалы. Минусы: иногда барахлит звук на лекциях. Есть какая-то трудность с ДЗ, по умолчанию оно невнятное и только после запроса на лекции или в Slack добавляют подробное описание.
Василий Курочкин
Шёл на курс с целью научиться использовать на практике машинное обучение в Python (до этого несколько лет решал аналогичные задачи в системе SAS Enterprise Miner, а на новом месте работы доступен только Python). Цели своей достиг, на новой работе быстро втянулся и успешно прошел испытательный срок.
Плюсы курса:
1) Ориентация на практику. Минимум занудства, максимум реальной работы.
2) Преподаватели из индустрии. Знают, что актуально, рассказывают интересные кейсы, дают ценные советы.
Минусы курса:
1) Преподаватели из индустрии. Ребята крутые специалисты, но (пока) не все из них крутые преподаватели.
2) Было несколько тем, которые бы я вряд ли осознал, не имея предыдущего опыта.
В общем и целом впечатления от курса и организаторов положительные, как закончу, пойду ещё учиться на курс «Нейронные сети на Python».
Базовый курс «Machine Learning» — Best Practice по машинному обучению для успешной карьеры в Data Science. Курс для людей со знанием высшей математики и знакомых с Python. Подготовка к соревнованиям на Kaggle
Агерке Балгабекова
Самую главную роль в обучении играет преподаватель. На курсе «Machine Learning» оба преподавателя Дмитрия справились с задачей обучить основам Машинного обучения, а также зажечь любовь к Data Science!
Основные плюсы курса: преподаватели из индустрии, быстрая реакция на вопросы и домашние задания, умение принимать отзывы, прислушиваться и реагировать соответственно.
Особенно запомнилось: бонусный урок по Pipeline, помощь в поиске работы, повторение первого модуля, консультация по проектам — все эти вещи следует продолжать делать.
Что можно улучшить: сократить количество домашних заданий, убрав несколько с не очень понятными описаниями, например, «выбери любой датасет и попробуй то, что сделали на вебинаре».
Благодаря этому курсу я получила уверенность в том, что стоит менять своё направление в сторону Data Science & Machine Learning. Это однозначно моё!
Виталий Русакевич
Курс интересный, много практики. Хотя по ощущениям многовато домашних заданий, не успеваешь сконцентрироваться, тщательнее обдумать решение 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 косвенные темы, не напрямую связанные с машинным обучением (например, pipeline, парсинг и др.).
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 ещё улучшить в будущем, задаёт направление. Ну либо подчёркивает, 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 неопытному человеку. Потому как в итоге работать придётся с этими библиотеками, поэтому подробности не помешали бы.
Александр Кудинов
Очень хочу поблагодарить Дмитрия Сергеева за отношение к предмету и желание научить и поделиться опытом. Его лекции всегда полезны и интересны. Музалевский просто читает презентацию. Возможно, он хороший специалист, но объяснять и разбирать материал у него не получается. Уверен, не только я им не доволен.
До обучения в OTUS я много лет проработал звукорежиссёром на телевидении. Занимался в основном спортивными трансляциями. В 2015-ом году решил попробовать заняться разработкой ПО — выбрал C++, так как хотел и хочу заниматься real-time обработкой звука, VST plugin'ами и т.п.Но в России таких вакансий крайне мало. Книги, бесплатные онлайн-курсы, потом курс «Разработчик C++» в OTUS. Потом работа звукоинженером в Samsung на проекте Bixby (это их голосовой помощник). После Bixby желание заняться исследованиями и разработкой в области синтеза и распознавания речи (не NLP, а именно ASR и TTS).
Таких вакансий, увы, тоже немного. Соответственно, Python, машинное обучение, нейронные сети. Поэтому сейчас подряд два курса в OTUS. Всеми тремя курсами доволен, т.к. в изучении появляется система, мотивация к самостоятельному изучению материала, опыт и общение со специалистами, их реальный опыт и оценка наших навыков.
Результаты обучения, в любом случае есть. Это прежде всего, новые знания и навыки, адекватная оценка и уверенность в своём уровне подготовки. Работу мечты, да и компанию мечты пока не нашёл. Изучаю рынок, прохожу собеседования, выполняю тестовые задания.
Продвинутый курс «Machine Learning» — для практикующих Data Science специалистов, желающих повысить свой профессиональный уровень до Middle/Senior. Практико-ориентированный подход и реальные задачи для создания своего портфолио!
Не упустите возможность получить качественные знания на курсах в OTUS!