Раньше я работала в B2B компании и занималась широким спектром задач, которые касались взаимодействия с клиентами. Там я понемногу начала заниматься аналитикой, потому что стало любопытно. Если честно, сейчас настоящей аналитикой это назвать язык не поворачивается, но именно эта практика помогла мне понять, кем я хочу стать, когда вырасту. Лучше в 25, чем никогда, верно? :)

Выбор пал на karpov.сourses благодаря рекомендации опытного в сфере аналитики знакомого, о чём я ни разу не пожалела. Быстро влиться в процесс обучения мне немного помог бэкграунд в виде IT-образования, но почти вся информация была для меня абсолютно новой — поэтому думаю, что справилась бы и без него.

Курс очень крутой: удобная платформа и актуальные инструменты. Сразу скажу: если вы планируете тратить на обучение пару часов в неделю, то этого будет недостаточно. Работать придётся много.

А что же сейчас, когда финальный проект уже позади? Поиск работы — процесс не из лёгких, но материалы курса очень пригодились при подготовке к собеседованиям, а ребята из HR-команды помогли не только составить резюме, но и найти ту заветную вакансию :)

И вот я присоединилась к большой команде аналитиков крупнейшего в стране офлайн-ретейлера. В планах на ближайшее будущее — активный рост и развитие. А если в дальнейшем решу поменять направление, то точно вернусь к своей Data Science альма-матер!

А вы знали, что не только наши преподаватели участвуют в мероприятиях и делятся опытом?

Недавно прошла ежегодная конференция Яндекса Yet Another Conference 2022 о людях и технологиях в образовании. В дискуссии «Образование в IT. Что-то тут не так» поучаствовала Елизавета Киселёва — главный специалист по образованию в karpovꓸcourses.

Какие проблемы есть в IT-образовании сейчас? Какие IT-профессии будут востребованы через десять лет? Могут ли курсы заменить высшее образование?

[Разбираемся вместе с экспертами]

Choose your fighter

После мема про ананас в чате karpovꓸcourses разразились споры, и по этому случаю мы делимся выпуском подкаста Data Heroes о визуализации данных! Его гостем стал Роман Бунин — преподаватель курса «Аналитик данных», гуру датавиза и автор того самого дашборда слева.

Включайте, чтобы узнать всё самое важное о визуализации данных и послушать о карьерном пути настоящих профессионалов своего дела :)

И обязательно присоединяйтесь к обсуждению, если вы ещё не c нами!

Вебинар «MLOps в облаке: практика с MLflow и JupyterHub в VK Cloud» уже сегодня!

Встречаемся в 17:00 – есть время, чтобы успеть зарегистрироваться по ссылке выше :)

«Стартап сначала не зарабатывает, сначала стартап растёт»

Сегодня в гостях подкаста «IT-шниками не рождаются» Влад Петрашкевич, Full Stack-разработчик из компании Between.

Поговорили с Владом о том, как любопытство (и олдскульный конструктор лендингов) приводит к новой профессии, как за 2 недели пройти трёхмесячный курс по основам Front End и как уходить из больших компаний в стартапы.

[Смотреть]
[Слушать]

Сегодня стартует последний в 2022 году поток курса Hard ML

Успейте присоединиться к нему до 9 декабря, потому что следующий запуск будет через 2 месяца (25 января).

Заглядывайте в программу, и ждём вас на курсе!

Мы не раз говорили о карьерном центре. Настало время поделиться и опытом наших учеников, которые смогли найти работу по новой профессии с помощью наших HR-специалистов!

Студентка курса «Инженер данных» Екатерина Крупкина осознанно выбрала направление, справилась со всеми трудностями учёбы и получила работу в международной компании. Подробнее — в отзыве 👇

Я записалась на курс Data Engineering после неудачного опыта обучения в другой школе. Моё терпение лопнуло и я пошла доучиваться, а на деле переучиваться.

По образованию лингвист. До того как решила вкатиться, отработала 6 лет репетитором английского. Захотелось получить навыки, которые позволили бы релоцироваться по рабочей визе, получать стабильный доход и не оказаться выкинутой с рынка труда очередным мегаобразовательным стартапом. Ещё привлекла возможность решать сложные задачи, ржавеющие мозги — явление малоприятное.

Так что в учебе было больно, тяжко и сложно. До этого что-то читала по аналитике и пыталась делать мини-проекты, но опыта в IT не было вообще никакого, только базовые знания по Python и SQL. Это был путь сплошных ошибок — бурной мотивации и дофаминовых всплесков не было, на это я даже не надеялась. Очень часто отзывы пропитаны энтузиазмом с пафосными фразами типа «влюбился сразу». Это совсем не про меня — выбирала направление прагматично, настоящий интерес появился уже ближе к концу обучения, до этого полагалась на дисциплину и чёткую цель. Сейчас кайфую, так что если вы вдруг начитались нашедших себя и не испытали особого душевного подъёма от учёбы после нескольких недель — не спешите бросать, вспомните, зачем вам это надо.

Курсом осталась очень довольна — было сложно, узнала много нового. Особенно зашли модули по куберу и DWH. Хотелось бы только больше развёрнутого фидбека и практических задач. Больше всего рада, что мне помогли найти работу. Только помощь не подразумевает, что за вас сделают всё — вам помогут, но откликаться надо будет самим. Я изначально понимала, что в эмиграции и без опыта мне дата-инжиниринг не светит: таковы были реалии мирового рынка на март этого года. Но за 6 месяцев активного поиска устроилась дата-аналитиком в международную компанию. А с опытом в аналитике уже можно будет перекатываться в инженеры.

Так что курс рекомендую, потому что он очень насыщенный и актуальный, а помощь карьерного центра — не просто маркетинговая уловка.

На следующей неделе начнётся фестиваль Yandex DataLens, где можно познакомиться с, собственно, DataLens: разобраться в нюансах работы, сравнить с уже известными вам BI-системами, научиться решать практические кейсы и задать вопросы экспертам. В их числе, кстати, будет преподаватель блока «Визуализация» Роман Бунин :) 

Начало 5 декабря. Участие бесплатное по предварительной регистрации.

Рекомендуем! 

P.S. В качестве подготовки к фестивалю рекомендуем наш обзор DataLens (тоже с Романом Буниным!)

Всем привет! На связи karpovꓸcourses

Сегодня запускаем новые потоки сразу трёх курсов:

● «Аналитик данных» для тех, кто хочет начать путь в Data Science или добавить своим знаниям системности и подтянуть hard skills;

● «Инженер данных» для специалистов, которые уже имеют опыт работы с данными и хотят освоить новую профессию, расширить круг компетенций и повысить свою ценность на рынке труда;

● System Design для тех, кто хочет научиться выстраивать передовые архитектуры современных сервисов, подготовиться к интервью в BigTech и выделиться из массы других разработчиков.

В следующий раз «Инженер данных» и System Design запустятся уже в 2023 году! Успейте записаться, если планировали начать учёбу до праздников :)

Мы написали текст о том, что такое машинное обучение. Или всё-таки это нейросеть ChatGPT? Попробуйте угадать!

Что такое машинное обучение?
Машинное обучение - это область искусственного интеллекта, которая занимается изучением алгоритмов, которые могут улучшать свою производительность на основе опыта. Это позволяет компьютерам автоматически извлекать закономерности из данных и принимать решения на основе наблюдений. Машинное обучение используется в различных областях, включая маркетинг, финансы, медицину.

Чтобы освоить машинное обучение, необходимо пройти следующие шаги:
1 Получить образование в области искусственного интеллекта и математики. Это может быть специализированный курс или университетская программа.
2 Изучить язык программирования Python и библиотеки, которые используются в машинном обучении, например, NumPy, Pandas, Matplotlib и другие.
3 Обучиться использованию моделей машинного обучения, таких как линейная регрессия, дерево решений, классификация и кластеризация.
4 Получить практический опыт работы с данными и моделями машинного обучения. Это может быть в виде участия в курсах или стажировки в компании.
5 Обновлять свои знания и навыки в области машинного обучения.

Машинное обучение можно изучать в университетах, колледжах или через онлайн-курсы. Также можно посетить специализированные тренинги или конференции, где преподают машинное обучение.

Последние в этом году потоки некоторых программ уже стартовали, а новые — запустятся уже в следующем, но немного позже, чем обычно.

Чтобы вы могли лучше спланировать начало обучения, делимся январскими датами стартов:

● Start ML и System Design — 9 января;
● Аналитик данных — 11 и 23 января;
● Инженер данных — 11 января;
● Симулятор A/B-тестов — 18 января;
● Симулятор аналитика — 20 января;
● Hard ML — 25 января.

Набор на Симулятор ML-инженера будет приостановлен с 31 декабря по 8 января. Если хотите начать обучение в праздники, рекомендуем оформить подписку до Нового года :)

А подробнее об изменениях в учебном процессе во время каникул мы расскажем немного позже.

Изучать машинное обучение можно не только для того, чтобы перейти в новую сферу, но и чтобы расширить скиллы для работы и научиться решать более сложные и интересные задачи.

Так поступил выпускник курса Start ML Слава Назаров. После курса он повысил грейд и перешёл в новую компанию с окладом на 35% выше. Мы взяли у Славы мини-интервью 👇

Какой бэкграунд был у тебя до курса?

Я работаю продуктовым аналитиком, к началу обучения общий стаж в IT был 9 месяцев, выполнял задачи по стриму продуктовой и маркетинговой аналитики.
Образование не совсем профильное, но всё же техническое — в 2013 году закончил строительный университет по специальности промышленное и гражданское строительство.

Почему ты решил изучать ML?

Решил пройти курс, чтобы расширить свои возможности в аналитике (в том числе чтобы работать с предикативными моделями) и, возможно, перейти в ML полностью. Сам ML решил изучить для решения кейса на работе — нужно было сделать рекомендательную систему. Но по стечению обстоятельств собрать полноценную модель не успел, перешёл в другую компанию

Какие у тебя впечатления от курса?

Потрясающий курс с максимально широким охватом всех тем из перечня. Непростой темп обучения, который довольно сложно совмещать с фулл-тайм занятостью. Эмоции только положительные.

Благодаря курсу подтянул харды, расширил экспертизу в Data Science и повысил свой грейд до middle+. Всё это позволило получить оффер от Сбермаркет с окладом на 35% выше и найти работу с более интересными задачами и сильной командой.

Алексей Кожарин — лучшего преподавателя по Python в русскоязычном пространстве я не встречал. Отдельное спасибо за блок по алгоритмам!

Никита Табакаев — супердоступные объяснения математики и принципов работы ML-алгоритмов. Теперь тоже часто говорю "чиселки"))

Алексей Биршерт — не представляю, как удалось уместить столько тем в блоке по Deep Learning, но спасибо огромное, что собрал всё в одном месте!

Эмиль Каюмов — суперблок по статистике. Не знаю, сколько часов уходит у людей без бэкграунда на прохождение, но даже с опытом в A/B-тестировании скучно не было ни разу!

Нерсес Багиян — вечная поддержка по ходу курса. Спасибо, что поделился своим мнением о карьере и будущем Data Science на вебинаре.

Отдельная благодарность Алексею и Нерсесу за открытость и персональные консультации по рабочим вопросам.

Чем ты занимаешься сейчас?

На новом месте работаю с коллегами из ML. Сейчас буду пытаться реализовать PSM (мэтчинг пользователей) для решения бизнес-задачи.

Не могу сейчас точно сказать, перейду ли полностью в ML, но всё может быть 😊

Помните наш недавний опрос о том, кто написал текст о машинном обучении: человек или ChatGPT?

Трудно поверить, но это была нейросеть! И пока меня не уволили, расскажу, где можно научиться их создавать.

На курсе Start ML отдельный блок посвящён работе нейронных сетей. Начнём, конечно, с основ: освоим язык Python и разберёмся, что такое машинное обучение, а потом постепенно перейдём к статистике, А/В-тестам и глубинному обучению.

Стартуем сегодня, а записаться можно до 13 декабря.

[Узнать о машинном обучении больше и начать учиться]

Совсем скоро, 14 декабря, запустится Симулятор A/B-тестов!

Всё будет в лучших традициях наших тренажёров: минимум теории и максимум практики.

В течение пяти недель вы будете тренироваться на настоящей платформе A/B-тестирования, отрабатывать сложные и нестандартные ситуации и помогать бизнесу принимать грамотные решения. Хедлайнер курса — Александр Сахнов, руководитель отдела мультивариативного анализа в X5 Retail Group и автор блока по продвинутому A/B-тестированию программы Hard ML.

Симулятор подойдёт не только аналитикам, но и всем, кто хочет разобраться в A/B-тестировании без погружения в программирование и математическую статистику: например, продакт-менеджерам и маркетологам, которые работают в связке с аналитиками и хотят расширить круг своих компетенций. От вас потребуются лишь знание математики на уровне школьной программы и базовые знания Excel :)

[Присоединиться]

P.S. Продвинутая версия Симулятора A/B-тестов пока в разработке, но вы можете оставить заявку, чтобы первыми узнать о его старте!

*три года с запуска первых уроков по Python, которые легли в основу курса «Аналитик данных»