В блоке «Визуализация» на курсе «Аналитик данных» мы учим делать классные дашборды и даём основы работы с Tableau. Многие переживают, актуален ли этот инструмент. Во-первых, зная Tableau, легко обучиться и другим BI-системам. А во-вторых, мы всегда обновляем наши программы вслед за изменениями Data Science!

Поэтому мы добавили в программу курса большую лекцию с обзором нескольких аналогов, которые используют российские компании. А с вами хотим бесплатно поделиться лекциями об одном из таких инструментов — DataLens от Яндекса.

Всё самое интересное по ссылкам:

● Как подключать данные
● Как создавать чарты и расчётные поля
● Как работать с дашбордами, селекторами и параметрами

Полный блок с обзором других инструментов доступен на всех потоках курса «Аналитик данных».

Как тренировать навыки, закрывать пробелы в знаниях и готовиться к техническим собеседованиям? Курсы и видео на YouTube — это хорошо, но не стоит ограничиваться только этими источниками. Мы собрали сайты, где вы можете потренироваться в написании кода на Python и SQL.

● InterviewBit

Платформа для подготовки к техническим интервью. Внутри — вопросы, которые можно услышать на собеседованиях в такие компании, как Google, Facebook и Amazon. В зависимости от вашего уровня и целей сервис составит оптимальный план подготовки и подберёт наиболее подходящие задачи.

● StrataScratch

Сервис, созданный специально для тренировки навыков, востребованных в сфере Data Science. Здесь можно целенаправленно готовиться к собеседованиям либо просто прорабатывать слабые места — на сайте есть более тысячи реальных вопросов с интервью в BigTech компании.

● CodeWars

На Codewars можно практиковаться в написании кода на более чем 55 языках программирования. Задачи будут подобраны под ваш грейд, и по мере выполнения он будет повышаться. Также после отправки ответа у вас будет возможность посмотреть решения других пользователей.

● CodeChef

Особенность CodeChef заключается в том, что помимо решения задач пользователи могут участвовать в ежемесячных соревнованиях, продвигаться в таблице рейтинга и даже получать призы! Соревновательный дух может стать сильной мотивацией :)

● Py.Checkio

Py.Checkio — необычный сервис, где можно учиться писать код на Python в игровом формате. По мере выполнения заданий вы будете открывать новые локации и переходить к более сложным задачам.

● LeetCode

Идеальная платформа для тех, кто только начинает свой путь в IT. LeetCode позволяет решать задачи разных уровней сложности, отслеживать прогресс готовиться к техническим интервью и изучать решения опытных программистов. По праву считается одним из самых популярных тренажёров для развития профессиональных навыков.

Всем привет! На связи karpovꓸcourses

Помним, мы обещали встречу с Анатолием Карповым в Ереване... освобождайте эту субботу, будем знакомиться!

Часть нашей команды сейчас находится в Армении, поэтому помимо обещанных историй о работе Анатолия в аналитике и ответов на вопросы, будем делиться «инсайдами» от ребят, участвующих в создании, запуске и поддержке курсов.

29 октября, с 14:00 до 17:00 (по местному времени) ждём всех желающих в Библиотеке Мирзояна 🧡

А если боитесь потеряться – добавляйтесь в чат встречи [по ссылке]

Пройти курс «Аналитик данных» с нуля, найти работу, пойти учиться на дата-инженера и получить оффер с зарплатой вдвое выше.

Именно такой путь прошёл выпускник программ «Аналитик данных» и «Инженер данных» Александр Глухов. Мы узнали у Александра, почему он выбрал дата-инженерию и какие навыки помогают ему на новом месте. Делимся его отзывом 👇

На момент, когда началось обучение на курсе, я уже заканчивал курс «Аналитик данных» от karpovꓸcourses и работал около трёх месяцев на должности аналитика данных в крупном офлайн-ритейле.

Решил пойти на дата-инженерию, выбирал между ней и Data Science (ML), так как было интересно расти дальше. Для меня это первый опыт работы в сфере IT, моё профильное образование совершенно другое — инженер-конструктор в области машиностроения.

Курс — бомба. Честно. Сейчас, уже работая инженером данных, я добрался до middle-позиции и, оглядываясь назад, могу сказать, что я безумно благодарен за курс. Всего за несколько месяцев я сумел найти работу инженером данных, увеличил зарплату в два раза (по сравнению с аналитиком) и до сих пор использую стек технологий, который был на программе.

Более того, сейчас на текущей работе я даже внедряю некоторые инструменты, с которыми познакомился на курсе, отвечаю за их настройку и обучаю других ребят.

Конечно, уже сейчас, спустя несколько месяцев работы, я мог бы найти какие-то «минусы», придраться к тому, что иногда не хватало более глубоких примеров и боевых задач (а ещё лучше — сквозного проекта, который научил бы студентов всей Data Lineage: от источника до потребителя). Но эта придирка была бы с моей стороны не совсем корректна, если учесть, что курс практически с нуля ведёт до Junior+. Кстати, я до сих пор обращаюсь к некоторым преподавателям за советом.

Резюме: я очень доволен курсом, не жалею ни секунды о потраченных ресурсах и времени. Более того, с удовольствием бы продолжил обучение актуальным open source инструментам и технологиям, так как в нашей стране всё-таки дата-инженер — это некий мастер на все руки, и конкретно мне нужно ещё очень многое изучить и переварить.

В частности, жду курса по Docker, и поглядываю в целом за новыми направлениями у karpov.courses.

Всем рекомендую курс, но предупреждаю: здесь придётся пахать, читать, спрашивать, а уж когда будет Big Data и облака — ух! :) Эмоций будет море, но оно того стоит.

8 октября в Казахстане состоялась IT-конференция Kolesa Conf’22. Более 45 спикеров поделились своей экспертизой в 4 направлениях: Web, Data, Mobile и Management, и мы — не исключение!

Анатолий Карпов выступил с докладом «Методы оценки размера выборки в А/Б-тестах. От размера эффекта до симуляций», в котором рассказал:

● как правильно подглядывать за А/Б-тестами;
● что сильнее: t-test или непараметрика;
● почему симуляция данных позволяет глубже понять свой продукт;
● как правильно оценить размер выборки для эксперимента в случае нетривиального дизайна исследования.

Но лучше один раз увидеть, поэтому включайте запись!

Выступления по каждому направлению доступны по ссылкам:
● Web
● Data
● Mobile
● Management

«Основы статистики» в трёх частях, «Введение в Data Science и машинное обучение»... ни для кого не секрет, что история karpovꓸcourses началась с курсов на Stepik. До сих пор многие приходят учиться к нам именно оттуда — и приятно осознавать, что эти программы остаются актуальными даже спустя несколько лет!

На курсе «Введение в Data Science и машинное обучение» количество студентов уже перевалило за 100 тысяч, а на «Основах статистики» вот-вот станет 225 тысяч слушателей!

Если вы ещё не успели познакомиться с каждым из курсов, то почему бы это не сделать перед выходными?

● «Основы статистики» станут отличным началом перед стартом «Аналитика данных» в следующий понедельник.
● «Введение в Data Science и машинное обучение» — самое то, чтобы заранее попробовать себя в машинном обучении и присоединиться уже на следующей неделе к новому потоку Start ML.

Спасибо всем — и тем, кто недавно стал нашим студентом, и тем, кто с нами уже давно — за то, что позволили нам стать вашими проводниками в мир Data Science. Обещаем и дальше помогать на этом нелёгком пути!

Что делать ML-инженерам, которые достигли уровня Middle или Senior, но хотят дальше развиваться в профессии и учиться решать нестандартные задачи под менторством опытных коллег? Наш совет: записаться на новый поток программы Hard ML :)

Топовые специалисты из Blockchainꓸcom, Яндекс и AliExpress поделятся своим опытом и научат решать реальные задачи бизнеса:
● динамическое ценообразование;
● ранжирование и матчинг;
● uplifting-моделирование;
● продвинутое А/В-тестирование;
● деплой ML-сервисов.

Стартуем уже сегодня!

[Попробовать свои силы]

Порой IT-специалистам кажется невозможным трудоустройство в большие технологические компании уровня FAANG, где интервью по проектированию систем — обязательный этап. Мы решили показать, что всё возможно, и сделали свой курс по System Design.

VP of Data Science в Blockchainꓸcom Валерий Бабушкин и ML Team Lead в AliExpress Евгений Нижибицкий поделятся опытом и за четыре недели научат выстраивать оптимальные и масштабируемые архитектуры для программных систем. Чтобы узнать, как проходит обучение на курсе, включайте Q&A-сессию с его авторами.

Новый поток начинается 7 ноября!

[Начать учиться]

Как составлять содержательные дашборды и ничего при этом не упускать?

Роман Бунин, руководитель группы развития BI-систем Яндекс Go и преподаватель karpovꓸcourses, стал гостем подкаста Flow Live, где рассказал о подходах к сбору данных и проектированию систем дашбордов.

Включайте, чтобы узнать больше о BI в современных компаниях :)

Начинаем новую неделю стартами сразу двух программ!

● «Аналитик данных» — хороший вариант для тех, кто только погружается в сферу и хочет получить хорошую базу для развития своей карьеры. Студенты, успешно закончившие курс, обладают всеми необходимыми для работы hard skills, а также могут использовать полученные знания в других профессиях внутри Data Science.

[Начать путь в Data Science]

● «Инженер данных» подойдёт специалистам уровня Junior и Middle, которые хотят выйти на новый уровень, а также аналитикам данных, BI- и Backend-разработчикам, желающим попробовать себя в смежной области. Мы даём студентам универсальные знания и на практике учим использовать важные для инженеров данных инструменты: Greenplum, Spark, Hadoop, Kubernetes, Hive, Kafka, Tableau, Airflow.

[Начать учиться]

Всем привет! На связи karpovꓸcourses

Уже на этой неделе состоится первая часть долгожданной конференции Матемаркетинг. В этом году спикеры обсудят не только аналитику и маркетинг, но и эффективность онлайн-бизнеса.

● 11–12 ноября — онлайн-часть с докладами спикеров, находящихся за границей.
● 17–18 ноября — как онлайн, так и офлайн-выступления на площадке кампуса Сколково. Мы тоже там будем, так что забегайте поздороваться :)

Количество и полезность выступлений с каждым годом только растёт, поэтому лучше один раз увидеть полную программу, чем десять раз прочитать нашу выжимку.

И вишенка на торте — для наших подписчиков действует скидка 20% по промокоду Karpov_courses.

А ещё у ребят есть бесплатные билеты на некоторые онлайн-доклады — в том числе на выступление Валерия Бабушкина! Но это – только после регистрации на сайте ;)

Хотите строить математические модели и создавать свои ML-сервисы?

Методы машинного обучения применяются во многих сферах: в медицине, науке, бизнесе, при создании рекомендательных систем в разных сервисах (например, музыкальных). И это далеко не всё!

На курсе Start ML за 7 месяцев вы получите все знания и навыки, необходимые сильному ML-специалисту. Программа в первую очередь подойдёт новичкам — чтобы успешно пройти курс, достаточно знать математику на уровне школьной программы. Всему остальному мы научим с нуля :)

Новый поток стартует уже сегодня!

[Освоить новую профессию]

Проверка технических навыков — важный, но не единственный этап трудоустройства. Работодателю также важно понимать, как специалист преодолевает трудности, решает конфликты в команде и продвигает свою точку зрения. Для этого проводится поведенческое интервью (behavioral interview), во время которого интервьюер выявляет soft skills кандидата, задавая вопросы о рабочих ситуациях из прошлого.

Мы решили показать, как проходит этот этап, и вместе с хедлайнером курсов Hard ML и System Design Валерием Бабушкиным прособеседовали технического директора karpovꓸcourses Кирилла Черепанова.

А в канале «Время Валеры» можно прочесть рекомендации для подготовки к такому интервью.

Когда человек заходит в приложение для доставки еды, ему доступно сразу несколько тысяч ресторанов. Конечно, пользователь скорее выберет одно из тех заведений, которые ему предлагает приложение, чем будет листать полный список. Поэтому важно рекомендовать рестораны в релевантном порядке, чтобы клиенты тратили меньше времени на выбор и оставались им довольны.

В рамках Data Fest Эмиль Каюмов, преподаватель курса Start ML и руководитель группы машинного обучения в Яндекс.Еде, рассказал, как устроено ранжирование ресторанов в компании и как его команда организовала процесс быстрого внедрения новых фичей.

Недавно колоночная СУБД ClickHouse обновилась до версии 22.8 LTS. Давайте посмотрим, какие нововведения могут быть интересны аналитикам данных:

● Статистические функции для проведения более сложного и глубокого анализа прямо в ClickHouse: теперь можно генерировать различные распределения при помощи randUniform, randNormal и randLogNormal (и это не полный список). Также появилась возможность проводить дисперсионный анализ — для этого была реализована функция analysisOfVariance.

● Экспериментальное, но долгожданное обновление — механизм эффективного удаления данных со стандартным SQL синтаксисом DELETE FROM.

● Новые табличные движки MongoDB, MelliSearch и NATS для более удобной интеграции ClickHouse с другими хранилищами.

● Больше возможностей для работы с датой и временем — новые функции, расширенный диапазон дат, INTERVAL MILLISECOND | MICROSECOND | NANOSECOND.

И это только то, что показалось интересным нам — на этом список не заканчивается! С остальными обновлениями можно ознакомиться [тут].

Скоро выйдет симулятор SQL — бесплатный курс, в рамках которого любой желающий сможет научиться использовать SQL для решения реальных аналитических задач. Вы разберётесь с базами данных, научитесь работать с запросами, группировать и агрегировать данные, объединять таблицы и визуализировать результаты.

Чтобы сделать программу ещё более полезной, мы приглашаем вас принять участие в её создании! Оставьте, пожалуйста, в этой форме SQL задачи, которые показались вам интересными на работе, в тестовых заданиях или во время учёбы, а мы включим их в программу. Там же вы можете оставить свою почту, чтобы первыми получить доступ к курсу! :)

Выпускники в международных компаниях — есть, оплата из-за рубежа — есть, самое время развиваться в новом направлении!

В следующий вторник вместе с Валерием Бабушкиным мы проведём первый вебинар на английском языке для нашей зарубежной аудитории. Если вы следите за нашими вебинарами, тема покажется вам знакомой — этапы перформанс ревью: self review, peer review и калибровка. Но если вы по какой-то причине пропустили наш вебинар на русском — это ещё один шанс задать Валерию вопросы в прямом эфире.

На этот раз всё пройдёт без регистрации — ссылка на трансляцию появится в наших соцсетях за час до начала, поэтому отмечайте в календаре, чтобы не забыть: 22 ноября, 19:00 (по Москве).

Если вам интересно узнать, как проводится оценка персонала за рубежом, подключайтесь в следующий вторник.

И да, обязательно зовите коллег!

У нас хорошие новости: мы сделали бесплатный курс по Docker.

Docker применяется в Data Science, разработке, инженерии данных и даже тестировании! Уверены, программа будет полезна всем, кто пишет код и работает с приложениями.

Вы научитесь:

● заворачивать собственные приложения в контейнеры;
● локально разворачивать готовые сервисы: Airflow, Postgres, ClickHouse, Nginx;
● поднимать и настраивать полноценные веб-приложения.

Программа даст вам базовые знания, с которыми можно будет сделать шаг навстречу ещё более интересным инструментам — например, Kubernetes.

Автор курса – Антон Сидорин, бэкенд-разработчик karpov.соurses.
Начать учиться можно в любое удобное время.

[Познакомиться с Docker]