Многие наши студенты сначала пробуют свои силы, проходя курсы Анатолия Карпова на Stepik, и уже после приходят учиться в karpovꓸcourses.

Так было и с Александром — он начал погружение в сферу Data Science с бесплатного курса, потом пришёл к нам, оставил заявку на помощь в трудоустройстве и теперь работает X5 Retail Group. Подробнее — в его отзыве 👇

Привет! Меня зовут Александр. Хотел бы рассказать, как я пришёл к тому, чтобы сменить профессию и стать аналитиком.

Моим предыдущим местом работы были Вооружённые силы Российской Федерации. В этой структуре я отслужил 5 лет по контракту. Когда оставался год до его окончания, я задумался о том, стоит ли продолжать службу и что со мной будет, если я её оставлю и пойду работать по своей гражданской специальности «Системный анализ и управление». Выбор был сделан: устав от в некоторой степени устаревшей системы работы в Вооружённых силах, я решил перебраться в быстро развивающуюся сферу анализа данных.

Я начал погружаться в аналитику самостоятельно: смотрел видео на Youtube, проходил бесплатные курсы, вспоминал то, что проходил в университете. Меня мотивировало желание повысить свой материальный статус и научиться решать важные и непростые задачи, как мне тогда казалось, «волшебными» методами. Также я увидел, как сильно вырос рынок анализа данных. Потребность в специалистах всегда была, а с годами стала только больше. В нужный момент мне попались курсы по статистике Анатолия Карпова на Stepik. Мне кажется, что очень многие ребята начали погружение в эту сферу именно с этого бесплатного курса. По горячим следам я уже начал смотреть другие видео Анатолия и именно они в итоге привели меня на курс «Аналитик данных». В первую очередь меня привлёк подход к образованию. Не буду скрывать, что большую роль, конечно, сыграла личность основателя, если так можно говорить. Анатолий Карпов и Валерий Бабушкин стали для меня проводниками в сферу, которую я давно изучал.

Курс произвёл на меня большое впечатление. Менторы были настолько отзывчивыми, что казалось, что они работают только для меня и других студентов. Спасибо им большое! Курсом были заложены основы для дальнейшего обучения, был задан верный, как мне кажется, вектор развития в сфере анализа данных. Когда я прошёл большую часть курса, мой контракт с Вооружёнными силами подошёл к концу, и я смог вплотную заняться поиском работы. Благодаря девушкам, которые помогали с поиском работы и трудоустройством, я смог составить конкурентоспособное резюме и подготовиться к будущим собеседованиям.

В результате спустя некоторое время я нашёл своего нынешнего работодателя — X5 Retail Group. Сейчас занимаюсь аналитикой продуктов мониторинга, впечатления от работы и команды просто потрясающие. Я думаю, при смене госструктуры на частную компанию, связанную с IT, ощущения всегда просто необыкновенные и незабываемые. Изначально мои ожидания были немного занижены, но они оправдались на все 200%.

Спасибо всей команде karpovꓸcourses! Надеюсь, это не последнее наше общее дело.

Недавно мы разобрали профессии внутри Data Science и подробно рассказали о каждой из них. Если вы не знаете, с чего начать, изучайте аналитику данных — с полученными навыками вы всегда сможете перейти в другую сферу.

Data Science — это быстро меняющаяся индустрия, где важно понимать, какие инструменты актуальны, а какие уже устарели. Курс «Аналитик данных» создавали топовые специалисты на основе того, что они ежедневно используют в своей работе. Поэтому к концу учёбы у вас будут все hard skills, необходимые для старта карьеры в аналитике.

Присоединяйтесь, чтобы научиться решать реальные рабочие задачи.

[Начинаем уже сегодня]

Если вы думаете, что с преподавателями karpov.соurses можно обсуждать только Data science, — вы глубоко ошибаетесь! Делимся выпуском подкаста Глеба Соломина, гостем которого стал Валерий Бабушкин — хедлайнер нашей программы Hard ML и Head of Data Science в Blockchain.com.

Обсудили буквально всё — от учёбы и старта карьеры в IT до спортивных достижений и режима сна. Включайте и записывайте секреты успеха :)

Apache Superset — бесплатный инструмент для создания дашбордов и исследования данных. Сегодня обсудим основные возможности Superset и разберёмся, сможет ли он полностью заменить платные BI-системы.

Не только разработчикам, но и дата-сайентистам (например, ML-инженерам или инженерам данных) приходится сталкиваться с Git. Часто при локальной работе с кодом допускаются ошибки, от которых никто не застрахован.

Бывает так, что долго работали, вносили изменения, а потом выяснили, что многое из этого оказалось не нужно. Теперь нужно как-то откатиться до исходного состояния или убрать ненужные изменения. Сделать это можно с помощью команды git reset. Подробнее о ней — в статье из нашего DEV-канала 👇

Позавчера мы выпустили видео, в котором Анатолий Карпов рассказал о достоинствах и недостатках Apache Superset.

Если вы хотите узнать больше об инструментах для создания BI-дашбордов и прокачать навыки работы с Python и SQL (а также изучить A/B-тесты, ETL, продуктовые метрики и много чего ещё!) — приходите учиться на «Симулятор аналитика». Обещаем, что будет минимум теории и максимум практики.

Почему Симулятор? Потому что это почти как настоящая стажировка. Причём далеко не каждому во время стажировки в реальной компании удаётся столкнуться с таким широким спектром интересных задач и так быстро расти как специалист.

Будет непросто, но с опытом решения кейсов, представленных на Симуляторе, вас будут ждать в любой компании!

[Присоединиться]

Интервью по System Design — это обязательная часть трудоустройства в компании уровня FAANG.

Чтобы показать, как проходит этот этап, мы вместе с Валерием Бабушкиным провели четыре mock-собеседования. На каждое из них мы приглашали гостей с разным опытом, выпуск за выпуском повышая сложность задания.

●‎ Выпуск 1

Первым соискателем в серии интервью по System Design стал Алексей, ученик 11 класса и победитель AIIJC — международного конкурса по искусственному интеллекту среди детей. Включайте, чтобы узнать, удалось ли ему задизайнить сервис, который делает короткие ссылки.

●‎ Выпуск 2

Гостю второго выпуска досталась задача разработать архитектуру продукта, но уже на примере сервиса Instagram. Если Алексей из первого выпуска был без опыта работы, то в этом собеседовании уже принял участие Али — аналитик-разработчик из Яндекса.

●‎ Выпуск 3

В этом видео тимлид команды ML в AliExpress Russia Евгений разрабатывал дизайн сервиса такси. Теперь он, кстати, преподаёт на нашем курсе по System Design :)

●‎ Выпуск 4

Последнее и самое сложное собеседование в серии. В нём Валерий Бабушкин попросил аналитика Егора написать web crawler. Обязательно посмотрите, чтобы узнать, справился ли он с этой непростой задачей.

После записи серии интервью мы решили сделать свой курс по System Design. На русском языке практически нет материалов по подготовке к таким собеседованиям, поэтому мы уверены, что программа будет полезна специалистам, которые хотят расширить свои компетенции или податься в BigTech. Новый поток стартует 5 сентября!

[Присоединиться]

А помните, был такой курс Hard ML? Сейчас мы готовимся к 19-му потоку, и это значит, что прошло уже полтора года с запуска программы. По этому случаю Валерий Бабушкин записал видео, в котором приглашает присоединиться к Hard ML и объясняет, почему это стоит сделать.

Он разобрал каждый блок программы — динамическое ценообразование, ранжирование и матчинг, uplift-моделирование, продвинутое A/B-тестирование и деплой ML-сервисов — и рассказал, зачем мы сделали упор именно на эти темы и почему они так важны. Небольшой спойлер: с этими задачами регулярно сталкивались все топовые компании, где работал Валерий (Яндекс, X5 Retail Group, Alibaba, Facebook), причём специалистов, готовых заниматься этими проблемами, всегда не хватало.

Поэтому мы решили сделать хардовый курс, который затрагивает наиболее востребованные области машинного обучения и учит решать реальные бизнес-задачи. Подробности — в видео!

Пет-проекты — это полезный опыт или пустая трата времени? Как выбрать тему и где найти вычислительные ресурсы? Работать одному или в команде?

Если вы задаётесь этими вопросами, советуем прочитать статью о пет-проектах от сообщества Open Data Science. В ней вы найдёте полезные советы по работе над личными проектами и сможете вдохновиться примерами пет-проектов участников сообщества.

[Читать статью]

А вы работали над пет-проектами? Делитесь своим опытом в комментариях!