Отзывы о школе «Карпов курсы» — страница 3

Пишу отзыв про курс «Инженер данных». Коротко говоря, я в полном восторге. Если что-то оставалось непонятным, преподаватели всегда могли подсказать, где эту информацию можно найти. Лекторов было интересно слушать. Было много полезных практических советов, которые, я надеюсь, пригодятся в будущем. Отдельная благодарность за работу службы поддержки,

которая всегда была готова помочь и ответить на все вопросы. Общая атмосфера на курсе была очень дружелюбной и поддерживающей, что также оказало положительное влияние на процесс обучения. Большое спасибо всей команде за проделанную работу и за возможность учиться у таких профессионалов в своей области. Весь курс оставил отличное впечатление, и я с удовольствием буду рекомендовать его своим знакомым и коллегам.

Курс получился очень динамичным и увлекательным, сложные темы на нём разжёвывают максимально ясно и просто. На любые вопросы дают развёрнутые ответы, а программа пусть и насыщенная, но по расписанию идётся без напряжения. Кое-что из изученного я уже использую в реальной работе — и понимаю, что обучение прошло совсем не напрасно.

Впервые училась удалённо. Материал подан понятно и подробно, видео интересные.

Проходить тестирование очень удобно — результат видишь сразу. Главное, что заниматься можно тогда, когда тебе удобно, и работу при этом не бросать.

Учёба комфортная, можно сохранять информацию и потом пользоваться ей в работе.

Огромное спасибо организаторам, экспертам и кураторам Карпов курса❤️👍🏻

Сейчас подхожу к финалу обучения с ощущением, что дело сделано, и с гордостью за себя — сумела дойти до конца и не соскочила на середине) Раньше с программированием я вообще не имела дела, да и теперь не скажу, что стала прямо-таки профи. Ещё предстоит много всего искать и осваивать самостоятельно.

Если вы, как и я, приходите на курс с нуля, готовьтесь к серьёзной самостоятельной работе и запаситесь временем. Да, на курсе дадут базу, азы, но чтобы по-настоящему разобраться в информации, нужно куда больше. И даже хорошо, что курс короткий (5 месяцев), в отличие от других (9–12 месяцев), ведь самостоятельное изучение — это считай практика.

О тех, кто ведёт курс, и о группе поддержки у меня только хорошее. Лекторы увлекательно и понятно раскрывают основы. Особенно сам Анатолий Карпов — учитель от бога) Группа поддержки в discord тоже не подводит: на связи всегда, и в выходные тоже, допоздна, до 23.00. Отвечают за 3–7 минут, подробно и терпеливо)) Спасибо им

Конечно, были и слёзы, и мысли в духе «куда я вообще лезу в такое сложное вот это вот всё», но упорство и желание тянули вперёд) и я этому безмерно рада)

Впереди открыты двери в большой, крутой и безумно интересный мир IT

Hello, World!)))

Про 84% — враньё. В конце курса с тобой просто час поговорит HR-менеджер, глянет резюме, подсобит с правками, скинет вагон файлов, где информации кот наплакал, а добрая половина ссылок мёртвая. Ещё посоветуют приписать себе опыт (типа сам курс и есть опыт), и на этом вся поддержка заканчивается.

Я преподавал экономику и статистику в нескольких вузах. В IT у меня не было никакого опыта — доверительный интервал по t-таблице на бумажке посчитать мог, а вот пару строк на Python уже нет.

Работа в вузе — это очень тяжёлая штука. Я стал выгорать, денег не хватало, и пришло понимание, что надо что-то менять. К тому моменту я уже поглядывал в сторону анализа данных, но практики не было совсем, только чуть-чуть теории. Хотелось проверить, моё это или нет, но уверенности не было: никаких «горящих глаз», «хочу стать дата-сайентистом» и «аналитика — это так круто». Были только усталость и желание круто развернуть свою жизнь. Любопытство перевесило, друг посоветовал этот курс, и я пошёл.

Первый блок «Введение в Python» оказался действительно неплохим введением для таких, как я, у кого мало опыта с языками программирования. Правда, ближе к концу блока на лекциях стало очень много обзорного материала по довольно сложным системам, и я закончил его с лёгкой растерянностью.

Второй блок «Машинное обучение» пошёл намного лучше. Понравилось, что много картинок, теории, практики. Это самый большой блок в курсе, и, может, именно поэтому лектор смог развернуться. Но главное — в целом результат отличный. Здесь был один из самых ярких моментов курса: надо было вручную написать алгоритм градиентного спуска, причём в виде класса, а с ООП у меня не заладилось ещё с первого блока. Я начал ныть в чате, но лектор пришёл, сказал «Давай, ты справишься!», и да — я поверил в себя и справился. И это было здорово.

На третьем блоке по нейросетям я, честно говоря, слился примерно после трёх уроков. Тема сложная, и мотивации не хватало — не было понимания, что мне это пригодится в работе. Впрочем, не удивлюсь, если в будущем эти знания всё-таки понадобятся. Буду знать, где посмотреть.

Четвёртый блок, статистика, прошёл хорошо. Возможно, сработало то, что часть понятий мне уже была знакома, хотя многое оказалось новым.

Последний блок — подготовка к собеседованиям. На самом деле примерно половину блока занимали задачи на алгоритмы. Человеку без опыта, вроде меня, они вынесут мозг, но когда самому удаётся правильно построить алгоритм, испытываешь радость.

Нет, работу в IT я не получил. Я даже, честно говоря, не добился изначальной цели — так и не понял до конца, нравится ли мне Data Science. Радость часто сменялась разочарованием. Вопросов осталось много. Зато одного очень важного результата я достиг — понял, что не боюсь этой сферы. Если когда-нибудь займусь этим всерьёз, буду знать, что делать.

Спасибо за такой качественный контент!

Сейчас я работаю в телекоме руководителем направления, мы занимаемся планированием сетей связи. До этого училась в техническом ВУЗе, так что математическая база у меня была изначально.

Захотелось поменять сферу деятельности, и я начала изучать, что есть на рынке онлайн-обучения. Рассматривала много школ и выбрала karpov.соurses, потому что вы специализируетесь на Data Science и меня привлекла именно такая узкая направленность. По-моему, DS — очень крутое направление. Это то, что нас уже окружает: от рекомендательных сетей и банковского скоринга до нейросетей, которые генерируют изображения и убирают шум с аудиодорожек. Уверена, что в будущем эти технологии будут применяться во многих сферах, и спектр применения очень широк уже сейчас.

Курс мне в целом понравился, он хорошо структурирован, очень много материала охвачено: от очистки данных и визуализации до Machine Learning и Deep Learning. Задания в блоках были сложными, но преодолимыми, я многому научилась методом проб и ошибок. Мне субъективно кажется, что при общении в DS-коммьюнити я всегда понимаю, о чём идёт речь в разговорах на ML-темы. Иногда я вижу решение вопроса, который ребята задают, например, в чатах, потому что мы это разбирали в курсе.

Мои самые любимые блоки — это Python и «Основы машинного обучения». В них было очень много интересных нюансов, например, в блоке Python — работа с Git, Airflow и SQL; в модуле по МО были подробно разобраны все основные алгоритмы и много фишек по обработке признаков. Очень классно, что был обзор Deep Learning: можно теперь применять Трансформеры в соревнованиях.

Я пока не начала искать работу в сфере DS, но в ближайшее время собираюсь это сделать. Также планирую воспользоваться помощью рекрутеров karpov.соurses. Для меня этот курс был вводным в новую специальность, и этим летом я планирую поступать в магистратуру ИТМО по направлению «Искусственный интеллект», потому что хочу дальше развиваться в этой сфере.

Отдельное преимущество курса — это коммьюнити. Во время учебы я подружилась с однокурсницей, и теперь мы регулярно общаемся и встречаемся на дата-ужинах, которые устраивает Open Data Science.

Спасибо за такой качественный контент! Хотелось бы больше поддержки во время выполнения финального проекта, но в целом курс получился очень крутой.

Хочу дать совет тем, кто начинает: в учёбе главное — привычка. Мне помогло чёткое следование расписанию занятий. Так легче было садиться за выполнение заданий и проще дойти до конца. Я училась 6 дней в неделю минимум по часу и старалась придерживаться этого расписания, даже если отставала из-за отпуска и больничного.

Когда я стартовал на этом курсе, я уже заканчивал «Аналитик данных» от karpovꓸcourses и примерно три месяца трудился аналитиком данных в большом офлайн-ритейле.

Выбрал дата-инженерию, колебался между ней и Data Science (ML), потому что хотелось двигаться дальше. В IT это у меня вообще первый опыт, а профильное образование совсем из другой области — инженер-конструктор по машиностроению.

Курс — бомба. Без шуток. Сейчас, уже в роли инженера данных, я дошёл до middle и, вспоминая прошлое, чувствую огромную благодарность за программу. За считаные месяцы я смог устроиться инженером данных, поднял зарплату вдвое (если сравнивать с аналитиком) и до сих пор пользуюсь стеком технологий, который давали на курсе.

Больше того, на нынешней работе я даже внедряю кое-какие инструменты, с которыми познакомился на программе, отвечаю за их настройку и учу других ребят.

Разумеется, сейчас, после нескольких месяцев работы, я мог бы отыскать какие-то «минусы», докопаться до того, что порой не хватало более глубоких примеров и боевых задач (а ещё лучше — сквозного проекта, который провёл бы студентов через всю Data Lineage: от источника до потребителя). Но такая придирка была бы с моей стороны не совсем честной, если учесть, что курс практически с нуля доводит 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. Больше того, с удовольствием продолжил бы 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 советую курс, но предупреждаю: здесь придётся пахать, читать, спрашивать, а уж когда будет Big Data и облака — ух! :) Эмоций будет море, но оно того стоит.

Ещё в процессе обучения взял свой первый хакатон.

Чуть-чуть предыстории: у меня за плечами инженерное образование с отличием, пара-тройка книг по машинному обучению (Тарик Рашид, Франсуа Шолле, Орельен Жерон) и несколько курсов. В университете пробовал себя в самых разных сферах: от гидродинамики в криогенных условиях в рамках вечной мерзлоты и моделирования идеального прикуса у человека до топологической оптимизации и аддитивных технологий. Сейчас я аспирант по направлению «Моделирование с помощью функционально-градиентных материалов с использованием топологической оптимизации».

С ML впервые столкнулся в 2017 году, когда ездил в США на стажировку в Wolfram Research Inc. Кроме метода конечных элементов с топологической оптимизацией, я там сделал алгоритм исправления опечаток в коде. Реализация вышла довольно дубовой, и мне посоветовали подключить ML. Собственно, тогда я и начал потихоньку разбираться в этой области, но алгоритм доделать не успел — контракт закончился по времени.

На основной работе я занимался задачами календарного планирования, неградиентными методами оптимизации, изучал новые подходы к решению таких задач. Параллельно читал книги по ML и проходил курсы на Степике. Со временем дошло, что при таком подходе у меня не складывается однозначного решения насчёт того, выбирать ли ML как основное направление деятельности и развития.

На курс HARD ML я шёл, чтобы понять, осилю/не осилю, зайдёт/не зайдёт, и обрести уверенность в себе в области ML. Уверенность появилась после блока Игоря. Я понял, что мне нравится глубоко копать и узнавать новое, попутно применяя эти знания для решения практических задач. Тем не менее решил поучаствовать в каких-нибудь хакатонах и опробовать полученные навыки (к этому моменту я прошёл 2 первых блока). Сначала хотел в Raifhack, но его благополучно «проспал», закрутился на работе, поэтому пошёл в Лидеры Цифровой Трансформации 2021. Для меня это был первый хакатон и вообще первая проба себя именно в ML. Там выбрали задачу «Рекомендательная система для стартапов города Москва». Выбрал по довольно простой причине — блок Игоря как раз про рекомендательные системы, а блок Стаса частично посвящён теме многоруких бандитов, которые тоже используются в рекомендательных системах. Моё предположение в целом оказалось верным, данные дали такие, что можно было сделать рекомендательную систему на многоруком бандите в первом приближении. В итоге смогли выиграть хакатон. Сейчас идёт разговор о том, как эту систему довести до «production ready» уровня и выкатить «в прод» для города Москвы.

Хочется просто сказать спасибо преподавателям (хотя мне и осталось пройти ещё 2 блока). Я ни капли не пожалел, что пошёл к вам учиться.

Прим. от Андрея о времени, затрачиваемом на обучение: «У меня уходило по 8 часов в день на блок матчинга, поскольку Python для меня был „неродным“ языком, на 2-й и 3-й блоки я уже тратил по 2−3 часа в день, так как к тому времени Python уже не был такой сильной проблемой».

До курса у меня был довольно солидный бэкграунд. Начинала ещё на первом Angular, потом перешла на новый проект и на Angular 2. Плюс чуть больше полугода коммерческого опыта на React*. В сумме получается 6+ лет работы.

У меня гуманитарная специальность, поэтому мне всегда кажется (и часто так и есть на самом деле), что знаний не хватает, в каких-то областях есть пробелы. Чтобы их закрыть, стараюсь время от времени проходить курсы по фронтенду.

Когда я поступала на курс, я уже работала в компании мечты, но так совпало, что параллельно с обучением перешла на новый проект — и поразилась, насколько вовремя выходили все уроки и насколько они были нужны. Начиная с настройки окружения и заканчивая адаптивной вёрсткой. Темы шли разной сложности: что-то я уже хорошо знала, что-то приходилось перечитывать по много раз, но польза была от всех одинаковая.

Можно сказать, что реклама karpov.courses попалась мне в нужный момент, и я решила присоединиться :)

Очень понравился план курса. Затронули большинство тем, которые пригодятся любому frontend-разработчику.

Я просто в восторге от преподавателей, записанные уроки вышли очень живыми.

Классно, что регулярно проводились онлайн-встречи.

В какой-то момент я сильно вымоталась от напряжения этого года и перестала успевать делать задания, но всё равно считаю, что они отлично подобраны.

Иногда всё же случались проблемы: например, неясно, когда именно пришла оценка преподавателя; были мелкие ошибки в работе LMS. Может, это уже починили, но мой внутренний перфекционист был в замешательстве :)

Вообще, на этот год у меня в планах пройти курс ещё раз. Уверена, что найду ещё кучу всего полезного!

Спасибо команде! ❤️

Могу сказать, что благодаря курсу я подтянула и прокачала свои скиллы, и в итоге стала ощущать себя увереннее.

Опыт у меня есть — примерно три года, но не слишком большой: в основном попадались приложения с формочками и собственным UI-китом. Теперь я перешла на проект в электронной коммерции, где полно всяких модных фишечек. Начинаю его с нуля и вовсю применяю новые знания.

Из тем, которые мне очень пригодились, могу выделить, наверное, все :) Особенно: сборка и настройка проекта, TypeScript, FrontOps, весь блок «Модный Frontend». Очень жду блоки по производительности и тестированию! В общем, очень рада, что у меня есть такой классный ресурс, к которому можно обратиться в нужный момент.

Есть и другая сторона медали: застряла на блоке «Модный Frontend», совсем перестала всё успевать вместе с основной работой и ушла в академ. В итоге 10 дней отдыхала, возвращалась в ресурс, так сказать 😄

Сейчас решила отказаться от лайв-кодинга, просто внимательно смотрю видео на скорости х1.5, иногда отматывая назад. Собираю основные концепции, а знания закрепляю через конспекты и задания. Но всё равно успеваю с трудом, поэтому пока отсеиваю задания со звёздочкой, надеясь, что вернусь к ним и поделаю в своё удовольствие. Так вышло с заданием по анимации в JS. Задача максимум — всё успевать и при этом балансировать)

Спасибо за ваш труд, ребята. Большое дело делаете🔥

С того момента, как я начал учиться, жизнь прямо закрутилась

Сколько себя помню, я осознавал, что хочу попасть в IT, но не представлял, с какого бока подступиться к этому слону.

Первый заход у меня был с изучения Java, однако после двух курсов работу я так и не нашёл: зарплату предлагали ниже того минимума, на который может рассчитывать семейный человек с ипотекой.

Время шло, и мысль об IT всё сильнее застревала у меня в голове. Летом 2022 года я решил, что пора: по словам моего очень близкого друга, который давно работает в этой области, программисту на любом языке нужны серьёзные хард скилы, а у меня их нет, и это потом может плохо отразиться на трудоустройстве. Он посоветовал присмотреться к специальности аналитик данных (это человек, который умеет кодить на должном уровне (код должен отработать хотя бы раз) и при этом умеет думать головой).

Пересмотрев разные образовательные курсы, я выбрал школу karpov.соurses.

После демокурса я понял две вещи:

1. Аналитика — это моё

2. karpov.соurses помогут мне добиться цели.

С началом обучения жизнь прямо понеслась: три урока в неделю не оставляли времени на привычное безделье и сжигание энергии в соцсетях и фильмах. Курсы по Java очень помогли разобраться с Python. Но ребята с курса, которые до этого вообще не кодили, не столкнулись с большими трудностями в усвоении материала. Всё-таки лекторы разбирают все нюансы: от простого Hello, world! до сложной агрегации нескольких таблиц с подсчётом метрик и отправкой результата себе в телеграм.

После окончания 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 собираюсь 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!!!

Хотя ясно, что Hadoop — это бесконечное обучение)) Несмотря на то, что со всем этим я столкнулась впервые, 90% материала усвоилось. Если что-то оставалось неясным, преподаватель обязательно растолковывал по-другому. После прошлого курса (БАЗЫ ДАННЫХ ДЛЯ АНАЛИТИКОВ) этот — прямо бальзам на душу и голову)). Спасибо.

Спасибо лектору за подробные объяснения и интересную подачу материала (насколько это было возможно при столь сжатых сроках). Курс довольно интенсивный и затрагивает много тем, каждая из которых во время занятия была разобрана на реальных примерах. Есть вопрос к самой платформе : как при таком количестве студентов в потоке ( 93 ) и частотой занятий каждые 3-4 дня один преподаватель может справиться с такой нагрузкой? (проверка заданий, ответы на вопросы, консультации по итоговому проекту).

Курс затрагивает Hadoop лишь поверхностно, но с разных сторон. Для первого знакомства и общего развития — самое то. Как ни странно, больше всего сложностей возникло с первыми домашками, а потом привыкаешь и становится понятнее.

Хочу сказать спасибо преподавателю за прекрасно проведённый курс — считаю, что он выполнил свою задачу на все сто: вебинары шли доступно и понятно, на любые вопросы в telegram он всегда отвечал, а домашние задания проверял вовремя и с обстоятельными комментариями. А вот в учебной программе, без сомнений, есть недоработки. Очень не хватает «Введения в машинное обучение», где в общем рассказали бы, какие бывают модели, для чего нужны классификации, для чего регрессии, что такое обучение с учителем, что такое без, что такое переобучение и так далее (на courseria есть одноимённый курс от Яндекса, где на первом же уроке обо всём этом говорят). Переходить к практическим моделям в sсikit learn, не получив ответов на эти вопросы, очень странно — будто ты что-то где-то упустил, но непонятно где и что, ведь учат тебя «с нуля».

Курс от в целом понравился. Лично мне он помог систематизировать имеющиеся начальные знания, заполнить пробелы, освоить базовые принципы и методы работы с данными в языке Python, понять структуру написания кода на нём. Особо хочется отметить пользу разнообразных и, зачастую, весьма интересных домашних заданий, которые не только заставляли попрактиковаться в техниках, освещенных во время лекций, но и также весьма неплохо развили навык самостоятельного поиска нужной информации в интернете, без которой, в большинстве случаев, ДЗ сделать было практически невозможно. Преподаватель другом примере, где-то визуализировать свою речь для большей наглядности. Немного конструктивной критики: 1. Разбор ДЗ в начале урока не обязательно делать с нуля в прямом эфире. В целях экономии времени, лучше разобрать уже готовый код кого-нибудь из учеников. 2. Регулярные выражения - на мой взгляд, не заслуживают такого пристального внимания в рамках курса. 3. Ну и последний урок по Django очень сжат. По хорошему, курс надо было продлить ещё на два-три урока, разъяснить основные принципы работы с ОРМ, MVC(Т) более детально и подробно. В любом случае, начало положено, всё необходимое для дальнейшего саморазвития дано. Надеюсь, вскоре появиться вторая, более углубленная часть. Спасибо за этот курс Школа Data Science!

Для меня ключевыми оказались несколько вещей.

1. Продолжительность.

Курс довольно короткий. Обычно образовательные организации предлагают подготовку с нуля на год и дольше. В Практикуме курсы сравнительно небольшие, но у меня уже был с ними опыт (не слишком удачный), так что они мне не подходили. А короткий курс для меня важен, потому что я в ситуации, когда уметь делать (хотя бы на базовом уровне) всё, что есть в курсе, нужно уже сейчас.

2. Команда курса.

Я слышала про Анатолия, попадались его выступления на Матемаркетинге, начинала проходить курсы по статистике (как раз сейчас закончила). Для меня это как гарантия качества, когда образовательные курсы делают люди из индустрии. И среди спикеров-преподавателей таких много. То, что люди из индустрии ведут курсы, конечно, не новость. Но суть в том, что обычно «звёздные преподаватели» участвуют только в написании материалов. А здесь сам Анатолий сидит и вещает про Питон.

3. Новизна курса.

Курсу нет и года, трафик, наверное, пока не такой большой, поэтому сейчас сложилась ситуация, когда на вопросы в чатике часто отвечают Анатолий или Беслан. И это очень ценно! На других образовательных площадках на такое можно наткнуться, но подобное — скорее исключение. В основном всё общение идёт через ревьюеров, наставников и т.д. Здесь же возникает ощущение если не менторства крутыми людьми, то как минимум их активного участия. Повторюсь, знаю сторонние курсы, где подобное практикуется по инициативе самих преподавателей, но это исключения.

4. Курс в записи.

В мою жизнь вебинары не вписываются вообще никогда, ни одного, наверное, я не посмотрела вживую. А вебинары в записи — это та ещё шляпа. Поэтому мне очень удобен формат коротких нарезок из видео. Я смотрю их, когда получится: на обеде, ближе к концу рабочего дня, если успеваю разгрести бэклог и т.д. И мне в этом смысле комплиментарен Степик (у него, конечно, тоже есть косяки: почему, например, левую полосу скролла во время просмотра урока нельзя автоматически пролистывать до курса, который я сейчас смотрю), но в целом он удобен, понятен, показывает прогресс.

5. Структура курса.

У меня подход к обучению «по потребностям». Поэтому, например, по календарю я пропустила почти весь блок SQL — на работе он мне в тот момент был не нужен, зато я более глубоко копала Питон, потому что мне нужно было достаточно быстро научиться парсить данные. Сейчас я вернулась к блоку SQL. Да, я там теряю какие-то баллы за то, что всё сдаю не вовремя. Но в остальном я не чувствую, что материал ушёл от меня безвозвратно. И я почти уверена, что ещё не раз пересмотрю отдельные куски курса, когда у меня появится реальная рабочая потребность в этом. Поэтому здесь для меня кайфово, что: 1 — курс останется со мной навсегда, 2 — нет «блокирующих» заданий (это когда тебе не открывают следующий блок, пока не прошёл предыдущий), 3 — есть не только видео, но и текстовый формат, чтобы быстро найти ответ на какой-то вопрос. При этом хорошо, что курс собрал основные инструменты — всегда можно вернуться к содержанию и понять, в какую сторону теперь стоит копать.

6. Рекомендации.

Я пришла по рекомендации знакомого, которому тоже порекомендовали :) В общем, это боль маркетинга — сложно замерить реальное количество людей, пришедших по рекомендации (без опросов), но в данном случае, могу предположить, что таких немало. А рекомендации реальных знакомых в случае выбора не самого дешёвого обучения — это очень важно. У всех курсов примерно одинаковые сейлзпоинты, шаблонные истории успеха, обязательно гибкая ценовая политика и т.д. Никак не проверить на старте, что преподаватели вещают о практических вещах, их будет интересно слушать, через месяц не наступит желание всё бросить и забыть, что в принципе не отобьёт желание развиваться дальше в выбранной отрасли. На отзывы в данном случае вполне можно опираться. Вот так опиралась и я :)

Одновременно с самыми первыми блоками по Питону я внедряла этот инструмент в свою рабочую рутину, что очень и очень повысило качество моих проектов. В настоящий момент времени я нахожусь в поиске работы и уже отметила, что для многих работодателей (из тех, с кем я общалась) этот курс является гарантом достаточно высокого уровня знаний соискателя.

Насыщенный и интенсивный курс, в котором начинающий аналитик получает много разных инструментов.