Отзывы
Все
Андрей Шитов
В OTUS пришел проверить и расширить свои знания, т.к. ML я учил самостоятельно по книгам и другим курсам. В курсе Advanced ML OTUS рассматривается интересный набор тем, развивающий кругозор людей уже знакомых с машинным обучением. Мне было интересно послушать про временные ряды, рекомендательные системы, Bayesian ML и Reinforcment Learning. Курс состоит из 7 блоков, в каждом из которых высокоуровнево рассматривается отдельная тема. Для глубокого рассмотрения почти каждой из них потребовался бы отдельный курс, поэтому обычно дается общий обзор, а также изучается один или несколько основных алгоритмов по этой теме. Мне наиболее интересно было слушать те лекции, где преподавателям удавалось погрузиться в тему как можно глубже теоретически и при этом успеть показать как она применяется на практике. Здорово, что часть преподавателей занимаются промышленным ML (работа связяна с ML), это позволяет узнать что такое data scientiest/engineer/researcher из первых уст. Обычно я задавал вопросы про проекты и профессиональную деятельность преподавателей, думаю, было бы здорово если материал, где преподаватели рассказывают про свои проекты и особенности профессии, входил в курс. Если говорить о недоработках могу ометить следующее:  Курс начинается с довольно технического и скучного блока про инфраструктурные вещи и AutoML и излагается в довольно сухой манере. Хочется отметить следующих преподавателей: Борис Цейтлин, Мария Тихнонова, Александр Миленькин и Максим Бекетов (5+, очень классно рассказывает). Их было реально интересно слушать и видно что они разбираются в предмете. В конце курса нужно реализовать полноценный ML-проект по одной из пройденных тем. Рекомендую вновь пришедшим на курс выбирать тему как можно раньше и закладывать больше времени под реализацию.
Руслан Ахметвалеев
Я закончил ML Advanced. Когда я выбирал курс, я работал в стартапе, разрабатывающем ML решения для медицинского центра. Мы очень щепетильно выбирали курс под новые для нас задачи в проекте, а именно: временные ряды, обучение с подкреплением, продакшн, в том числе AutoML. Крайне интересной темой оказался модуль про графы. И много вызвал вопросы модуль про Байесовский подход. Я даже купил отдельно учебник для погружения в него. Сам подход заставляет думать по-другому и пока нет уверенности, что понимаешь его на глубинном уровне. Мне очень понравился педагогический подход Марии Тихоновой, руководителя курса. Ее помощь с дипломом была очень кстати. Очень запомнились преподаватели Игорь Стурейко и Андрей Канашов, который ведет RL. И хочу благодарность и признательность выразить наставнику, Артему Червякову, который проверял наши домашние работы. Его развернутая обратная связь была очень ценна и полезна. Обучение на курсе мне помогло не только реализовать проект на текущей работе, но также сменить работу и попасть в крупный ML проект. Сейчас у меня планы сфокусироваться на новом проекте. По рабочим вопросам я пересматриваю некоторые лекции и с каждым новым просмотром обращаю внимание на новые детали.
Олег Николаев
Я работаю аналитиком данных, учился в Сколтехе. Понравилось в курсе то, что мы охватили множество тем, большой круг различных задач, которые удалось рассмотреть. Не понравилось то, что иногда преподаватели, как мне показалось, недостаточно глубоко разбирались в некоторых аспектах тем. На мой взгляд, в домашках нас не сильно нагружали, они были не слишком сложные. Мне не понравилось, что нам иногда говорили: «Вы можете сами, при желании, копнуть глубже».    Обучение дало понимание областей ML, в которых я не работал. Мне удалось повысить свой уровень, выполнив финальный проект. Нужно было разобраться в той теме, в которой мне и хотелось научиться разбираться – вывод моделей в прод. В целом хочу сказать спасибо за курс, хотя я считаю, что курсу есть куда расти - у меня остались скорее положительные впечатления, нежели чем негативные.
Екатерина
Курсы считаю полезными и интересными, все очень сильно зависело от преподавателя. Было интересно слушать Веронику Ивановну по рекомендательным системам, Максим Бекетов отлично рассказал теорию по Байесу, прям на пальцах разложил. Андрей Канашов во время лекции задает аудитории вопросы, что позволяет больше вовлечься в процесс и не отключаться на лекции. Домашние задания были очень разнообразными и увлекательными, я с удовольствием разбиралась и решала. Хочу отметить, что была отличная проверка домашнего задания от Артема Червякова, он мне такую обратную связь давал крутую, помогал разобраться и вообще очень тщательно проверял домашнюю работу. Но иногда не хватало ответов от самих преподавателей, например, приходила даже в личку к Максиму Бекетову, он не ответил, в общем чате тоже тишина. Как-то создается ощущение, что ты одиночка на курсах и только человек, который проверяет домашку - помогал не бросить курс. И понимаю, что есть плюсы, и минусы от смены преподавателя. Но по Байесу получилось, что два преподавателя повторили одну и туже теорию. Повторение - мать учения, но как-то хотелось бы именно на таких курсах отсутствия дублирования информации. Еще показалось, что не хватает предварительной информации перед следующей лекцией, какие определения, формулы или что посмотреть. Может даже заранее загруженный ноутбук/ссылка на колаб, чтобы можно было позагружать, потыкать и посмотреть. Потому что хотелось бы больше задать вопросов лектору, на лекции ты пока вникнешь – а на следующей уже может быть другой преподаватель. Впрочем, они не так часто менялись, но все же. Так я ушла с багажом знаний и очень довольна. Преподавателям большое спасибо за такой труд, понимаю, это все очень непросто. В будущем хотелось бы чуть больше активности.
Сергей Паршин
Я работаю в роли руководителя цифровых проектов (обычно математических и насыщенных инженерными расчётами). Учился по Data Science в МФТИ, у разработчиков Sci-kit learn, Stepik, ODS. Базовые образование - инженерное в МГТУ им. Н.Э.Баумана. Выбрал этот курс, так как интересны были темы по обработке TineSeries данных, Баесовским методам, Reinforcement learning. Не понравилось, что основные материалы и используемые библиотеки были устаревшими. Понравилась возможность напрямую написать / обсудить тему с преподавателем и возможность сдать ДЗ (и его обсудить) в любой момент. Курс пока что дал мне расширение знаний и возможностей по работе с данными, покрытие разных областей Data Science. Обычно специалист по Data Science специализируется на определённой специфике Науки о данных. Взгляд на соседние области расширяет картину возможных решений и их применимость в различных задачах «в бою».
Татьяна Коренькова
OTUS представил уникальный курс по машинному обучению, аналогов которому я не нашла ни на одной другой платформе, так как тут освещается очень много нетривиальных тем для продвинутого обучения: и рекомендательные системы, и графы, и временные ряды, и ML OPS, и обучение с подкреплением, и даже дополнительная математика. Это отличный стартовый набор для того, чтобы двигаться в любое интересующее направление, и я для себя нашла очень много интересных тем и идей для развития. Плюс ко всему, очень выгодные и удобные условия, есть большой простор для творчества при выполнении ДЗ и итогового проекта. Преподаватели и проверяющие домашние задания всегда готовы прийти на помощь и подробно все объяснить и рассказать. Также есть возможность опубликовать статью на habr, получить карьерные консультации и сильно прокачать свое резюме, так как задания действительно сложные и нешаблонные. В принципе никаких замечаний нет, разве что не всегда весь материал с занятий был понятен и подробно объяснен с самого начала, но тут скорее из-за ограничений по времени и недостаточности базовой подготовки. Возможно, было бы полезно добавить небольшой блок по NLP :)
Андрей Шитов
В OTUS пришел проверить и расширить свои знания, т.к. ML я учил самостоятельно по книгам и другим курсам. В курсе Advanced ML OTUS рассматривается интересный набор тем, развивающий кругозор людей уже знакомых с машинным обучением. Мне было интересно послушать про временные ряды, рекомендательные системы, Bayesian ML и Reinforcment Learning. Курс состоит из 7 блоков, в каждом из которых высокоуровнево рассматривается отдельная тема. Для глубокого рассмотрения почти каждой из них потребовался бы отдельный курс, поэтому обычно дается общий обзор, а также изучается один или несколько основных алгоритмов по этой теме. Мне наиболее интересно было слушать те лекции, где преподавателям удавалось погрузиться в тему как можно глубже теоретически и при этом успеть показать как она применяется на практике. Здорово, что часть преподавателей занимаются промышленным ML (работа связяна с ML), это позволяет узнать что такое data scientiest/engineer/researcher из первых уст. Обычно я задавал вопросы про проекты и профессиональную деятельность преподавателей, думаю, было бы здорово если материал, где преподаватели рассказывают про свои проекты и особенности профессии, входил в курс. Если говорить о недоработках могу ометить следующее:  Курс начинается с довольно технического и скучного блока про инфраструктурные вещи и AutoML и излагается в довольно сухой манере. Хочется отметить следующих преподавателей: Борис Цейтлин, Мария Тихнонова, Александр Миленькин и Максим Бекетов (5+, очень классно рассказывает). Их было реально интересно слушать и видно что они разбираются в предмете. В конце курса нужно реализовать полноценный ML-проект по одной из пройденных тем. Рекомендую вновь пришедшим на курс выбирать тему как можно раньше и закладывать больше времени под реализацию.