Курс мне очень понравился. На курсе был обзор технологий, которые очень полезны для общего понимания предмета. Учебный материал подавался доступно и понятно. В целом я доволен полученными знаниями и они уже помогли мне в моей профессиональной сфере. Это не первый и не единственный мой курс в OTUS, обучением я доволен. Я бы смело стал рекомендовать курс коллегам и друзьям.

В целом курс понравился. Преподаватели на курсе опытные и грамотные. Особенно хочу отметить преподавателей - Андрея Чучалова, Алексея Железного и руководителя курса Вадима Заигрина. Андрею Чучалову благодарна за информативную и конструктивную обратную связь по ДЗ. Все преподаватели понравились. Курс структурный, каждому модулю предшествует обобщающая лекция, представляемая руководителем курса. При подготовке проекта удобно было пользоваться материалами занятий, а так же практическими наработками преподавателей. Огромным плюсом является предоставленная студентам возможность реализовать практические задания в Yandex Cloud. До прихода на курс у меня не было опыта в DE. Учиться было сложно, но во всем можно было разобраться. Очень понравились занятия по Spark; Airflow; DWH; Hadoop; Hive; Kafka, Elk. В одной лекции мне было не просто разобраться в связи с отсутствием практического опыта в данной сфере: DevOps практики. CI + CD. Могу сказать, что курс доступен и информативен для тех, у кого опыта совсем не много, но есть желание учиться.

Я работаю архитектором DWH. Материал на курсе хороший, удобно, что есть помощь в телеграмм канале и от преподавателей, и от студентов. Достаточно сбалансирована теория и практика, что можно совмещать с работой. У курса конечно есть точки роста, хотелось больше групповых обсуждений.

Я работаю в Ростелеком в R&D отделе системным инженером. Курс был для меня полезен, важно, что рассмотрели ETL Open Source решений, прошлись по Spark, и работали в YC. Очень понравилась подача по ClickHouse, слоям и Data Vault. Но надо понимать, что курс обзорный и погружений в некоторые инструменты не хватило. В целом я доволен.

Курс помог мне ознакомиться с профессией дата инженера, ознакомиться со стеком технологий для работы с Big Data. Сейчас я работаю Backend-разработчиком и на моём текущем месте работы это, конечно, не применимо, но в будущем я уверен, что полученные знания мне обязательно пригодятся. На курсе было очень интересно. Все преподаватели отлично преподнесли учебный материал. Конечно, для более углублённого изучения нужно ещё много самостоятельно работать, но все мои ожидания от курса полностью оправдались. Практических заданий было в меру и их было интересно выполнять. Интересно так же было работать и над курсовым проектом. Мне удалось сложить в целостную картину все те знания, которые я получил в процессе обучения и построить полноценный data pipeline, что и является обязанностями дата инженера.

В целом курс славный. Сердечная Благодарность Вадиму Заигрину и Алексею Желязнову. Остальные тренеры тоже очень достойные. Серьезных моментов что следует скорректировать я не скажу мне все понравилось. Мне было не удобно начало занятий в 22:00 по уфимском времени. Я стараюсь спать ложится рано. Но понятно что это подвинуть достаточно сложно, т.к. часть группы москвичи и это для них оптимальное время. Вы большие молодцы что добросовестно работаете на свое имя. Такие люди как Ваша команда тихой сапой создают лицо российского ИТ. Ещё раз спасибо, то что Вы делаете важно для многих людей.

Довольно хороший курс, чтобы понять, что, как и с использованием каких инструментов делает дата-инженер. К сожалению, данный курс не сделает из вас сразу же готового дата-инженера, но в целом становится понятно, какие технологии необходимо изучать. Если умеешь анализировать свои ошибки, начинаешь понимать свои точки роста.

Интересный, актуальный курс, помог разобраться с актуальным стэком сервисов, войти в отрасль и ознакомиться практически с обработкой больших данных Из тяжёлых моментов задания с примерами машинного обучения, с нуля заходить - большой объём данных проработать пришлось, но дело очень инетерсное Из пожеланий (не знаю реально такое или нет) вести курс от какого-то запоминающегося проекта, чтобы не приходилось каждое занятие заново вникать в структуру типов данных (если это конечно не является особенностью квалификации инженера) Спасибо за знания!

Хороший курс по Дата инженерии естественно если с нуля нужно много постараться изучить. Но он того стоит. Всем советую.

В конечном итоге получилось не просто разобраться в инструментах дата инженера, но и сделать в них целый проект. Считаю, что инструменты, которые отписывались в курсе очень органично собраны все вместе и понятно объяснены Конечно, это было своего рода челленджем для меня - пройти этот курс, т к навыки в этой области у меня были практические нулевые. Но оно того стоило Из пожеланий (уже высказывала это в ранних фидбеках (может быть устно, не помню)): делитесь материалами к лекциям заранее. Мне было бы гораздо проще понимать лекции в режиме онлайн, если бы у меня была возможность заранее к ним подготовиться: прочитать слайды, дополнительные материалы, разобраться с инструментами, которые используются в демо на уроках. Без этого я ничего не понимала и не могла задать внятные вопросы преподавателю в прямом эфире, разбиралась уже офлайн. Это тоже ок, но терялся смысл вебинаров Но в общем впечатления положительные, курс стоил своих денег и уже принёс плоды Спасибо!

Курс замечательный. Преподаватели - профессионалы своего дела. Если вы хотите заметно повысить свой уровень за несколько месяцев, то пройдя этот курс, вы достигните этой цели - все необходимые знания вам для этого дадут. Вам же останется отработать теорию на практике.

До обучения в OTUS я занимался в основном нативной разработкой на Python. Как таковой дата инженерией я не занимался. Курс привлек внимание тем, что он плавно вводит в тему. На презентации рассказали, что он больше подходит для новичков в Data Engineering, что мне подходило. В целом, курс добротный. Рассказывают и про теорию, и про практику. После прохождения у меня более-менее сложилась картинка, что из себя представляет профессия дата инженера. Понравилось, что достаточно подробно разбирали некоторые инструменты типа Spark или Airflow (лекции и презентации можно использовать в качестве базового туториала). Домашние работы были достаточно прикладными - научили, как запускать машины в облаке, как собирать докеры, как писать на Scala. Плюс проектная работа, тему к которой я выбрал самостоятельно, исходя из задач на текущей работе. Не понравились отдельные лекторы, не очень хорошо рассказывали об отдельных темах. Некоторые инструкции к домашним заданиям можно было бы оформить и получше. Очень хотелось бы добавить в курс обработку изображений и видео, разбор инструментов, которые позволяют быстро работать с картинками. В основном все разобранные решения касались только текстовых или бинарных данных. По окончании обучения мне удалось реализовать проект на текущем месте работы и получить должность дата инженера. Знания, полученные на курсе, пришлись к месту. Я доволен тем, что прошел курс до конца. Это был полезный опыт.

Курс полностью оправдал возложенные на него надежды. Я получил достаточно знаний и практического опыта, чтобы начать самостоятельный путь в профессии Data Engineer. Большое спасибо всем преподавателям, но особенно хочу отметить Артемия Козыря, Егора Матешука и Дмитрия Музалевского.

Безусловно, полезный курс. Надо, однако, понимать, что это не курс общего назначения, как я думал до его прохождения. Это курс именно по этой специальности - инженер данных. В старой терминологии это близко к разработчикам баз данных, так называемым "ораклистам" и т.п. Для бэкенд-разработчиков (java и др.) он может быть полезен для общего развития, но это в общем-то другая специальность. Что понравилось - ширина охвата, крутые преподаватели, особенно Егор Матешук. Что не понравилось - некоторое отсутствие общей идеи, общего плана курса. Каждый преподаватель ведет свои темы как бы независимо от других. От этого общий результат, думаю, получается хуже, чем он мог бы быть, если бы изначально лекции и домашние задания как бы продолжали друг друга в разных темах. Например, все домашки были бы в однородном окружении. Полезно также было бы больше времени на лекциях уделять объяснению того, что надо сделать в д/з. Еще не особенно понравилось качество проверки домашек, сложилось впечатление, что преподаватель засчитывает их, почти не глядя.

Целью моего обучения на курсе было освоить технологии Big Data в целом и экосистему Hadoop в частности, и с уверенностью могу сказать что мне это удалось. Курс очень разнообразный, разбирается множество используемых в Big Data инструментов и технологий, а также вопросы архитектуры, дается комплексное представление о предметной области. Конечно, отдельные темы освещаются довольно бегло, но это мотивирует разобраться самому. Для обучения желателен определенный опыт, но понимая принципы работы БД, ООП и общие требования к обработке данных, можно в довольно сжатые сроки освоить технологии Big Data и применять их на практике. Также хочу отметить, что занятия проводятся в "прямом эфире", что сейчас встречается все реже. Это способствует более быстрому усвоению материала и обеспечивает планомерное его изучение. По самой структуре курса могу предложить заменить отдельные "проходные" темы, например, Jupyter Notebook на Docker.

На момент начала курса я уже в течение примерно трех лет развивал решение Data Lake в своей компании в качестве владельца платформы. О курсе я узнал из контекстной рекламы, наверное это не случайно, т. к. в поисковых движках я часто ищу информацию, пересекающуюся с тематикой курса. Обычно я сохраняю понравившиеся аналогичные ссылки, чтобы в будущем рекомендовать их коллегам, но в этом случае тема курса настолько тесно пересекалась с тем, чем я занимаюсь, что мне захотелось, во-первых, прежде чем рекомендовать это кому-то, составить личное мнение о курсе, во-вторых, почерпнуть новые идеи для развития нашей платформы, и в третьих, расширить личный кругозор по отдельным инструментам. По итогам курса могу сказать, что мне понравилась практическая направленность занятий, т. к. после большинства тем даются домашние задания, которые имеют множество возможных решений, и чтобы успешно их сдать, надо включать голову и вспоминать, что проходили на уроках, что способствует запоминанию материала. Сдача «домашек» также реализует канал быстрой обратной связи, благодаря которой улучшается кругозор по пройденной теме. Также хочу отметить преподавательский состав, приглашенные эксперты выложились в моем понимании на отлично. По итогам обучения я получил подтверждение о правильности некоторых гипотез по используемому в компании стеку технологий, а также углубил знания по отдельным инструментам обработки данных. Отдельные презентации разобрал на слайды и обсуждал их с коллегами, конвертируя полученные знания в бэклог команды. С уверенностью могу сказать, что мои ожидания относительно курса оправдались, за что хочу сказать авторам курса большое спасибо.

Хороший курс, понравился. До обучения ранее работал с экосистемой hadoop, но хотелось систематизировать знания, подходы, инструменты в области DE. Выбор пал на этот курс и не прогадал. Что понравилось: - состав и уровень преподавателей. Не скучные лекции, очень доходчиво доносят материал. - общение в slack чате, обсуждение практических заданий. Можно было даже обсудить вопросы не относящиеся к материалам курса, а возникающие в ходе повседневной работы. - уровень домашних заданий и выпускного проекта позволяет сформировать портфолио для указания в резюме. Из доработок по курсу, было бы здорово: - больше практической части от devOps тем на курсе - продвинутых тем в Apache Spark

До обучения в Otus на курсе дата-инженер я более 10 лет работала разработчиком различных систем, в основном специализируясь на реляционных БД, анализе данных и обеспечении качества данных. Имея за плечами сданный экзамен по Big Data (openedu.ru), успешно законченный mlcourse, появилось осознание, что хочется расширить список инструментов для работы с данными, а также добиться некоей "структурированности" знаний в инженерии данных, т.к. инструментов появилось довольно много, и не всегда понятно, когда и какой лучше использовать. Посетив ознакомительный вебинар на OTUS, было принято решение поучаствовать в данном мероприятии. На курсе есть возможность на учебных примерах запустить стримминг данных через kafka, поюзать in-memory бд, написать какой-нибудь сервис, запустить RDD на Spark, сравнить инструменты мониторинга, выбирать тип DWH, рассмотреть реальные кейсы использования инструментов, получить дельные советы от преподавателей. В обучении на OTUS мне понравилось, что программа курса современная, преподаватели актуализируют программу, а также подстраиваются под пожелания учеников "на ходу". Например, в моем запуске было выражено пожелание, чтобы показали, как деплоить ML-модели в production "по-правильному" и это пожелание было удовлетворено. От этого курса я получила все, что хотела: практические навыки использования современных инструментов работы с данными, понимание, когда и какие инструменты лучше применять, как деплоить, оркестрировать, мониторить, а самое главное, наверное - это как разрабатывать архитектурные решения. Думаю, что спрос на дата-инженеров будет расти, т.к. данных становится все больше, также как и инструментов для работы с ними.