Специализация Big Data или Machine Learning Engineer. Фундаментальные знания и погружение в технологии для решения продуктовых задач. Возможность грантовой поддержки для граждан Казахстана (Tech Orda, 600,000 тенге).
старт обучения: июнь-июль 2024
продолжительность: 28 недель

Курс BD / ML Engineer
с BigData Team

Проходит онлайн
До старта обучения
Дни
Часы
Минуты
Секунды
По опыту собеседований на грантовые программы 2022-го года мы столкнулись с проблемой, что потенциальные слушатели, не имея большого опыта непосредственно в разработке или анализе данных, не могут сделать осознанный выбор в выборе направления Big Data (больше разработки, меньше математики) vs Machine Learning (больше математики, меньше разработки). В связи с этим, мы решили подготовить учебную программу, с одинаковой академической нагрузкой, позволяющую сделать выбор между специализацией Big Data Engineer (BDE) и Machine Learning Engineer (MLE) по ходу обучения. В рамках первой части обучения вы получите опыт как в одной, так и в другой сфере и получите рекомендации по выбору трека.
Почему мы сделали этот курс?
Алексей Драль

Кому подойдет этот курс

  • Разработчики
    Вы программируете, но хотите расширить профессиональные возможности и получить практические навыки работы с большими данными (BDE) или с машинным обучением (MLE)?

    трек BDE: На курсе вы научитесь работать с Hadoop, MapReduce, Hive, Spark, Kafka, Cassandra и будете выполнять задания на реальном кластере.

    трек MLE: Вы научитесь строить модели машинного обучения и нейронные сети, правильно использовать инструменты для работы с большими данными.
  • Аналитики
    Хотите освоить работу с большими данными, чтобы решать более сложные и интересные аналитические задачи?

    трек BDE: Вы научитесь использовать инструменты работы с большими, проводить аналитику с помощью SQL и NoSQL инструментов, готовить данные и отчеты на основе больших массивов информации.

    трек MLE: Вы научитесь строить модели машинного обучения и использовать инструменты работы с большими данными для решения ваших задач.
  • Data Engineers
    Хотите расширить свой арсенал для работы с данными и структурировать свои знания в DE? Вы узнаете о современных технологиях работы с Big Data, научитесь грамотно их использовать и понимать, какую технологию в каких случаях лучше применять.
  • Data Scientists
    Ловите себя на мысли, что качество модели во многом зависит от правильного сбора и предобработки данных? Вы получите базу по современным инструментам и подходам, необходимым для сбора, хранения и обработки данных; изучите особенности укладки данных для оптимизации вычислений, подготовки фичей и масштабирования ML-моделей.

Кому подойдет этот курс

  • Разработчики
    Вы программируете, но хотите расширить профессиональные возможности и получить практические навыки работы с большими данными? На курсе вы научитесь работать с Hadoop, MapReduce, Hive, Spark, Kafka, Cassandra и будете выполнять задания на реальном кластере.
  • Аналитики
    Хотите освоить работу с большими данными, чтобы решать более сложные и интересные аналитические задачи?
    Вы научитесь использовать инструменты работы с большими, проводить аналитику с помощью SQL и NoSQL инструментов, готовить данные и отчеты на основе больших массивов информации.

    Для тех, кто хочет перейти в сферу Data Science и освоить машинное обучение, рекомендуем пройти "Практический курс Machine Learning".
  • Data Engineers
    Хотите расширить свой арсенал для работы с данными и структурировать свои знания в DE? Вы узнаете о современных технологиях работы с Big Data, научитесь грамотно их использовать и понимать, какую технологию в каких случаях лучше применять.
  • Data Scientists
    Ловите себя на мысли, что качество модели во многом зависит от правильного сбора и предобработки данных? Вы получите базу по современным инструментам и подходам, необходимым для сбора, хранения и обработки данных; изучите особенности укладки данных для оптимизации вычислений, подготовки фичей и масштабирования ML-моделей.

Что входит в программу

29 занятий
Python для анализа данных и работы с большими данными (10 модулей),
В зависимости от специализации (BDE / MLE):
Практический курс по Big Data (10 модулей),
Практический курс по Machine Learning (10 модулей)

Промышленная разработка на Python (9 модулей),


28+ домашних заданий
На занятиях по Big Data вы будете работать с кластером, а после этого вас ждут домашние задания для отработки новых знаний на практике.

29 занятий
Python для анализа данных и работы с большими данными (10 модулей),
В зависимости от специализации (BDE / MLDE):
Практический курс по Big Data (10 модулей),
Практический курс по Machine Learning (10 модулей)
Промышленная разработка на Python (9 модулей),


28+ домашних заданий
На занятиях по Big Data вы будете работать с кластером,
а после этого вас ждут домашние задания для отработки новых знаний на практике.


Чему вы научитесь

5-10 модулей для освоения базы (основы Python, основы настройки окружения, основы анализа данных).
* - Обозначены обязательные учебные модули. Остальные модули - рекомендуемые для изучения.
Часть 1. Python для анализа [больших] данных
Часть 2.BD.1. HDFS, Map Reduce, Hive
Вы научитесь работать с распределенными файловыми системами, познакомитесь с экосистемой Hadoop, разберетесь с оптимизацией MapReduce вычислений и работой с Hive.

Подробнее о каждом модуле и полезных навыках, которые вы освоите в модуле, мы рассказали ниже.
Часть 2.BD.2. Spark: from zero to hero
На протяжении этой части курса вы будете работать со Spark: от основных терминов и RDD до Spark DataFrames и оптимизации Spark вычислений.

Подробнее о каждом модуле и полезных навыках, которые вы освоите в модуле, мы рассказали ниже.
Часть 2.BD.3. Rt, NoSQL, Data layout
Вы научитесь работать с потоковой обработкой данных, познакомитесь с Kafka и Spark Structured Streaming, освоите NoSQL поверх больших данных, подружите Spark с Cassandra.

Подробнее о каждом модуле и полезных навыках, которые вы освоите в модуле, мы рассказали ниже.
Вы научитесь строить модели машинного обучения, решать задачи регрессии и классификации, создавать ансамбли решающих деревьев, а аббревиатуры RF, GBDT, XGBoost и LightGBM станут родными и понятными.
Часть 2.ML.1. Классическое машинное обучение
Вы познакомитесь с нейронными сетям (Deep learning) и Unsupervised learning, а также познакомитесь с большими данными. На протяжении этой части курса вы будете работать над итоговым проектом при поддержке наставников. Вы сможете реализовать собственный проект или проект, который предложат кураторы курса.
Часть 2.ML.2. Нейронные сети и Deep learning
Часть 3.1. Тестирование приложений, консольные приложения, юникод
и кодировки
Вы познакомитесь с типами тестирования, научитесь пользоваться библиотекой pytest, создавать консольные приложения с argparse, отличать юникод от кодировки и правильно с ним работать в Python.

Подробнее о каждом модуле и полезных навыках, которые вы освоите в модуле, мы рассказали ниже.
Часть 3.2. Логирование, Mock внешних зависимостей, автоматизация работы с Web
Вы научитесь настраивать логирование, работать с имитацией поведения внешних ресурсов, использовать Web-технологии для автоматического парсинга интернет-страниц.

Подробнее о каждом модуле и полезных навыках, которые вы освоите в модуле, мы рассказали ниже.
Часть 3.3. Паттерны проектирования, Web-сервис, мониторинг приложений
Вы познакомитесь с самыми используемыми паттернами проектирования, напишете собственный Web-сервис и научитесь его деплоить и тестировать.

Подробнее о каждом модуле и полезных навыках, которые вы освоите в модуле, мы рассказали ниже.

Наши преподаватели

Вашими преподавателями и наставниками будут практики из Amazon AWS, Яндекса, Rambler, NVIDIA. А еще они авторы специализации Big Data for Data Engineers, у которой только на Coursera более 100 тысяч слушателей.
  • Алексей Драль
    CEO at BigData Team
    10 лет в IT (Amazon AWS, Yandex, Rambler). Преподаватель и автор учебных программ по Machine learning, Big data, CDO programs for Chief Data Officers. Руководит международным онлайн-курсом "Big Data for Data Engineers" на Coursera, совместный проект с Яндексом.
  • Дмитрий Игнатов
    Зав. лабораторией моделей и методов вычислительной прагматики, ВШЭ
    Автор более 50 научных статей в журналах Machine Learning, Expert Systems and Applications, Discrete Applied Mathematics, General Systems.
    Организатор международных конференций и семинаров по анализу данных и машинному обучению: AIST, ECIR, CLA, ICFCA, ICCS, EEML, RuSSIR и др.
  • Наталья Корепанова
    Data Science Tech Lead,
    IPONWEB
    Опыт исследовательской работы в департаменте биостатистики в институте эпидемиологии, биостатистики и превентивной медицины Цюрихского университета.
  • Кирилл Власов
    Team Lead, Catboost
    Руководитель ML и DS проектов в промышленности. Входит в программный комитет и команду организаторов DataFest.
  • Павел Клеменков
    Chief Data Scientist (Data Platform), NVIDIA
    Основатель комьюнити Moscow Spark. Соавтор специализации по большим данным Big Data for Data Engineers на Coursera.

  • Эмели Драль
    Chief Technical Officer, Evidently AI
    Автор международного онлайн курса Machine Learning and Data Analysis (Coursera, Yandex, МФТИ). В рамках совместного проекта с Яндексом, соавтор международного онлайн-курса Big Data for Data Engineers на Coursera
  • Арсений Ашуха
    Исследователь Samsung AI Center Moscow
    Занимается исследованиями глубоких нейронных сетей в группе Байесовских методов в Samsung и ВШЭ. Автор статей, опубликованных на ведущих конференциях по машинному обучению: ICML, NeurIPS, ICLR.
  • Артём Выборнов
    Head of Data products SberAds
    Соавтор международного онлайн-курса «Big Data for Data Engineers», совместный проект с Яндексом.
  • Илья Бойцов
    Deep learning Lead, Wayfair
    Сфера интересов: NLP и рекомендательные системы (RecSys)
    Преподаватель и один из авторов курса 'Рекомендательные системы" в Школе Анализа Данных (ШАД) Яндекса

  • Александр Климов
    Machine Learning Engineer, eBay
    Сфера интересов: MLOps
    Портфолио: построение с нуля MLOps инфраструктуры для DS команды Альфа-Банка (РФ)



  • Евгений Адищев
    Chief ML Officer @ Next Step Fusion
    Сфера интересов: современные модели и алгоритмы в обучении с подкреплением (RL), а также обработка естественных языков и большие языковые генеративные модели (NLP, LLM)
Как проходит обучение Big Data
Курс проходит в онлайн-формате. Будет много практики, работы на кластере и общения с наставниками и слушателями.

  • Кластер
    На занятиях, посвященных Big Data вы будете выполнять практические задания на Hadoop-кластере, развернутом в многопользо-вательском режиме. Правильно настроить кластер - сложно и дорого, поэтому мы берем настройку окружения на себя, а вы тратите время только на обучение. Если будут вопросы по конфигурации кластера, тоже сможем дать рекомендации.

    На остальных занятиях вы будете пользоваться собственным ноутбуком или ПК.
  • Grader
    Ваши домашние задания будет проверять Grader — наша разработка для получения моментальной обратной связи.
  • Telegram, Slack или Discord
    Общаться с преподавателями, кураторами и между собой можно в мессенджере. В чате курса удобно следить за важной информацией и новостями.
  • Облако
    Все материалы курса: лекции, практические занятия, домашние задания — доступны во время обучения и после.

Кластер
На занятиях, посвященных Big Data вы будете выполнять практические задания на Hadoop-кластере, развернутом в многопользовательском режиме. Правильно настроить кластер — сложно и дорого, поэтому мы берем настройку окружения на себя, а вы тратите время только на обучение.
Если будут вопросы по конфигурации кластера, тоже сможем дать рекомендации.

На остальных занятиях вы будете пользоваться собственным ноутбуком или ПК.
Grader
Ваши домашние задания будет проверять Grader — наша разработка для получения моментальной обратной связи.
Telegram, Slack или Discord
Общаться с преподавателями, кураторами и между собой можно в мессенджере. В чате курса удобно следить за важной информацией и новостями.
Облако
Все материалы курса: лекции, практические занятия, домашние задания — доступны во время обучения и после.

Что вы получите

  • Работа на реальном кластере
    Вы получите опыт работы на Hadoop-кластере в многопользовательском режиме. Все по-настоящему: не потушили Spark сессию и отжираете ресурсы кластера — вам могут и в чате написать, и задачу убить ;)
  • Максимум знаний и навыков
    Мы адаптируем программу под уровень подготовки слушателей, чтобы вы максимально прокачали знания и навыки в сжатые сроки.
  • Практика, практика, практика
    Вас ждет много часов интенсивной работы: практические задания на каждом занятии, домашние задания, работа на кластере (трек BDE), обязательная защита проекта (трек MLE).
  • Поддержка наставников и кураторов
    Наши преподаватели будут вашими наставниками на протяжении всего обучения: ответят на вопросы, дадут обратную связь по заданиям, подскажут, что улучшить. Наши кураторы не оставят без ответа ни одно ваше сообщение.
  • Быстрая обратная связь по домашним заданиям
    Мы знаем, каково это не спать всю ночь, чтобы успеть к дедлайну. Мы уважаем ваше время, поэтому стараемся как можно быстрее дать обратную связь по домашним заданиям.
  • Возможность получить грант на обучение
    В рамках развития человеческого капитала в сфере ИТ, Tech Orda предоставляет гранты на обучение в размере 600,000 тенге (для граждан Казахстана). Оставляйте заявки и/или читайте подробности: astanahub.com/l/TechOrda

Что вы получите

  • Работа на реальном кластере
    Вы получите опыт работы на Hadoop-кластере в многопользовательском режиме. Все по-настоящему: не потушили Spark сессию и отжираете ресурсы кластера — вам могут и в чате написать, и задачу убить ;)
  • Максимум знаний и навыков
    Мы адаптируем программу под уровень подготовки слушателей, чтобы вы максимально прокачали знания и навыки в сжатые сроки.
  • Практика, практика, практика
    Вас ждет много часов интенсивной работы: практические задания на каждом занятии, домашние задания, работа на кластере (трек BDE), обязательная защита проекта (трек MLE).
  • Поддержка наставников и кураторов
    Наши преподаватели будут вашими наставниками на протяжении всего обучения: ответят на вопросы, дадут обратную связь по заданиям, подскажут, что улучшить. Наши кураторы не оставят без ответа ни одно ваше сообщение.
  • Быстрая обратная связь по домашним заданиям
    Мы знаем, каково это не спать всю ночь, чтобы успеть к дедлайну. Мы уважаем ваше время, поэтому стараемся как можно быстрее дать обратную связь по домашним заданиям.
  • Возможность получить грант на обучение
    В рамках развития человеческого капитала в сфере ИТ, Tech Orda предоставляет гранты на обучение в размере 600,000 тенге (для граждан Казахстана). Оставляйте заявки и/или читайте подробности: astanahub.com/l/TechOrda
У нас обучаются сотрудники ведущих компаний
и студенты лучших ВУЗов:

У нас обучаются сотрудники ведущих компаний
и студенты лучших ВУЗов:

Стоимость и критерии отбора

Вы можете пройти курс целиком или по частям. Части 2.BD и 3 курса проходят в формате МООК.
МООК (MOOC) - это формат обучения, где вы изучаете новый материал по предзаписанным видео длительностью 5-10 минут, а не в формате 3х-часовой интерактивной сессии с преподавателем. О плюсах и минусах формата в FAQ.

Стоимость полного курса при оплате в тенге

29 модулей

Стоимость полного курса при оплате в рублях

29 модулей

366 000 тенге

Стоимость обучения при получении гранта

Для того, чтобы получить грант вам нужно соответствовать критериям Tech Orda и пройти отбор (отбор по грантам планируется в мае-июне 2024).
В рамках развития человеческого капитала в сфере ИТ, Tech Orda предоставляет гранты на обучение в размере 600,000 тенге (для граждан Казахстана). Оставляйте заявки и/или читайте подробности:
astanahub.com/ru/l/techorda2024
Вы можете проходить обучение по частям, оставьте заявку и мы расскажем вам об условиях.

138 000 рублей

966 000 тенге

Вы можете проходить обучение по частям, но в этом случае вы не сможете претендовать на грант.
Часть 3.2. Логирование, Mock внешних зависимостей, автоматизация работы с Web
Часть 3.1. Тестирование приложений, консольные приложения, юникод и кодировки
Часть 1. Python для анализа [больших] данных (10 модулей)
Часть 3.3. Паттерны проектирования, Web-сервис, мониторинг приложений
Часть 2.BD.1. HDFS, Map Reduce, Hive
Часть 2.BD.2. Spark: from zero
Часть 2.BD.3. RT, NoSQL, Data layout
Часть 2.ML.1. Классическое машинное обучение
Часть 2.ML.2. Нейронные сети и Deep learning
Часть 1. Python для анализа [больших] данных (10 модулей)
Часть 3.2. Логирование, Mock внешних зависимостей, автоматизация работы с Web
Часть 3.1. Тестирование приложений, консольные приложения, юникод и кодировки
Часть 3.3. Паттерны проектирования, Web-сервис, мониторинг приложений
Часть 2.BD.1. HDFS, Map Reduce, Hive
Часть 2.BD.2. Spark: from zero
Часть 2.BD.3. RT, NoSQL, Data layout
Часть 2.ML.1. Классическое машинное обучение
Часть 2.ML.2. Нейронные сети и Deep learning

756 000 тенге

156 000 тенге

Стоимость и критерии отбора

Вы можете пройти курс целиком или по частям. Части 2.BD и 3 курса проходят в формате МООК.
МООК (MOOC) - это формат обучения, где вы изучаете новый материал по предзаписанным видео длительностью 5-10 минут, а не в формате 3х-часовой интерактивной сессии с преподавателем. О плюсах и минусах формата в FAQ.

Стоимость курса BDMLE-24 при оплате в рублях

Стоимость обучения при получении гранта

Стоимость курса BDMLE-24 при оплате в тенге

Вы можете проходить обучение по частям, но в этом случае вы не сможете претендовать на грант.
Вы можете проходить обучение по частям, оставьте заявку и мы расскажем вам об условиях.

108 000 рублей

24 модуля
24 модуля
Для того, чтобы получить грант вам нужно соответствовать критериям Tech Orda и пройти отбор (отбор по грантам планируется в мае-июне 2024).
В рамках развития человеческого капитала в сфере ИТ, Tech Orda предоставляет гранты на обучение в размере 600,000 тенге (для граждан Казахстана). Оставляйте заявки и/или читайте подробности: https://astanahub.com/ru/l/techorda2024
Часть 3.2. Логирование, Mock внешних зависимостей, автоматизация работы с Web
Часть 3.1. Тестирование приложений, консольные приложения, юникод и кодировки
Часть 1. Python для анализа [больших] данных (5 модулей)
Часть 3.3. Паттерны проектирования, Web-сервис, мониторинг приложений
Часть 2.BD.1. HDFS, Map Reduce, Hive
Часть 2.BD.2. Spark: from zero
Часть 2.BD.3. RT, NoSQL, Data layout
Часть 2.ML.1. Классическое машинное обучение
Часть 2.ML.2. Нейронные сети и Deep learning
Часть 3.2. Логирование, Mock внешних зависимостей, автоматизация работы с Web
Часть 3.1. Тестирование приложений, консольные приложения, юникод и кодировки
Часть 3.3. Паттерны проектирования, Web-сервис, мониторинг приложений
Часть 2.BD.1. HDFS, Map Reduce, Hive
Часть 2.BD.2. Spark: from zero
Часть 2.BD.3. RT, NoSQL, Data layout
Часть 2.ML.1. Классическое машинное обучение
Часть 2.ML.2. Нейронные сети и Deep learning
Часть 3.2. Логирование, Mock внешних зависимостей, автоматизация работы с Web
Часть 3.1. Тестирование приложений, консольные приложения, юникод и кодировки
Часть 1. Python для анализа [больших] данных (5 модулей)
Часть 3.3. Паттерны проектирования, Web-сервис, мониторинг приложений
Часть 2.BD.1. HDFS, Map Reduce, Hive
Часть 2.BD.2. Spark: from zero
Часть 2.BD.3. RT, NoSQL, Data layout
Часть 2.ML.1. Классическое машинное обучение
Часть 2.ML.2. Нейронные сети и Deep learning

Критерии отбора

Прислать резюме и/или мотивационное письмо для разрешения спорных случаев (отбора на курс)

Сдать входное тестирование на умение решать аналитические задачи, знание основ Python
трек MLE (дополнительно): теории вероятностей, статистики

Для прохождения курса Big Data / Machine Learning Engineer необходимо владеть базой по работе с Python:
https://www.coursera.org/learn/python
https://www.coursera.org/learn/python-data
иметь опыт работы с Jupyter notebooks
уметь отлаживать программы с помощью "print"
Отбор студентов производится на основе:
Набранных баллов по тестированию (порог >70% правильных ответов за базовую часть)
Решения внутренней комиссии на основе результатов тестирования (набранных баллов), опросника, релевантного профиля работы и/или обучения, мотивации/целей прохождения курса

Пройти дополнительный опросник по темам: Unix CLI, алгоритмы и структур данных, Big Data и Machine Learning

Общие рекомендации по подготовке

Вы также можете

  • Взять рассрочку
    Вы можете оплатить курс по частям: половину стоимости надо внести до начала курса, половину — в середине. Напишите нам или заполните форму, чтобы оформить рассрочку или обсудить индивидуальные условия платежа.
  • Получить налоговый вычет
    У нас есть образовательная лицензия - это значит, что вы сможете получить налоговый вычет за обучение на курсе. Что такое налоговый вычет и как его получить, читайте в нашей статье.

Вы также можете

Взять рассрочку
Вы можете оплатить курс по частям: половину стоимости надо внести до начала курса, половину — в середине. Напишите нам или заполните форму, чтобы оформить рассрочку или обсудить индивидуальные условия платежа.
Получить налоговый вычет
У нас есть образовательная лицензия - это значит, что вы сможете получить налоговый вычет за обучение на курсе. Что такое налоговый вычет и как его получить, читайте в нашей статье.
Не уверены, что готовы к успешному прохождению курса? Пройдите тестирование, и мы порекомендуем материалы для подготовки.
Наши ученики о нас

Евгений Кривоусов
Кокшетау, Казахстан
Промышленная разработка на Python, ч.1
Спасибо! Всё доступно показали и разъяснили. Понимание Python росло в геометрической прогрессии во время выполнения домашнего задания, особенно последнего в этом блоке. Да и само задание оказалось не сухим академическим примером, а после небольшой доработки под себя, вполне практическим и полезным инструментом.
Бекарыс Нуртай
Creative director in DD agency
Лекторы просто шикарные, объясняют на пальцах. Готовы ответить на самые тупые вопросы, что намного лучше лекций в университете.
Александр Климов
ML Engineer в Альфа-Банк
Очень понравилось большее количество полезной, актуальной практики. Уже применяю полученный опыт в работе и пропагандирую базовое концепции обработки больших данных среди коллег. Также зачёт за отзывчивость лекторов, которые отвечали на все вопросы и были готовы помочь даже с темой, которая напрямую не касается темы лекции. Удобное время лекций. Вкусные кексики :)
Евгений Мигаев
Data Science Team Lead
Курс - супер. Изначально у меня было лишь поверхностное представление по всем темам из программы. Сейчас есть четкая уверенность, что везде смогу разобраться и сразу начать делать что-то промышленное.

Очень порадовало, что все можно было потрогать руками и порешать реальные задания. Помимо практических навыков и теоретических знаний в дата инженерии в качестве бонуса практикуешь python, bash, regexp и т.д.

Домашки убивают почти все свободное время, но они при этом очень интересные и захватывающие. Подача материала отличная.

Алексею и всей команде большое спасибо!
Юлия Королькова
Аналитик в Prime Source
Все причастные к Big Data, Machine Learning (в общем для тех, кто в тренде 😉).

Кто развивается в этих направлениях и хочет новых знаний и ответов, хочет выучиться на самую актуальную нынче в мире специализацию Data scientist и кому нужны готовенькие специалисты в ML - BigData Team вам в помощь!
Команда - огонь, просто посмотрите их опыт работы и это о многом скажет.

P.S. А как один из слушателей курса хочу отметить преподавательский талант ребят. Тяжело подобрать правильные эпитеты, но они рядом в любое время с ответами на любые вопросы (даже самые глупые), помощью и поддержкой, советами и рекомендациями.

Спасибо вам огромное!
Яна Коваленко
Руководитель программы Центра цифрового развития, Агентство стратегических инициатив (АСИ)
Проходила обучение у Алексея в рамках образовательного интенсива «Остров 10-21» по треку CDO. Случилось очень быстрое глубокое погружение в технологии работы с данными, понимание инструментов работы с данными и вообще, что такое такое ML, AI и Big Data.

Изучали возможности технологий не только на готовых решениях, но и работали со своим проектом. Далее, при поддержке BigData Team уже изучала как анализировать и визуализировать данные и как визуализация Больших данных помогает наглядно понимать где собака зарыта.

Обязательно продолжу изучать технологии с Командой. Так же проходила и онлайн-модули по Big Data. И очень благодарна за то, что кажущиеся на первый взгляд такими сложными технологии так доступно и прикладно объясняются.

И да, после образовательного интенсива сменила место работы и сейчас работаю в области управления, основанного на данных.
Александр Прохоров
Data Analyst в Skyeng
Мне всё понравилось, курс даёт хорошее понимание концептов ML и DL,
с которыми можно двигаться дальше.
Евгений Кривоусов
Кокшетау, Казахстан
Промышленная разработка на Python,ч.3
Всё понравилось! Субъективно достаточно хорошо прокачался в Python, на мой взгляд) Думаю, интересные задания очень в этом помогли. На начало курса код на Python был как китайская грамота, а последние задания делал уже с пониманием: что, для чего, когда и куда нужно писать. Есть куда расти, но и получил от обучения немало. Спасибо за курс! В целом подход интересный, но возможно надо дробить курс (последнюю часть) на специализации - кому-то веб, кому-то data science или airflow
Anonymous
Вы подняли мою планку методов преподавания. Отличная организация и доходчивое объяснение. Великолепно спланированная практика. Понравились опросы в Телеграме для оценки понимания и прогресса учеников. Ежедневные куизы помогали выявить дыры, которые мы сами бы не заметили.
Алия Джангабылова
Буду рекомендовать всем, кому не лень! Настоящие профессионалы своего дела и очень классные, отзывчивые ребята😍
Жазира Амиргалиева
Курс очень познавательный. Представляет собой отличный обзор всех важных элементов DS. Но, к сожалению, очень интенсивный. Для совсем начинающих не рекомендуется. Подача материала очень интересная, различные кьюзы, соревнования мотивируют. Выражаю свою благодарность за полученные знания. Дальнейших успехов курсу! Продолжайте в том же духе.
Айгуль Шарип
Курс был очень интересным и полезным. Благодарю за старание! Каждый участник найдет нужный материал для себя. Понравилось, что вы постоянно работаете с обратной связью.
Anonymous
Очень качественное, глубокое обучение и объяснения.
Вдобавок, было очень весело, что делало обучение еще более интересным.
Anonymous
Курс был интересным и плодотворным и мне очень понравилось. Поддержка со стороны преподавателей и ассистентов действительно помогла. Мне было очень приятно видеть, как работники и менеджеры задают вопросы, которые направлены на применение полученных знаний к реальным задачам.
Денис Славиковский
Курс был очень интересный и насыщенный. Крайне интересно было слушать разных докладчиков по разным темам. Интересно было бы ещё послушать реальные кейсы, какие были цели, как шли к цели, какие препятствия, какие решения.
Ермухамет Медетов
Интенсив классный, больше практики больше хардкора!! Спасибо вам большое, много чего узнал!
Назым Шакирхожа
Больше всего понравилась подача материала в целом и тема про консольные приложения. Я много чему научилась. Спасибо за ваш труд.
Наши ученики о нас

Евгений Кривоусов
Кокшетау, Казахстан
Промышленная разработка на Python, ч.1
Спасибо! Всё доступно показали и разъяснили. Понимание Python росло в геометрической прогрессии во время выполнения домашнего задания, особенно последнего в этом блоке. Да и само задание оказалось не сухим академическим примером, а после небольшой доработки под себя, вполне практическим и полезным инструментом.
Бекарыс Нуртай
Creative director in DD agency
Лекторы просто шикарные, объясняют на пальцах. Готовы ответить на самые тупые вопросы, что намного лучше лекций в университете.
Александр Климов
ML Engineer в Альфа-Банк
Очень понравилось большее количество полезной, актуальной практики. Уже применяю полученный опыт в работе и пропагандирую базовое концепции обработки больших данных среди коллег. Также зачёт за отзывчивость лекторов, которые отвечали на все вопросы и были готовы помочь даже с темой, которая напрямую не касается темы лекции. Удобное время лекций. Вкусные кексики :)
Евгений Мигаев
Data Science Team Lead
Курс - супер. Изначально у меня было лишь поверхностное представление по всем темам из программы. Сейчас есть четкая уверенность, что везде смогу разобраться и сразу начать делать что-то промышленное.

Очень порадовало, что все можно было потрогать руками и порешать реальные задания. Помимо практических навыков и теоретических знаний в дата инженерии в качестве бонуса практикуешь python, bash, regexp и т.д.

Домашки убивают почти все свободное время, но они при этом очень интересные и захватывающие. Подача материала отличная.

Алексею и всей команде большое спасибо!
Юлия Королькова
Аналитик в Prime Source
Все причастные к Big Data, Machine Learning (в общем для тех, кто в тренде 😉).

Кто развивается в этих направлениях и хочет новых знаний и ответов, хочет выучиться на самую актуальную нынче в мире специализацию Data scientist и кому нужны готовенькие специалисты в ML - BigData Team вам в помощь!
Команда - огонь, просто посмотрите их опыт работы и это о многом скажет.

P.S. А как один из слушателей курса хочу отметить преподавательский талант ребят. Тяжело подобрать правильные эпитеты, но они рядом в любое время с ответами на любые вопросы (даже самые глупые), помощью и поддержкой, советами и рекомендациями.

Спасибо вам огромное!
Яна Коваленко
Руководитель программы Центра цифрового развития, Агентство стратегических инициатив (АСИ)
Проходила обучение у Алексея в рамках образовательного интенсива «Остров 10-21» по треку CDO. Случилось очень быстрое глубокое погружение в технологии работы с данными, понимание инструментов работы с данными и вообще, что такое такое ML, AI и Big Data.

Изучали возможности технологий не только на готовых решениях, но и работали со своим проектом. Далее, при поддержке BigData Team уже изучала как анализировать и визуализировать данные и как визуализация Больших данных помогает наглядно понимать где собака зарыта.

Обязательно продолжу изучать технологии с Командой. Так же проходила и онлайн-модули по Big Data. И очень благодарна за то, что кажущиеся на первый взгляд такими сложными технологии так доступно и прикладно объясняются.

И да, после образовательного интенсива сменила место работы и сейчас работаю в области управления, основанного на данных.
Александр Прохоров
Data Analyst в Skyeng
Мне всё понравилось, курс даёт хорошее понимание концептов ML и DL,
с которыми можно двигаться дальше.
Евгений Кривоусов
Кокшетау, Казахстан
Промышленная разработка на Python,ч.3
Всё понравилось! Субъективно достаточно хорошо прокачался в Python, на мой взгляд) Думаю, интересные задания очень в этом помогли. На начало курса код на Python был как китайская грамота, а последние задания делал уже с пониманием: что, для чего, когда и куда нужно писать. Есть куда расти, но и получил от обучения немало. Спасибо за курс! В целом подход интересный, но возможно надо дробить курс (последнюю часть) на специализации - кому-то веб, кому-то data science или airflow
Anonymous
Вы подняли мою планку методов преподавания. Отличная организация и доходчивое объяснение. Великолепно спланированная практика. Понравились опросы в Телеграме для оценки понимания и прогресса учеников. Ежедневные куизы помогали выявить дыры, которые мы сами бы не заметили.
Алия Джангабылова
Буду рекомендовать всем, кому не лень! Настоящие профессионалы своего дела и очень классные, отзывчивые ребята😍
Жазира Амиргалиева
Курс очень познавательный. Представляет собой отличный обзор всех важных элементов DS. Но, к сожалению, очень интенсивный. Для совсем начинающих не рекомендуется. Подача материала очень интересная, различные кьюзы, соревнования мотивируют. Выражаю свою благодарность за полученные знания. Дальнейших успехов курсу! Продолжайте в том же духе.
Айгуль Шарип
Курс был очень интересным и полезным. Благодарю за старание! Каждый участник найдет нужный материал для себя. Понравилось, что вы постоянно работаете с обратной связью.
Anonymous
Очень качественное, глубокое обучение и объяснения.
Вдобавок, было очень весело, что делало обучение еще более интересным.
Anonymous
Курс был интересным и плодотворным и мне очень понравилось. Поддержка со стороны преподавателей и ассистентов действительно помогла. Мне было очень приятно видеть, как работники и менеджеры задают вопросы, которые направлены на применение полученных знаний к реальным задачам.
Денис Славиковский
Курс был очень интересный и насыщенный. Крайне интересно было слушать разных докладчиков по разным темам. Интересно было бы ещё послушать реальные кейсы, какие были цели, как шли к цели, какие препятствия, какие решения.
Ермухамет Медетов
Интенсив классный, больше практики больше хардкора!! Спасибо вам большое, много чего узнал!
Назым Шакирхожа
Больше всего понравилась подача материала в целом и тема про консольные приложения. Я много чему научилась. Спасибо за ваш труд.
Наши ученики о нас