Наука о данных: введение в машинное обучение (Data Science)
Видеокурс Слёрма «Наука о данных: введение в машинное обучение». Пятнадцать тем: введение в ML и библиотеки NumPy и Pandas, анализ данных и визуализация, постановка задачи на примере метода k ближайших соседей, валидация модели и подготовка данных, регрессия, классификация, деревья решений и ансамбли, обучение без учителя, оптимизация пайплайна и итоговый проект. Плюс четыре дополнительных модуля: глубокое обучение и компьютерное зрение на PyTorch, обработка текстов, рекомендательные системы и проектирование систем машинного обучения. Школа обещает 132 часа нетривиальной практики на реальных наборах данных, среднюю длительность лекции 25 минут и работу без углубления в математику. Финальный проект на выбор: модель прогноза потребления электроэнергии, модель оценки кредитоспособности или собственная тема с одобрения спикеров. Цена 35 000 рублей одним платежом или 8 750 рублей в месяц в рассрочку на 4 месяца, для юридических лиц 55 000 рублей. Документ: именное свидетельство при прохождении 80 процентов курса, номерной сертификат при зачтённом финальном проекте.
Мнение редакции
Курс собран вокруг одной честной идеи: разобраться в математике ровно настолько, насколько нужно, чтобы понимать, что делает алгоритм, и не закапываться дальше. Формулировка школы прямая, и программа ей соответствует. Градиентный спуск, регуляризация и метрики качества здесь есть, а вывода формул на три доски нет. Для инженера, аналитика или разработчика, которому нужно начать работать с моделями, а не защищать диссертацию, это правильный размен.
Вторая заявленная особенность тоже подтверждается программой: практика идёт на новых наборах данных, а не на затёртом «Титанике». Бизнес-кейсы названы конкретно: предсказание стоимости продажи дома, времени доставки еды, спроса на товары в онлайн-коммерции. Финальный проект на выбор из двух готовых постановок, прогноз потребления электроэнергии и кредитный скоринг, либо своя тема, если спикеры подтвердят, что она вытягивается в рамках курса.
Спикеров двое, и оба руководят командами, а не просто читают лекции. Иван Аникин, руководитель в Yandex Edadeal, шесть с лишним лет в машинном обучении, запускал ML-проекты в Яндексе, Сбере, SberDevices, Едадиле и VK Пульс. Владимир Бугаевский, руководитель в Купер, шесть с лишним лет в индустрии, до этого разрабатывал рекомендательную систему VK Пульс, преподаёт машинное обучение и Python в МГУ, ВШЭ, VK Образовании, OzonMasters и AI Masters. Академический и продуктовый опыт тут сходятся, что для вводного курса по ML полезно.
Главное, что нужно понимать до покупки: за 35 000 рублей вы получаете записи, задания и свидетельство, но не человека. Проверка практики стоит 3 000 рублей за задание, проверка финального проекта 10 000 рублей, и без зачтённого проекта номерного сертификата не будет. Живых встреч, ментора и чата со спикерами в этом тарифе нет: они появляются только в корпоративном варианте «для большой команды», цена которого договорная. То есть реальная стоимость курса с обратной связью заметно выше витринной.
Плюсы
- честно очерченный объём математики: разбирают ровно столько, сколько нужно для понимания алгоритмов, и говорят об этом прямо
- практика на свежих наборах данных и бизнес-кейсах: стоимость продажи дома, время доставки еды, спрос в онлайн-коммерции, а не учебный «Титаник»
- финальный проект на выбор из двух реальных постановок, прогноз потребления электроэнергии и кредитный скоринг, либо своя тема с одобрения спикеров
- четыре дополнительных модуля сверх классического ML: глубокое обучение и компьютерное зрение на PyTorch, обработка текстов, рекомендательные системы, проектирование ML-систем
- оба спикера руководят командами в продуктовых компаниях, один из них преподаёт машинное обучение в МГУ, ВШЭ, OzonMasters и AI Masters
- короткие лекции по 25 минут с текстовыми расшифровками и доступ к материалам на два года
Минусы
- обратная связь не входит в цену: проверка практического задания стоит 3 000 рублей, проверка финального проекта 10 000 рублей
- номерной сертификат выдают только за зачтённый финальный проект, а зачесть его может лишь платная проверка, то есть документ обходится дороже витрины
- в базовом тарифе нет ни ментора, ни чата со спикерами, ни живых встреч: они появляются только в корпоративном варианте по договорной цене
- общего объёма курса страница не называет: есть только 132 часа практики, числа академических часов и длительности нет
Кому подходит
Тем, кто уже программирует и хочет войти в работу с данными
Школа называет свою аудиторию так: тем, кто хочет получить профессию специалиста по работе с данными. Требование одно, владение Python или другим высокоуровневым языком, и оно тут не формальность.
Специалистам, которым машинное обучение нужно в текущих задачах
Отдельный портрет на странице: применять науку о данных в текущих рабочих задачах. Бизнес-кейсы курса, спрос, доставка, стоимость, ближе к аналитике в компании, чем к соревнованиям.
Тем, кто работает рядом с командой ML и не понимает её язык
Прямая цитата со страницы: тем, кто работает в команде машинного обучения, но не понимает, на каком языке общаются коллеги. Курс даёт словарь и картину цикла разработки модели.
Кому курс не подойдёт
- тем, кто не пишет код: курс не учит Python, а требует его как входное условие
- тем, кому нужна серьёзная математика: школа прямо предупреждает, что намеренно не углубляется в неё
- тем, кто ждёт помощи с трудоустройством: карьерного сопровождения, резюме и вакансий на странице нет
Чем отличается от других курсов направления
В каталоге эта же программа Слёрма присутствует дважды: вторая карточка называется просто «Data Science» и стоит те же 35 000 рублей, это один и тот же видеокурс. Из внешних соседей ближе всего программы Merion Academy: «Data Science с нуля» за 27 620 рублей и «Курс по нейросетям и машинному обучению для начинающих» за 22 880 рублей, оба на четыре месяца, а также комплекты «Python Advanced и Data Science с нуля» за 35 500 рублей и «Data Science с нуля и Python программист» за 42 760 рублей. Разница принципиальная: комплекты Merion берут человека без Python и ведут его от языка к моделям, а курс Слёрма Python уже требует и тратит время не на синтаксис, а на алгоритмы, метрики и подготовку данных. Отсюда и вывод: если вы не программируете, дешевле и логичнее взять комплект с языком, а если пишете на Python и вам нужно именно машинное обучение, здесь плотнее материал и сильнее спикеры. Учтите только, что обратная связь у Слёрма продаётся отдельно, и при полной проверке практики итоговый чек уходит заметно выше цены соседей.
Обзор курса
Кто стоит за курсом
Иван Аникин отвечал за разработку и запуск проектов машинного обучения в Яндексе, Сбере, SberDevices, Едадиле и системе ВК Пульс, суммарно более шести лет в области. Владимир Бугаевский консультировал стартапы и крупные компании по разработке сервисов на машинном обучении, разрабатывал рекомендательную систему VK Пульс, сейчас руководит командой Поиска. Небольшая шероховатость страницы: в одном месте его текущее место работы названо как Купер, в другом как СберМаркет, то есть старое и новое имя одной компании соседствуют в двух карточках подряд. На содержание это не влияет, но показывает, что страницу давно не вычитывали.
Как устроена нагрузка
Формат асинхронный: старт в любой момент, лекции короткие, средняя длительность 25 минут, доступ к материалам два года. Каждая тема заканчивается блоком «Итоги» и практикой. Школа отдельно объясняет логику коротких лекций с текстовыми расшифровками: чтобы можно было заниматься в транспорте или за завтраком. Сложность нарастает, и первые темы, NumPy, Pandas, разведочный анализ, действительно проще финальных, где идёт оптимизация гиперпараметров и метамодели. Общего числа академических часов страница не называет, единственная цифра это 132 часа практики.
Что входит в стоимость
В базовый тариф входят видеоуроки с доступом на два года, практические задания и свидетельство. Всё остальное продаётся отдельно: проверка одного практического задания 3 000 рублей, проверка финального проекта 10 000 рублей. Для юридических лиц тот же видеокурс стоит 55 000 рублей, а корпоративный вариант «для большой команды» с проверкой домашних заданий, поддержкой менторов и кураторов, чат-группами в Telegram со спикерами и онлайн-встречами идёт по договорной цене. Рассрочка на четыре месяца по 8 750 рублей, только для физических лиц. Есть командные скидки: от трёх человек 7 процентов, от пяти 10 процентов.
Где программа проседает
Первое: обратная связь вынесена за периметр цены, и это меняет экономику курса. Номерной сертификат выдаётся за зачтённый финальный проект, а зачесть его может только эксперт за 10 000 рублей, то есть документ с номером стоит дополнительных денег. Второе: курс называется введением в науку о данных, но всё, что связано с выкаткой моделей в продакшен, здесь только в обзорном модуле «Проектирование систем машинного обучения», а MLOps, мониторинга моделей и работы с потоковыми данными нет. Третье: страница молчит про налоговый вычет и возврат денег, хотя на других курсах школы эти блоки есть. Четвёртое: требование по Python сформулировано мягко, «владение Python или другим высокоуровневым языком», но реально нужен уверенный синтаксис, иначе первая же практика с Pandas встанет.
Кому это не нужно
Тем, кто ищет полноценную профессию с трудоустройством: карьерного центра, помощи с резюме и вакансиями на странице нет вовсе, а обещание звучит осторожно, «сможет претендовать на должность начинающего специалиста». Тем, кто не программирует: курс не учит Python, он на нём говорит. И тем, кому нужна глубокая математика: школа прямо предупреждает, что в неё намеренно не закапывается.
Программа курса
1Введение в машинное обучение, NumPy и Pandas
2Анализ данных
3Постановка задачи ML на примере k ближайших соседей
4Валидация модели и подготовка данных
5Обучение с учителем: регрессия и классификация
6Деревья решений и ансамбли
7Обучение без учителя и оптимизация пайплайна
8Дополнительные модули и итоговый проект
Чему вы научитесь
- переводить бизнес-задачу в задачу машинного обучения и выбирать под неё алгоритм
- готовить данные: обрабатывать пропуски, категориальные и численные признаки, строить схемы валидации
- обучать и оптимизировать модели на Scikit-learn, XGBoost, LightGBM и CatBoost
- оценивать качество моделей метриками регрессии и классификации и выбирать метрику под задачу
- анализировать и визуализировать большие объёмы данных в JupyterLab средствами NumPy, SciPy, Pandas и Matplotlib
- применять kNN, линейную и логистическую регрессию, кластеризацию, деревья решений и бустинг
- собирать полный пайплайн машинного обучения с подбором гиперпараметров и метамоделями
Как проходит обучение
Видеокурс без потока
Старт в любой момент, дедлайнов нет. Средняя длительность лекции 25 минут, у всех уроков есть текстовые расшифровки, доступ к материалам два года.
Практика после каждой темы
Каждая тема заканчивается блоком «Итоги» и практическим заданием. Всего школа обещает 132 часа практики на реальных наборах данных, а не на учебных примерах.
Финальный проект на выбор
Три варианта: модель прогноза потребления электроэнергии, модель оценки кредитоспособности клиента банка или собственная тема, если спикеры подтвердят её выполнимость в рамках курса.
Обратная связь как отдельная услуга
В базовом тарифе проверки нет. Проверка практического задания стоит 3 000 рублей, проверка финального проекта 10 000 рублей. Для получения номерного сертификата достаточно зачтённого проекта.
Часто задаваемые вопросы
Нужно ли знать Python до начала?
Сколько длится обучение?
Какой документ выдают?
Проверяет ли кто-то мои работы?
Сколько стоит и есть ли рассрочка?
Будет ли глубокое обучение и нейросети?
Готовит ли курс к собеседованиям?
Есть ли возврат денег и налоговый вычет?
Отзывы о курсе «Наука о данных: введение в машинное обучение (Data Science)»
Оставить отзыв о курсе
Расскажите, как проходило обучение: что понравилось, что нет, помог ли курс в работе. Публикуем после проверки, рекламные тексты и анонимные жалобы без подробностей не пропускаем.
Это отзывы о других программах школы Слёрм: они говорят о школе в целом, а не об этом курсе.
Все отзывы школы собраны на её странице.
