Отзывы о школе KARPOV.COURSES

1. Контент курса (видео курс) был записан более 3 лет назад. Я понимаю, что разработка курса — дорогое удовольствие, но для такой цены курса его все же нужно актуализировать хотя бы раз в год. И даже тестовые инструкция не актуальные…
2. Программа вроде нормальная, но почти все темы поверхностно затронуты. И наиболее полезные и интересные темы про AirFlow, специфику баз данных едва коснулись.
3. С одной стороны практика есть, но основная практика по DevOps в облаках. Зачем это DE?

Закончил курс «Инженер машинного обучения» он же в прошлом Start ML. Очень долго присматривался к этому курсу и, когда получилось выделить время на обучение, был приятно удивлен насколько курс хороший.
Плюсы: очень много материала, много практики, интересные проекты, да и задания домашние тоже
Минусы: могу отметить только один — какие-то темы показались не до конца раскрытыми. Но это уже субъективный взгляд
Так же хочу отметить, что есть возможность перенести обучение, в случае если не успеваешь или по другим личным причинам. Поскольку обучение очень плотное, мне из-за рабочих моментов и отпуска пару раз пришлось перевестись в другой поток. Но лучше так, чем пытаться нагнать все с таким плотным расписанием.
Курсом супер доволен 10/10

Хороший курс, который дает системный подход к знаниям и практике.
На хорошем уровне дают питон, sql, визуализацию и а/б тесты.
А также, после завершения курса у тебя открываются обновленные блоки с обновленным материалом и заданиями.
После него действительно легко найти работу на начальной должности.

Слабая поддержка со стороны технической поддержки / экспертов.
Большая вероятность, что учащиеся потока не проголосуют и онлайн вебинара (после завершения модуля) с Лектором не будет.
Большинство лекций все-таки устаревшие 2022 года, но есть и обновленные кусочки.

Я работаю руководителем направления анализа данных в банке, проходил курс для повышения своих навыков по части ML.
Понравились все модули, как по наполнению материалом, так и сложности задач.
Кандидата успешно прошедшего этот курс я бы с удовольствием был бы готов принять на работу в качестве аналитика данных.
Из недостатков могу отметить слишком дотошную проверяющую систему, с ней приходилось немного получаться.

Местами материал был для меня слишком новичковым, а местами наоборот. Например, у меня был опыт sсientific programming, в том числе на python, но если бы его не было, сомневаюсь, что введения из первого модуля «Прикладная разработка на Python» мне бы хватило для комфортного прохождения курса. Практика с базами данных так же показалась недостаточно глубокой, однако для прохождения курса этого было достаточно. Темы по разработке, наоборот, мне как не разработчику давались с наибольшим трудом.
Больше всего понравились модули два и три — можно сказать, ради них я и записывалась на курс — получить развернутые теоретические и практические знания в мл. Особенно полезным для интегрирования знаний показался конец второго модуля, где мы обобщали полученные до этого знания по машинному обучению. Третий модуль был скорее обзорным, но подстегнул продолжить углубленное изучение нейронных сетей в будущем.
Из четвертого модуля не выучила много нового, так как статистику знаю и так неплохо, а тестирование гипотез применяла раньше на практике (просто в другой области, а не для закуска продуктов).
Пятый модуль я не допроходила полностью, но задания на алгоритмы были интересными.
К сожалению, я не активно пользовалась поддержкой, так как в силу своих личных качеств нахожу это слишком замороченным. Возможно, если бы я ей все-таки пользовалось, это сэкономило бы мне время возни в чеккером
Из минусов:
-На мой взгляд материалам и заданиям требуется обновление. Возникали проблемы с установлением и совместимостью устаревших библиотек питона. А из-за несоответствия библиотек иногда возникали проблемы со сдачей ответов. Об этом было были предупреждения при описании заданий, но пока до меня это дошло, в чем проблема, часы времени были уже потеряны.
-Не понравилось взаимодействие к чеккером, когда иногда — без обратной связи — совсем не понятно, в чем ошибка.
-Я бы, возможно, пересмотрела критерии прохождения курса и ту часть заданий, которая является обязательной, чтобы можно было бы, например, пропускать те уроки, материал которых тебе уже знаком.
-В текущей конфигурации, я бы не рекомендовала курс занятым, работающим людям, особенно с детьми. Новые уроки появляются три раза в неделю. Это минус три-четыре свободных вечера.
-Ну и последнее и наболевшее (с юмором): произношение английских терминов! К концу курса я уже тоже начала говорить аккьЮраси
Итог:
Можно рекомендовать новичкам, которые хотят изучить основы машинного обучения

Я прошёл этот курс, хотя у меня почти не было знаний в области машинного обучения. Мне очень понравилось, как понятно и доступно были объяснены основы. Однако, чтобы по-настоящему извлечь максимум пользы из курса, желательно иметь базовые знания по математике, так как уровень сложности постепенно возрастает.

Раздел по статистике показался мне самым слабым. На мой взгляд, там почти ничего не объясняется по самой статистике.

Для меня этот курс однозначно стоит своих денег, и я рекомендую его всем, кто не хочет бесконечно искать разрозненную информацию в интернете. Лучше один раз пройти весь курс от начала до конца, даже если местами будет сложно. Лично я планирую пройти курс ещё раз с самого начала, так как доступ остаётся навсегда. После этого хочу набраться больше практического опыта на платформах вроде Kaggle или на хакатонах

Начал обучение на курсе системный аналитик в начале июня этого года, опыт в аналитике есть, но это все самообучение, и есть необходимость структурировать знания и закрыть пробелы. Обучение в рамках курса от KarpovCurses очень понравилось, а именно, качественное объяснение и подача материала, интересные разносторонние задания, которые позволяют хорошо закрепить пройденный материал практикой, полезные ссылки на дополнительные материалы, советы в работе — просто 10/10.
Также хочется отметить поддержку в рамках обучения, которая решает все административные вопросы, вопросы по заданиям и платформе в целом. Впечатление от курса отличное.

Хотелось понять, как работает машинное обучение, и научиться применять его в научных и прикладных задачах — в идеале связать с химическими данными, катализом и молекулярным моделированием. Плюс — сменить вектор карьеры в сторону data science и ML-инжиниринга. Контент курса оказался чрезвычайно насыщенным. Поначалу было трудно — приходилось гуглить каждое второе слово. Но при этом объяснения чёткие, лекции хорошо выстроены, с акцентом на практику, продакшен и реальные кейсы.
Важно понимать, что курс требует много сил — особенно если, как я, вы стартуете с нуля. Я тратил 20−25 часов в неделю, особенно на первых модулях.
Курс 10 из 10. Для меня он стал фундаментом, с которого я реально могу двигаться дальше в ML.

Программа курса была полезнее универской. Все предельно ясно объясняют (иногда даже через чур), по любым вопросам можно обращаться к экспертами, которые быстро и качественно оказывают помощь. Отличная организация учебного процесса, по любым организационным вопросам можно смело обращаться к куратору. Сама программа построена сбалансировано, все можно успеть.

Не нашел

Менторы в видео-лекциях объясняют понятно и доступным языком. Для тех, кто воспринимает информацию визуально, лекции подкреплены текстовыми вариантами. Тесты и практические задания помогают закрепить пройденный материал.

Хотелось бы больше практических заданий

Я начала обучение в январе 2025 года. До этого работала маркетологом.
Курс очень интенсивный, и если раньше не было опыта, то будет непросто, особенно при совмещении с работой. Дедлайны очень жетские, темы объемные, домашки серьезные. Очень много практики, это несомненный плюс. Я тратила в среднем по 6−7 часов в день на учебу.
Тем не менее, все материалы изложены понятно: в лекциях все наглядно, в конспектах можно подробно разобраться в упущенных моментах.
Поддержка на курсе — на высоком уровне. Можно задать любой вопрос и получить оперативную и подробную помощь от экспертов. Это помогает не застревать и двигаться дальше.
Много практики, примеров и четкая структура.
В целом курс оставил очень хорошее впечатление, появилось чувство уверенности, понимание, куда двигаться дальше, и мотивация довести начатое до конца. Спасибо команде Karpov. Courses

Перед началом курса Start ML были сомнения — получится ли совмещать обучение с работой. Работаю аналитиком данных, и график часто бывает насыщенным. Но в итоге удалось встроить учёбу в свой ритм, хоть временами и было тяжеловато. Главное — оказалось реально, даже с полной занятостью.
До курса у меня уже был опыт в аналитике, но машинное обучение оставалось «чёрным ящиком». Хотелось разобраться в основах, структурировать знания и научиться строить рабочие ML-модели. Эта цель была полностью достигнута.
Особенно хочу выделить первые два модуля: модуль по Python помог подтянуть базовые вещи и заложил фундамент, а блок по машинному обучению оказался максимально полезным и прикладным. Огромное спасибо Никите Табакаеву — его лекции были отлично структурированы, объяснения — чёткие и понятные, а примеры — приближены к реальным задачам. Благодаря этому блоку стало понятно, как работает машинное обучение и как применять его в аналитике.
Контент курса в целом понравился, но хотелось бы более понятных и последовательных объяснений в модулях по статистике и глубинному обучению — там временами не хватало простоты подачи и пошаговых разборов. Эти темы важны, и чуть больше ясности в объяснении точно пошло бы на пользу.
Ожидания от курса оправдались на 9 из 10. Формат удобный, задания практичные, поддержка была своевременной. Иногда хотелось чуть больше обратной связи по проектам, но в целом всё на хорошем уровне.
Курс стал отличной отправной точкой, если вы — аналитик и хотите сделать уверенный шаг в сторону машинного обучения.

Прошла обучение на курсах Карпова в 2025 году. Осталась довольна в целом, однако некоторые моменты вызвали восторг, а другие — желание доработки.
Что понравилось:
-Видеолекции- качественные записи с четкой подачей материала.
-Разбор заданий- детальные объяснения помогали лучше усваивать темы.
-Готовые конспекты- удобно повторять ключевые моменты.
-ИИ-помощник- полезный инструмент для быстрых ответов на вопросы.
-Работа в Jupyter Notebook- практика в удобной среде с реальными примерами.
Что можно улучшить:
-Конспекты- хотелось бы более развернутых материалов, а не только тезисов.
-Обратная связь- автоматическая проверка не заменяет экспертного мнения преподавателя.
-Поддержка- не все кураторы отвечали качественно, иногда чувствовалась формальность.
-Технические сбои- встречались, но это, увы, неизбежность онлайн-обучения.
Итог: Курсы стоящие, но есть куда расти. Рекомендую с учетом небольших оговорок.

В целом курс мне понравился. Начинается с небольшого разбора программирования на питон и знакомства с языком SQL. Заданий очень много и они довольно интересные. Однако, до этого курса я бы посоветовал пройти какой-нибудь небольшой курс по питону, иначе будет трудно. Вторая часть — классическое машинное обучение, много информации, куча заданий, датасетов, мне очень понравилась. По окончанию второй части нужно было сдать вторую часть финального проекта, это было довольно сложно) Ушло кучу времени, чтобы во всем разобраться, но было интересно. Третья часть курса посвящена нейронным сетям, очень интересный кусок и… поверхностный (Хотелось бы поглубже погрузиться в эту тему. Четвертая часть курса посвящена статистике и а/б тестам, довольно объемная и хорошо структурированная. В общем, вполне рекомендую этот курс.

Прошел курс и старался сдавать все вовремя, материал и работа платформы были хорошо организованы без каких-либо серьезных замечаний. Знания помогают решать задачи, которые казались сперва непонятными, а порой пугающими. Считаю отличный старт для начинающих с нуля. Но лично мне показалось лишним для себя проходить пару модулей, когда есть опыт, а именно программирование и гит. Но в целом я остался доволен. Считаю отличный старт для погружения в среду AI и ML.

Всем привет
Прошел курс StartML (Deep Learning Engineer). Впечатления только положительные.
1. Материал: Все понятно, есть хинты и подсказки, особенно порадовало что есть конспект к каждой лекции который помогает пройти практику
2. Платформа: Все ок, были иногда правда баги самой платформы или ее отвал, но за все время раза 2−3 и быстро достаточно эти проблемы решали. Единственное что еще не хватает — более подробного дебага, порой ответ LMS что ответ не правильный заставляет проходиться по всему коду, а не в конкретную точку смотреть
3. Эксперты: Быстро отвечают, помогают решать кейсы и направляют в нужную сторону, тут все гуд

Я впервые училась на онлайн-курсах. Имея высшее образование по направлению «Статистика», я могу отметить, что на данном курсе за полгода вы узнаете не меньше, чем за 2 года в универе. Лекции ведут замечательные спикеры, слушать которых — одно удовольствие! На каждом уроке была не просто «сырая» теория, но и масса практических примеров. Проекты, предлагаемые на курсе, вполне соответствуют тому, что ждет вас на реальной работе. В рамках курса также представлено огромное количество дополнительных материалов для особо заинтересованных студентов. Кроме того, студентам предоставляется доступ к карьерному чату, в котором единомышленники делятся опытом трудоустройства, а специалисты помогают подготовиться к собеседованию и проводят «прожарку» резюме. При возникновении трудностей всегда можно связаться с поддержкой. Эта опция почти ни разу не пригодилась за все время обучения, так как материалов уроков было вполне достаточно для выполнения заданий. Однозначно порекомендовала бы курс тем, кто только начинает свой путь в анализе данных.

Курс Start ML от Karpov Courses приятно удивил своей продуманной структурой — всё подаётся по шагам, без лишней воды, что особенно ценно, если ты уже с опытом в аналитике.
Поддержка на высоком уровне: наставники быстро отвечают и помогают разобраться с любыми вопросами.
Учебные материалы качественные и актуальные, с примерами из реальных кейсов и подробными пояснениями.
Особенно ценю хорошо продуманные домашние задания и проекты — они помогают сразу применять теорию на практике.
Отдельный плюс — доступ к дополнительным материалам и инструментам, которые пригодятся и в работе.

Учебный процесс выстроен чётко и логично: лекции подаются как цельный, связный рассказ, поэтому материал хорошо запоминается. Задания разбиты на небольшие и практичные шаги, что помогает не перегружаться и постепенно закреплять знания. К каждой лекции прилагается удобный, структурированный конспект. Поддержка работает быстро — в чате всегда можно получить понятный ответ без долгого ожидания. Отдельное спасибо преподавателям: объясняют спокойно, последовательно, слушать приятно. Финальный проект отлично дополняет курс — он сложный ровно настолько, чтобы углубиться в тему, но при этом в нём достаточно знаний, полученных в лекциях. В целом, курс охватывает все базовые компетенции: Python, статистику, A/B-тесты, машинное и глубокое обучение. Порадовало и наличие дополнительных материалов для тех, кто хочет погрузиться глубже

Karpov Courses мне посоветовал друг, который работает в data science. До этого я проходил обучение на фронтэнд-разработчика в другом месте, но в процессе мне разонравилось. Долго думал, чем же заняться дальше, потом узнал о таком направлении как инженерия данных, и меня это сразу заинтересовало. Забегая вперёд скажу, что это первый курс, который я прошёл до конца. Из-за хорошей подачи информации, из-за приятных лекторов, из-за ощущения, что они учат полезным актуальным навыкам, из-за удобной платформы. Ну и, конечно, из-за того, что чем дальше я учился, тем больше мне нравилось это направление. Впечатления от учёбы положительные. Буду ли обучаться здесь ещё? Очень вероятно, ведь здесь есть ещё много смежных направлений — например, продвинутый курс для дата-инженеров, которые уже работают и хотят прокачаться.