Записался на обучение по Data Science.

dan◦fox, выбирал между:

— Школа анализа данных от Яндекса.

— Курс от Нетологии.

— Курс от SkillFactory.

— Курс от GeekUniversity.

Если интересно, на каком остановился — спросите в личку. А то напишешь — как обычно начнется: не то ты выбрал, надо было вот это))).

K., критерии:

— уровень скиллов на входе — по этому критерию сразу отвалился Яндекс, потому что там уже на входе нужно очень хороший уровень показать. И ещё один отвалился.

— а дальше — ну программа, преподы, формат, цена, рассрочка по цене, общие неформализуемые впечатления.

Ну ладно, короче выбрал GeekUniversity от Мэйл.ру.

K., Ну и изначально выбирал хорошее — чтоб уже была серьезная фирма и курс масштабный, чтоб было все — хорошая математика, хороший дата-саенс и прочий машин-ленинг, много практики. Формат чтоб был эффективный — тут тебе и менторы и обратная связь и проекты практические на реальных кейсах и данных. Да и трудоустройство просто так на пустом месте не гарантируют.

Георгий Беседин, С удовольствием). Какого рода успехи интересуют?)

На курсе по знакомству с библиотеками по машинному обучению по качеству предсказания обученной модели занял первое место среди студентов моей группы) — но вряд ли вы про такие успехи). Вообще непосредственно про машинное обучение было ещё не так много предметов, как ни странно. Щас математики много всякой. Были инфраструктурные предметы. Очень неплохо прокачался по многим вопросам. Есть один момент, в связи с текущими событиям на рынке акцент сместил в сторону рынков, поэтому по паре предметов отстал от реального времени — надо нагонять, ну и в мотивации как-то просел — и из-за обилия математик, которые не совсем мое, как оказалось и из-за рынка. Думаю, когда пойдут более релевантные предметы, в смысле более специализированные, былой огонь в глазах вернется.

А так, рекомендую учиться, для меня это стало открытием, реально загорелись глаза, новые горизонты, где-то сразу видишь перспективы и интерес, а где-то не так явно, но потом когда сталкиваешься понимаешь, что нужные вещи. 

В общем намного свободней себя чувствую по многим вопросам, если чисто по технике — запилить какое-нить приложение, в т.ч. с использованием базы данных или с API синтегрироваться — не пугает. Запилить бэктестер на pandas — если не сильно замороченный — без проблем. Покрутить данные с графиками, табличками и т.д., не в Экселе, а с использованием более мощного инструментария — уже могу. Несложные модели без какого-то пока глубокого понимания нюансов — могу.

Если что, если вдруг вопрос в этом, грааль пока не найден в этом направлении, но я и не ищу).

Ответил?) Или про другое спрашивали?)

aks19, Как вас много в такую старую тему забрело?)

1. И не пытался, онлайн платное обучение.

2. Не было вступительных. Были подготовительные курсы чтобы дорасти до требуемого начального уровня.

3. -.

4. Линейная алгебра, мат. анализ, тервер, матстат, что-то еще по чуть-чуть.

5. На д.з. обычно прилично, часами сидишь. Но некоторые предметы полегче.

6. У нас там все далеко не студенты по возрасту, но и в то же время не настолько далеко, чтоб если бы не этот момент, это вызывало бы какие-то сложности непреодолимые.

7. Нашлось, конечно).

aks19, Поменьше, не замерял никогда, но раза в два меньше или даже ещё в больше раз меньше). ШАД суровая штука). 

Ну и тут как, материала и возможностей дают придостаточно, а дальше сам. Можно просто прослушать материал и как-то попытаться выполнить домашку, в частности что-то можно загуглить. Это одно время, можно прослушать, потом перематывать непонятные моменты и ещё раз слушать. Методичка — можно читать, можно не читать. Доп. материалы и ссылки — можно читать и это прилично доп. времени, можно не читать. Домашку — там есть обязательные, есть необязатальные, опять же вариативность. У меня наверно часов 10+ щас уходит. Раньше больше уходило. Но найти куда потратить 30 часов тоже не проблема, если есть возможность/желание).

Cristopher Robin, Если бы у меня не было внутреннего стержня и внутреннего компаса — наверно бы даже расстроился от вашего сообщения)).

Во-первых, тут с условного нуля стартуют.

Во-вторых, я не рвусь в олимпийские чемпионы)).

В-третьих, видел много людей, с отличным бэкграундом, но скучно его использующих — никакого креатива, никакой смелости, никакой экспрессии, не производят новые знания, в то время как я могу и без мат. подготовки феерить)). А уж с ещё одним инструментом (вернее, букетом инструментов) будет ещё интересней.

ПBМ, >>«Удачи, держи в курсе.»

спасибо!)

Все, конечно, не просто. Это точно не магическая пилюля. Просто ещё один инструмент, но с большим потенциалом. И, думаю, его надо применять не в лоб — не тупо прогнозировать временной ряд на основе исторических данных, а что-то поинтересней, есть уже несколько задумок).

WRK, А вы где учитесь?

В моем курсе обещают, что в самом курсе дают то что нужно для непосредственно ML и прочего DS. Программу читал — там есть и про матрицы и прочее — несколько разделов математики будем затрагивать. Ну и надо думать, что сначала математику затрагивать, а потом темы где она уже должна быть у тебя затронута)).

Про «НАМНОГО сложнее» — я догадываюсь)), хотя гоню эту мысль)), вернее игнорировал её когда принимал решение, а дальше в омут с головой)).

И как у вас с математикой проходит? -  Или у вас на входе был неплохой уровень? Как вообще в целом продвигается? — уже что-то можете практическое? — Энтузиазм сохраняется?

WRK, >>«к чему будет приводить изменение степени полинома, или же настройка альфы при регуляризации,  а ведь в тех же регуляризациях по логистической  — параметры инверсированные альфе».

Может, я зря вообще все это затеял)))))

У меня в ВУЗе высшая математика прошла скорее мимо меня, а вот тер. вер. нравился, поэтому все получалось. Но если сейчас сделать срез, то я не отличу логарифм от производной, а первообразной от синуса)). Но обещают все прокачать, но конечно понимаю, что многое надо будет вытягивать и самому.

Так как в целом — уже что-то можете практическое делать?

Я правильно понимаю, что знать математику надо не для того чтобы реализовать ML (потому что с современными библиотеками это можно делать и без этого), а для того чтобы с пониманием играться настройками?

Манул Кот, Вы про яндексовскую Школу анализа даных или про любое обучение по этой теме?)

Для высокотехнологичных компаний это один из каналов пополнения своих кадровых потребностей. Ну + это просто бизнес для них. Они получают деньги, люди востребованные знания.

В тех курсах, которые выбрал я, почитал подробную программу — разнообразие тем богатое, затрагиваются разные пласты и уровни, мне все понравилось на входе. Будем работать).

По поводу описанной вами кафедры — ну это область стремительная, если начать с хорошей базы и активно двигаться, то база конечно же большое преимущество, а если не двигаться, то быстро отстанешь от острия прогресса.

Манул Кот, Я не к Яндексу иду), у них на входе нужна хорошая математика, у меня нет. Мож потом и к ним запишусь когда уже подниму уровень.

Понятно, что книг и прочего открытого материала много, но для прокрастинатора это равнозначно, что ничего нет).

Манул Кот, >>«Просто я проскочил этот момент и сразу бросился мочить skillfactory.»

))

По поводу платного образования — поговаривают, что когда оно платное ученики ответственней подходят к делу — хотя может, эту легенду придумали околорыночники в ответ на традиционный вопрос: если ты такой хороший трейдер зачем деньги тебе с обучаемых).

По поводу альфы — пока не могу прокомментировать, в лоб, думаю, толку от ML сложно добиться, а вот как-нибудь если по-хитрому прикрутить, то, наверное, толк может быть. Там помимо самого ML много всяких полезных скиллов и навыков обещаются).

Jkrsss, Ну, я никогда не был гуманитарием), по образованию экономист — это где-то на границе). А давно работаю в аналитике, в IT, в финансах — это не сильно гуманитарно, так что с образом мышления все хорошо, IT бэкграунд неплохой имеется.

По поводу зачет-экзамен — по мне так это вообще противоестественное, когда у тебя мотивация сдать экзамен, а не получить знания и навыки, у меня как раз сейчас сильная мотивация получить знания.

А про 30, 40, 50 — это скорее про отговорки для того чтобы не выходить из зоны комфорта.