"Kuinka verkostoitua aloittelevien analyytikoiden kanssa" tai katsaus verkkokurssiin "Start in Data Science"

En ole kirjoittanut mitään "tuhanteen vuoteen", mutta yhtäkkiä oli syytä puhaltaa pöly pois minijulkaisujen sarjasta "Datatieteen oppiminen tyhjästä". Asiayhteyteen kohdistetussa mainonnassa yhdessä sosiaalisista verkostoista sekä suosikkini Habressani löysin tietoa kurssista "Aloita tietotieteessä". Se maksoi vain penniä, kurssin kuvaus oli värikäs ja lupaava. "Miksi ei palauttaisi hyödyttömyydestä pölyntyneet taidot suorittamalla uusi kurssi?" - Ajattelin. Myös uteliaisuus vaikutti asiaan, olin pitkään halunnut nähdä, miten tämän toimiston koulutusjärjestelyt toimivat.

Varoitan heti, etten ole millään tavalla sidoksissa kurssien kehittäjiin tai heidän kilpailijoihinsa. Kaikki artikkelin materiaali on subjektiivista arvoarviotani, jossa on hieman ironiaa.
Et siis vieläkään tiedä minne sijoittaa kovalla työllä ansaitsemasi 990 ruplaa? Sitten olet tervetullut kissan alle.

"Kuinka verkostoitua aloittelevien analyytikoiden kanssa" tai katsaus verkkokurssiin "Start in Data Science"

Pienen esipuheena sanon, että suhtaudun hieman skeptisesti lupaaviin kursseihin, jotka voivat tehdä aloittelijasta "menestyneen data-analyytikon, jonka palkka on yli 100 000 ruplaa" lyhyessä ajassa (vaikka arvasitkin tämän otsikkokuvasta artikkeli).

Useita vuosia sitten Data Science -koulutuksen aktiivisen mainonnan jälkeen yritin eri tavoilla hallita ainakin jotain datatieteen alalta ja jakoin muistiinpanoja saamistani kohuista Habr-lukijoiden kanssa.

Muut artikkelit sarjassa1. Opi perusasiat:

2. Harjoittele ensimmäisiä taitojasi

Ja pitkän ajan jälkeen päätin kokeilla toista kurssia.

Kurssikuvaus:

Kurssin "Start in Data Science" kuvaus lupaa, että kulutettuaan vain 990 ruplaa (kirjoitettaessa) saamme neljän viikon kurssin videoluentojen ja käytännön tehtävien muodossa aloittelijoille. Älä myöskään unohda korvausta osan kurssikustannuksista verovähennyksen muodossa (He lupaavat lähettää kaikki asiakirjat postitse).

Kurssilla on kaksi ehdollista lohkoa, joista toinen kertoo mitä "Data Science" on, mitä suosittuja alueita siellä on ja miten voit kehittää uraa DataSciencen alalla. Toisessa lohkossa tarkastellaan viittä työkalua tietojen analysointiin: Excel, SQL, Python, Power BI ja Data Culture.

No, mikä kuulostaa "herkulliselta", maksamme kurssin ja odotamme aloituspäivää.

Todennäköisesti kirjaudumme sisään henkilökohtaiselle tilillemme päivää ennen kurssin alkua, selaamme kehittäjien erolauseita ja odotamme ilmoitusta kauan odotetusta kurssin alkamisesta.

Aika on vierähtänyt, D-päivä on saapunut ja voit aloittaa harjoittelun. Ensimmäisen oppitunnin avattuamme näemme verkko-oppimisjärjestelmille tutun kaavan - videoluennon, lisämateriaalit, testit ja kotitehtävät. Jos olet koskaan käyttänyt Courseraa, EDX:ää, Stepikkiä, sinulla ei pitäisi olla ongelmia.

Kurssin sisällä:

Mennään järjestyksessä. Ensimmäisen oppitunnin aihe on "DS Overview: Basics, Benefits, Applications", se alkaa videoluennolla, kuten kaikki myöhemmät oppitunnit.

Ja alusta asti tuntuu, että lähestymistapa ohjasi tovereita "Niin se käy" Neuvostoliiton suosikkisarjakuvastani.

Heti ensimmäisestä minuutista lähtien ymmärrät, että kurssin materiaalia ei ole erityisesti tallennettu, vaan se on otettu joiltakin muilta avoimista tunneista tai erikoiskursseista. Myös videoon ei tekstitystä tai latausvaihtoehtoa offline-katselua varten.

Luennon jälkeen tarjotaan lisämateriaaleja oppitunnille (esitys videoluennosta ja suositeltava kirjallisuus), emme analysoi niitä.

Sitten meitä odottaa testi. Testit vaihtelevat monimutkaisuuden ja kysymysten sopivuuden suhteen käsiteltyyn materiaaliin.

Ja tässä taas ilmenee kiinnostuksen puute koulutuksen tulosta kohtaan, Voit hylätä testin, mutta se ei vaikuta mihinkään, suoritat oppitunnin silti onnistuneesti läpi, mutta pyyntö lisäyrityksen uusimisesta jää todennäköisesti vastaamatta.

Myöhemmin tuntisuunnitelma: "video -> lisää. materiaalit -> koe” on koko kurssin perusta.

Joskus oppitunti laimennetaan kyselylomakkeilla ja itsenäisillä kotitehtävillä.

Kotitehtäviä on vain kaksi. Ja rehellisesti sanottuna ohitin vain yhden.

Ensimmäinen kotitehtäväsi on lähettää ansioluettelosi, jossa kerrot keskeiset taitosi. En osaa sanoa 100%, mutta minusta näyttää siltä, ​​että melkein mikä tahansa ansioluettelo hyväksytään ja toimeksianto hyväksytään. Tehtävän suorittamisen jälkeen sinulle lähetetään lisämateriaalia – suosituksia. Muistaessani, kuinka kamppailin Courseran läksyjen kanssa, olin jopa hieman järkyttynyt sen yksinkertaisuudesta.

Alkuosan suorittamisen jälkeen alkaa kauan odotetun ”Työkalujen tietojenkäsittelyn aloittamiseen” tutkiminen. Ja ensimmäinen on oppitunti, jonka otsikko on äänekäs: "Työskentely Excelissä: taitojen päivittäminen nollasta analyytikkoksi."

Vau! Se kuulostaa houkuttelevalta, mutta todellisuudessa ero odotusten ja todellisuuden välillä on sama kuin pikaruokamainoksen hampurilaisen valokuvan ja sen kassalla antaman kuvan välillä.

Itse asiassa havaitsemme, kuinka siirtyessään Excelin solujen automaattisesta täytöstä hämmentävään "VLOOKUP()"-funktion kuvaukseen opettaja epäröi Hamletin tavoin kysymyksen "Olla vai ei olla", " Selitä kaikki aloittelijoille" tai "Anna mielenkiintoista materiaalia ammattilaisille." Subjektiivisen mielipiteeni mukaan kumpikaan ei toiminut.

On erityisen hienoa, että huolimatta siitä, että kurssi ei sisällä live-webinaaria. Eli nämä eivät ole tallenteita tunneista, joita et ole jättänyt, vaan yksinkertaisesti tallenteita tunneista, jotka tapahtuivat kauan sitten (katso kuva alla), kirjoittajat päättivät silti säilyttää tunnelman (tai ehkä he olivat vain laiskoja) и saa sinut katsomaan viisi minuuttia, kun opettaja ratkaisee ääniongelmia.

"Kuinka verkostoitua aloittelevien analyytikoiden kanssa" tai katsaus verkkokurssiin "Start in Data Science"

Videon jälkeen seuraa vakiokaavion mukaisesti lisämateriaalia ja testi.

Seuraava aihe koskee SQL-kieltä. Oppitunnilla on SQL-kyselyiden kanssa työskentelyn perusteet ja esimerkkejä, periaatteessa löytyy videoita ja artikkeleita samanlaisesta aiheesta helppo löytää Internetistä ilmaiseksi.

SQL:n jälkeen on oppitunti Kaglesta peräisin olevan tietojoukon käsittelystä Python-kirjaston "Pandas" avulla. Tuntisuunnitelma ei ole muuttunut: video -> lisä. materiaalit -> testi. Lisätehtäviä ei tarjota, ei edes automaattista tulosten tarkistusta. Siten sinun ei todellakaan tarvitse asentaa Anacondaa ja kirjoittaa koodia. Myös Videoluennolla on hyvä huomioida koodin pieni teksti, sen katsominen puhelimella on turhaa, ja minun piti katsoa sitä melkein tyhjältä näytöltä.

Oppitunti neljä: "Logistiikkaraportin visualisointi PBI:ssä 10 minuutissa" (видео кстати длится минут 50) . Tässä videossa he puhuvat mielenkiintoisesta työkalusta nimeltä Power BI; rehellisesti sanottuna en ole koskaan kuullut siitä aiemmin.

Kurssin odottamaton loppu:

Viimeisellä viidennellä oppitunnilla kerrotaan oikean tiedon tallennuksen yleisistä periaatteista, luento on jälleen otettu toiselta kurssilta. Tällä oppitunnilla tavallisen testin lisäksi kotitehtävät ilmestyvät jälleen, mutta en tehnyt sitä. Haluatko tietää miksi?

Koska kun tänään avasin kurssin sivun, joka oli vasta puoliksi valmis, näin tämän:

"Kuinka verkostoitua aloittelevien analyytikoiden kanssa" tai katsaus verkkokurssiin "Start in Data Science"

Se on järjestelmä katsoi, että olin suorittanut kurssin onnistuneesti, vaikka en itse asiassa suorittanut sitä.

Lisäksi kaikkien jäljellä olevien videoiden katselun ja testien suorittamisen jälkeen laskuri ei muuttunut, vaan pysyi 56 prosentissa. Oletan että En voinut katsoa mitään enkä tehdä testejä ja silti sain "diplomin".

Erityisen yllättävää on, että kurssi kesti virallisesti 22.-14., ja "Diplomi" myönnettiin minulle jo 04.08.2019.

Koulutuksen tulos

Koulutuksen päätyttyä yrityksen verkkosivusto lupaa meille: "Pätevöitymisesi vahvistetaan vakiintuneen muodon asiakirjoilla." Mutta ongelmana on, että tämä kurssi ei näytä olevan uudelleenkoulutusohjelma eikä jatkokoulutusohjelma, mikä tarkoittaa, että saat "todistus", jolla ei periaatteessa ole virallista asemaa.

Luultavasti järkevä kysymys olisi: "Mitä odotit 990 ruplasta?" Rehellisesti sanottuna en odottanut mitään. On selvää, että laadukkaat kurssit ovat huomattavasti kalliimpia. Mutta ongelma on se, että on olemassa ilmaisia ​​kursseja, joista ei ole tehty vain huonompia, vaan monta kertaa ammattimaisempaa, esimerkiksi kursseja MVA tai alkaen Kognitiivinen luokka. Sama "todistus" kurssin suorittamisesta (jos joku sitä tarvitsee). saat sen täysin ilmaiseksi.

Yksi eduista on, että nämä arvostelumateriaalit on koottu yhteen paikkaan ja tietotieteeseen täysin tuntemattoman henkilön on todella helpompi navigoida tällä alueella.

Kurssin lopussa meille luvataan, että opimme joukon työkaluja, ja ansioluetteloomme voimme kirjoittaa jotain tällaista:

"Kuinka verkostoitua aloittelevien analyytikoiden kanssa" tai katsaus verkkokurssiin "Start in Data Science"

Itse asiassa tämä on erittäin vahvaa liioittelua. Pohjimmiltaan kuulet vain monista soittimista etkä mitään muuta.

Yhteenveto

Kurssilla on mielestäni minimaalinen hyötykuorma, erityisen pettymys on se, että kirjoittajat olivat liian laiskoja tallentamaan sille erillisiä videoluentoja. Hyvällä tavalla on sääli pyytää rahaa tällaisesta, tai sinun pitäisi pyytää 10 kertaa vähemmän.

Mutta toistan vielä kerran, että kaikki yllä oleva on vain minun subjektiivinen arvoarvioni; sinun on päätettävä, osallistutko tälle kurssille vai et.

PS Ehkä ajan myötä kurssin kirjoittajat viimeistelevät sen ja koko artikkeli menettää merkityksensä.
Varmuuden vuoksi kirjoitan, että se on voimassa tämän kurssin ensimmäiseen julkaisuun 22.-14.

PPS Jos postaus osoittautui niin epäonnistuneeksi, poistan sen, mutta aluksi haluaisin lukea kritiikin, ehkä jotain tarvitsee vain muokata. Muuten näyttää toistaiseksi siltä, ​​että miinus epämukava kritiikki huonolaatuisesta kurssista

Lähde: will.com

Lisää kommentti