Non escribín nada desde hai "mil anos", pero de súpeto houbo un motivo para quitar o po dun miniciclo de publicacións sobre "aprender Data Science desde cero". Na publicidade contextual nunha das redes sociais, así como no meu Habré favorito, atopeime con información sobre o curso . Custaba uns céntimos, a descrición do curso era colorida e prometedora. "Por que non restaurar as habilidades que se volveron poeirentas pola inutilidade facendo outro curso?" - Pensei. A curiosidade tamén xogou un papel, levaba tempo querendo ver como funciona a organización da formación nesta oficina.
Permíteme avisarte de inmediato de que non estou afiliado de ningún xeito aos desenvolvedores do curso ou aos seus competidores. Todo o material do artigo é o meu xuízo de valor subxectivo cun leve toque de ironía.
Entón, aínda non sabes onde investir os teus 990 rublos tan gañados? Entón é benvido baixo gato.
Como pequeno prefacio, direi que son un pouco escéptico sobre os cursos prometedores que poden converter a un principiante nun "analista de datos exitoso cun salario de máis de 100 rublos" en pouco tempo (aínda que probablemente adiviñaches isto pola imaxe do título de o artigo).
Hai varios anos, a raíz da publicidade activa para a formación en Data Science, tentei de diferentes xeitos dominar polo menos algo no campo da ciencia de datos e compartín notas sobre os problemas que obtiven cos lectores de Habr.
Outros artigos da serie1. Aprende o básico:
2. Practica as túas primeiras habilidades
E despois de moito tempo, decidín probar outro curso.
Descrición do curso:
A descrición do curso "Comezar en ciencia de datos" promete que despois de gastar só 990 rublos (no momento de escribir) recibiremos un curso de catro semanas en formato de videoconferencias e tarefas prácticas para principiantes. Ademais, non esquezamos a compensación por parte do custo do curso en forma de dedución fiscal (prometen enviar todos os documentos por correo).
O curso ten dous bloques condicionais, un dirá que é "Data Science", que áreas populares hai e como podes desenvolver unha carreira no campo da DataScience. O segundo bloque analiza cinco ferramentas para a análise de datos: Excel, SQL, Python, Power BI e Data Culture.
Ben, o que soa "delicioso", pagamos o curso e esperamos a data de inicio.
De xeito anticipado, iniciamos sesión na nosa conta persoal o día antes do comezo do curso, percorremos as palabras de despedida dos desenvolvedores e esperamos a notificación do tan esperado inicio do curso.
O tempo pasou voando, chegou o día D e podes comezar a adestrar. Despois de abrir a primeira lección, veremos un esquema familiar dos sistemas de aprendizaxe en liña: unha conferencia en vídeo, materiais adicionais, probas e deberes. Se xa usaches Coursera, EDX, Stepik, non deberías ter ningún problema.
Dentro do curso:
Imos en orde. O tema da primeira lección é "Descrición xeral de DS: conceptos básicos, beneficios, aplicacións", comeza cunha conferencia en vídeo, como todas as leccións posteriores.
E desde o primeiro momento séntese que os compañeiros foron guiados polo enfoque "Así vai facer" do meu debuxo animado soviético favorito.
Dende o primeiro minuto entendes que o material do curso non foi especialmente gravado, senón que foi tomado doutras leccións abertas ou cursos especializados. Tamén ao vídeo sen subtítulos nin opción de descarga para visualización sen conexión.
Despois da charla, ofrécense materiais adicionais para a lección (presentación da conferencia en vídeo e literatura recomendada), non os analizaremos.
Entón agárdanos unha proba. As probas varían no grao de complexidade e adecuación das preguntas ao material tratado.
E aquí de novo ponse de manifesto o desinterese polo resultado da formación, Podes fallar a proba, pero non afectará a nada, seguirás aprobando a lección con éxito, pero a solicitude dun intento adicional de retomar probablemente permanecerá sen resposta.
Posteriormente, o plan da lección: “vídeo -> adicional. materiais -> proba” será a base de todo o curso.
Ás veces, a lección estará diluída con cuestionarios e tarefas independentes.
Só hai dúas tarefas para a casa. E para ser sincero, só aprobei un.
A túa primeira tarefa é enviar o teu currículo explicando as túas habilidades clave. Non podo dicir o 100%, pero paréceme que se aceptará case calquera currículo e aceptarase o traballo. Despois da tarefa, enviaráselles materiais adicionais: recomendacións. Recordando como me custaba cos deberes en Coursera, ata estaba un pouco molesto polo sinxelo que era.
Rematada a parte introdutoria, comeza o estudo das ansiadas “Ferramentas para iniciarse en Data Science”. E a primeira é unha lección cun título sonoro: "Traballar en Excel: actualizar as habilidades de cero a analista".
Vaia! Parece tentador, pero en realidade a diferenza entre expectativa e realidade é a mesma que entre unha foto dunha hamburguesa dun anuncio de comida rápida e o que che dan na caixa.
De feito, observaremos como, pasando do enchemento automático de celas en Excel a unha descrición confusa da función "BUSCARV()", o profesor dubidará como Hamlet sobre o tema da pregunta "Ser ou non ser", " Explica todo para principiantes" ou "Dá material interesante para profesionais". Na miña opinión subxectiva, nin un nin outro funcionaron.
É especialmente xenial que a pesar de que o curso non inclúe un seminario web en directo. É dicir, non se trata de gravacións de clases que perdeches, senón simplemente de gravacións de clases que tiveron lugar hai moito tempo (ver imaxe abaixo), os autores aínda decidiron preservar o ambiente (ou quizais só eran preguiceiros) и facerche ver durante cinco minutos mentres o profesor resolve problemas de son.
Despois do vídeo, segundo o esquema estándar, segue material adicional e unha proba.
O seguinte tema é sobre a linguaxe SQL. A lección ofrece os conceptos básicos e exemplos de traballar con consultas SQL; en principio pódense atopar vídeos e artigos sobre un tema similar. fácil de atopar en Internet de balde.
Despois de SQL hai unha lección sobre o procesamento dun conxunto de datos de Kagle usando a biblioteca de Python "Pandas". O plan da lección non cambiou: vídeo -> adicional. materiais -> proba. Non se proporcionan tarefas adicionais, nin sequera unha tarefa con comprobación automática dos resultados. Así, definitivamente non terás que instalar Anaconda e escribir código. Tamén Paga a pena notar a letra pequena do código na conferencia de vídeo, velo por teléfono non ten sentido, e tiven que miralo case a quemarropa no monitor.
Lección catro: "Visualización dun informe loxístico en PBI en 10 minutos" (видео кстати длится минут 50) . Neste vídeo falarán dunha ferramenta interesante chamada Power BI; para ser sincero, nunca oín falar dela.
Fin de curso inesperado:
A quinta lección final falarache sobre os principios xerais do almacenamento axeitado de datos; a charla volve ser tomada doutro curso. Nesta lección, ademais da proba estándar, aparecen de novo os deberes, pero non o fixen. Queres saber por que?
Porque cando abrín hoxe a páxina do curso, que só estaba a metade, vin isto:
É dicir o sistema consideraba que rematara con éxito o curso, aínda que de feito non o rematei.
Ademais, despois de ver todos os vídeos restantes e realizar probas, o contador non cambiou, pero mantívose no 56%. Supoño que iso Non puiden ver nada e non facer probas e aínda conseguir un "Diploma".
O que sorprende especialmente é que o curso durou oficialmente do 22 de xullo ao 14 de agosto e o "Diploma" foime expedido xa o 04.08.2019 de agosto de XNUMX.
Resultado da formación
Ao rematar a formación, o sitio web da empresa prométenos: "As túas cualificacións confirmaranse mediante documentos do formulario establecido". Pero o problema é que este curso non parece ser nin un programa de reciclaxe nin un programa de formación avanzada, o que significa que simplemente obterás “certificado”, que en principio non ten carácter oficial.
Probablemente unha pregunta razoable sería: "Que esperabas por 990 rublos?" Para ser sincero, non esperaba nada. Está claro que os cursos de alta calidade son significativamente máis caros. Pero o problema é que hai cursos gratuítos que se fan non só non peor, senón moitas veces máis profesionalmente, por exemplo, cursos de ou dende . O mesmo “certificado” de realización do curso (se alguén o precisa), alí podes obtelo completamente gratis.
Unha das vantaxes é que estes materiais de revisión recóllense nun só lugar e será realmente máis fácil para unha persoa que non estea completamente familiarizada con Data Science navegar por esta área.
Ao final do curso, prometéronnos que aprenderemos un montón de ferramentas, e no noso currículo poderemos escribir algo así:
De feito esta é unha esaxeración moi forte. Esencialmente só escoitarás falar de moitos instrumentos e nada máis.
Resumo
Na miña opinión, o curso ten unha carga útil mínima; é especialmente decepcionante que os autores fosen demasiado preguiceiros para gravar conferencias en vídeo separadas para el. En boa forma, é unha mágoa pedir diñeiro por algo así, ou deberías pedir 10 veces menos.
Pero repito unha vez máis que todo o anterior é só o meu xuízo de valor subxectivo; correspóndelle a ti decidir se fai este curso ou non.
PD Quizais co tempo os autores do curso o finalicen e todo o artigo vaia perdendo relevancia.
Por se acaso, escribirei que é válido para o primeiro lanzamento deste curso do 22 de xullo ao 14 de agosto
PPS Se a publicación resultase tan infructuosa, borrareina, pero ao principio gustaríame ler as críticas, quizais hai que editar algo. Se non, polo de agora parece menos críticas inconvenientes a un curso de baixa calidade
Fonte: www.habr.com