Ես ոչինչ չեմ գրել «հազար տարի», բայց հանկարծ առիթ եղավ փչելու «Տվյալների գիտությունը զրոյից սովորելու» մասին հրապարակումների մինի ցիկլի փոշին: Սոցիալական ցանցերից մեկում, ինչպես նաև իմ սիրելի Habré-ում կոնտեքստային գովազդի ժամանակ ես հանդիպեցի դասընթացի մասին տեղեկություններին. . Դա արժեր ընդամենը կոպեկներ, դասընթացի նկարագրությունը գունեղ ու խոստումնալից էր: «Ինչո՞ւ չվերականգնել անպետքությունից փոշիացած հմտությունները՝ անցնելով այլ դասընթաց»։ - Ես մտածեցի. Հետաքրքրասիրությունը նույնպես դեր խաղաց, ես վաղուց էի ուզում տեսնել, թե ինչպես է աշխատում այս գրասենյակում ուսուցման կազմակերպումը։
Թույլ տվեք անմիջապես զգուշացնել, որ ես ոչ մի կերպ կապված չեմ դասընթացի մշակողների կամ նրանց մրցակիցների հետ: Հոդվածի ամբողջ նյութը իմ սուբյեկտիվ արժեքային դատողությունն է՝ մի փոքր հեգնանքով:
Այսպիսով, դուք դեռ չգիտեք, թե որտեղ ներդնեք ձեր դժվարությամբ վաստակած 990 ռուբլին: Ապա դուք ողջունում եք կատվի տակ:
Որպես փոքր նախաբան, ես կասեմ, որ ես որոշ չափով թերահավատորեն եմ վերաբերվում խոստումնալից դասընթացներին, որոնք կարող են կարճ ժամանակում սկսնակին վերածել «հաջողակ տվյալների վերլուծաբանի՝ ավելի քան 100 ռուբլի աշխատավարձով» (չնայած դուք հավանաբար դա կռահեցիք վերնագրի նկարից. հոդվածը).
Մի քանի տարի առաջ, Տվյալների գիտության ուսուցման համար ակտիվ գովազդի ֆոնին, ես տարբեր ձևերով փորձեցի գոնե ինչ-որ բան տիրապետել տվյալների գիտության ոլորտում և կիսվել գրառումներով Habr-ի ընթերցողների հետ իմ ունեցած բախումների մասին:
Շարքի այլ հոդվածներ1. Իմացեք հիմունքները.
2. Կիրառեք ձեր առաջին հմտությունները
Եվ երկար ժամանակ անց որոշեցի փորձել այլ դասընթաց։
Դասընթացի նկարագրություն.
«Սկսիր տվյալների գիտության մեջ» դասընթացի նկարագրությունը խոստանում է, որ ծախսելուց հետո ընդամենը 990 ռուբլի (գրելու պահին) մենք կստանանք չորսշաբաթյա դասընթաց՝ տեսադասախոսությունների և գործնական առաջադրանքների ձևաչափով սկսնակների համար։ Նաև չմոռանանք դասընթացի արժեքի մի մասի փոխհատուցման մասին հարկային նվազեցման տեսքով (Նրանք խոստանում են ուղարկել բոլոր փաստաթղթերը փոստով):
Դասընթացն ունի երկու պայմանական բլոկ, որոնցից մեկը ձեզ կասի, թե ինչ է «Տվյալների գիտությունը», ինչ հայտնի ոլորտներ կան, և ինչպես կարող եք կարիերա զարգացնել DataScience-ի ոլորտում: Երկրորդ բլոկը դիտարկում է տվյալների վերլուծության հինգ գործիքներ՝ Excel, SQL, Python, Power BI և Data Culture:
Դե, ինչ հնչում է «համեղ», մենք վճարում ենք դասընթացի համար և սպասում մեկնարկի ամսաթվին:
Սպասելով՝ մենք մտնում ենք մեր անձնական հաշիվ դասընթացի մեկնարկից մեկ օր առաջ, ոլորում ենք ծրագրավորողների բաժանման բառերը և սպասում դասընթացի երկար սպասված մեկնարկի մասին ծանուցմանը:
Ժամանակն անցել է, եկել է D-Day, և դուք կարող եք սկսել մարզումները: Առաջին դասը բացելուց հետո մենք կտեսնենք առցանց ուսուցման համակարգերին ծանոթ սխեմա՝ տեսադասախոսություն, լրացուցիչ նյութեր, թեստեր և տնային առաջադրանքներ: Եթե երբևէ օգտագործել եք Coursera, EDX, Stepik, ապա որևէ խնդիր չպետք է ունենաք։
Դասընթացի ներսում.
Գնանք կարգով։ Առաջին դասի թեման է «DS Overview. հիմունքներ, առավելություններ, կիրառություններ», այն սկսվում է տեսադասախոսությամբ, ինչպես բոլոր հաջորդ դասերը:
Եվ հենց սկզբից զգացվում է, որ ընկերներն առաջնորդվել են մոտեցմամբ «Այնպես որ դա կանի» իմ սիրելի խորհրդային մուլտֆիլմից։
Առաջին իսկ րոպեից հասկանում ես, որ դասընթացի համար նախատեսված նյութը ոչ թե հատուկ ձայնագրվել է, այլ վերցված է այլ բաց դասերից կամ մասնագիտացված դասընթացներից։ Նաև տեսանյութին առանց ենթագրերի կամ ներբեռնման տարբերակ անցանց դիտման համար:
Դասախոսությունից հետո առաջարկվում են լրացուցիչ նյութեր դասի համար (ներկայացում տեսադասախոսությունից և առաջարկվող գրականությունից), մենք դրանք չենք վերլուծելու։
Հետո մեզ թեստ է սպասում։ Թեստերը տարբերվում են ընդգրկված նյութին հարցերի բարդության և համապատասխանության աստիճանով:
Եվ այստեղ կրկին դրսևորվում է մարզումների արդյունքի նկատմամբ հետաքրքրության բացակայությունը. Դուք կարող եք ձախողել թեստը, բայց դա ոչ մի բանի վրա չի ազդի, դուք դեռևս հաջողությամբ կանցնեք դասը, բայց ամենայն հավանականությամբ կրկնելու լրացուցիչ փորձի խնդրանքը կմնա անպատասխան։
Այնուհետև դասի պլանը՝ «տեսանյութ -> լրացուցիչ. նյութեր -> թեստ» ամբողջ դասընթացի հիմքում կլինի:
Երբեմն դասը կլուծվի հարցաթերթիկներով և ինքնուրույն տնային առաջադրանքներով:
Ընդամենը երկու տնային առաջադրանք կա: Եվ ճիշտն ասած, ես միայն մեկն եմ անցել.
Ձեր առաջին տնային առաջադրանքը ձեր ռեզյումեն ներկայացնելն է՝ ուրվագծելով ձեր հիմնական հմտությունները: Չեմ կարող 100% ասել, բայց ինձ թվում է, որ գրեթե ցանկացած ռեզյումե կընդունվի, և առաջադրանքը կընդունվի։ Առաջադրանքից հետո ձեզ կուղարկվեն լրացուցիչ նյութեր՝ առաջարկություններ։ Հիշելով, թե ինչպես էի պայքարում Coursera-ում տնային առաջադրանքների հետ, ես նույնիսկ մի փոքր վրդովվեցի, թե որքան պարզ էր դրանք:
Ներածական մասն ավարտելուց հետո սկսվում է երկար սպասված «Տվյալների գիտության մեջ սկսելու գործիքներ» ուսումնասիրությունը։ Եվ առաջինը դաս է բարձր վերնագրով. «Աշխատանք Excel-ում. հմտությունների բարելավում զրոյից մինչև վերլուծաբան»:
Վա՜յ։ Գայթակղիչ է թվում, բայց իրականում ակնկալիքի և իրականության միջև տարբերությունը նույնն է, ինչ համբուրգերի լուսանկարը արագ սննդի գովազդից և այն, ինչ նրանք տալիս են ձեզ դրամարկղում:
Փաստորեն, մենք կդիտարկենք, թե ինչպես, Excel-ում բջիջների ինքնալրացումից անցնելով «VLOOKUP()» ֆունկցիայի շփոթեցնող նկարագրությանը, ուսուցիչը Համլետի պես կվարանի «Լինե՞լ, թե՞ չլինել» հարցի թեմայի շուրջ: Բացատրեք ամեն ինչ սկսնակների համար» կամ «Հետաքրքիր նյութ տվեք պրոֆեսիոնալներին»: Իմ սուբյեկտիվ կարծիքով ոչ մեկը չստացվեց, ոչ էլ մյուսը։
Հատկապես հիանալի է, որ չնայած այն հանգամանքին, որ դասընթացը չի ներառում կենդանի վեբինար: Այսինքն, դրանք ոչ թե ձեր բաց թողած դասերի ձայնագրություններ են, այլ պարզապես վաղուց տեղի ունեցած դասերի ձայնագրություններ (տես ստորև նկարը), հեղինակները դեռ որոշել են պահպանել մթնոլորտը։ (կամ գուցե նրանք պարզապես ծույլ էին) и ստիպեք ձեզ դիտել հինգ րոպե, մինչ ուսուցիչը ձայնային խնդիրներ է լուծում.
Տեսանյութից հետո, ըստ ստանդարտ սխեմայի, հաջորդում է լրացուցիչ նյութ և թեստ։
Հաջորդ թեման SQL լեզվի մասին է։ Դասը տալիս է SQL հարցումների հետ աշխատելու հիմունքները և օրինակները, սկզբունքորեն կարելի է գտնել նմանատիպ թեմայով տեսանյութեր և հոդվածներ հեշտ է գտնել ինտերնետում անվճար.
SQL-ից հետո կա դաս՝ Kagle-ից տվյալների բազա մշակելու մասին՝ օգտագործելով Python «Pandas» գրադարանը: Դասի պլանը չի փոխվել՝ տեսանյութ -> լրացուցիչ: նյութեր -> թեստ. Չկան լրացուցիչ առաջադրանքներ, նույնիսկ արդյունքների ավտոմատ ստուգմամբ առաջադրանք: Այսպիսով, դուք հաստատ ստիպված չեք լինի տեղադրել Anaconda-ն և գրել կոդ: Նաև Հարկ է նշել կոդի նուրբ տպագրությունը տեսադասախոսության մեջ, հեռախոսով դիտելն անիմաստ է, և ես ստիպված էի մոնիտորի վրա նայել գրեթե անիմաստ:
Դաս չորրորդ. «Լոգիստիկ զեկույցի պատկերացում PBI-ում 10 րոպեում» (видео кстати длится минут 50) . Այս տեսանյութում նրանք կխոսեն մի հետաքրքիր գործիքի մասին, որը կոչվում է Power BI, ճիշտն ասած, ես երբեք չեմ լսել դրա մասին:
Դասընթացի անսպասելի ավարտ.
Վերջին հինգերորդ դասը ձեզ կպատմի տվյալների ճիշտ պահպանման ընդհանուր սկզբունքների մասին, դասախոսությունը կրկին վերցված է մեկ այլ դասընթացից: Այս դասին, բացի ստանդարտ թեստից, նորից հայտնվում են տնային առաջադրանքները, բայց ես դա չեմ արել։ Ցանկանու՞մ եք իմանալ, թե ինչու:
Որովհետև, երբ ես բացեցի դասընթացի էջը այսօր, որը կիսով չափ ավարտված էր, տեսա սա.
Դա է Համակարգը համարեց, որ ես հաջողությամբ ավարտել եմ դասընթացը, չնայած իրականում ես այն չեմ ավարտել.
Ավելին, մնացած բոլոր տեսանյութերը դիտելուց և թեստեր անցկացնելուց հետո հաշվիչը չի փոխվել, այլ մնացել է 56%-ի վրա։ Ենթադրում եմ, որ Ես չկարողացա ընդհանրապես ոչինչ դիտել, ոչ մի թեստ չանցնեմ և դեռ «դիպլոմ» ստանայի.
Հատկապես զարմանալին այն է, որ դասընթացը պաշտոնապես տևել է հուլիսի 22-ից օգոստոսի 14-ը, և «Դիպլոմը» ինձ տրվել է արդեն 04.08.2019 թվականի օգոստոսի XNUMX-ին։
Վերապատրաստման արդյունքը
Վերապատրաստման ավարտից հետո ընկերության կայքը մեզ խոստանում է. «Ձեր որակավորումը կհաստատվի սահմանված ձևի փաստաթղթերով»: Բայց խնդիրն այն է, որ այս դասընթացը կարծես թե ոչ վերապատրաստման ծրագիր է, ոչ էլ առաջադեմ վերապատրաստման ծրագիր, ինչը նշանակում է, որ դուք պարզապես կստանաք «վկայական», որը սկզբունքորեն չունի պաշտոնական կարգավիճակ.
Հավանաբար ողջամիտ հարց կլիներ. «Ի՞նչ էիք սպասում 990 ռուբլու համար»: Անկեղծ ասած, ես ոչինչ չէի սպասում. Հասկանալի է, որ բարձրորակ դասընթացները զգալիորեն թանկ են։ Բայց դժբախտությունն այն է, որ կան անվճար դասընթացներ, որոնք ոչ միայն չեն վատանում, այլ բազմապատիկ ավելի պրոֆեսիոնալ կերպով, օրինակ՝ դասընթացներ կամ ից . Դասընթացի ավարտի նույն «վկայականը» (եթե որևէ մեկին դա պետք է), այնտեղ դուք կարող եք ստանալ այն ամբողջովին անվճար.
Առավելություններից մեկն այն է, որ այս վերանայման նյութերը հավաքվում են մեկ տեղում, և տվյալների գիտությանը լիովին անծանոթ մարդու համար իսկապես ավելի հեշտ կլինի նավարկել այս ոլորտում:
Դասընթացի ավարտին մեզ խոստանում են, որ մենք կսովորենք մի շարք գործիքներ, և մեր ռեզյումեում մենք կկարողանանք գրել այսպիսի մի բան.
Իրականում սա շատ խիստ չափազանցություն է. Դուք, ըստ էության, պարզապես կլսեք շատ գործիքների մասին և ոչ ավելին:
Ամփոփում
Իմ կարծիքով դասընթացն ունի նվազագույն օգտակար ծանրաբեռնվածություն, հատկապես հիասթափեցնող է, որ հեղինակները չափազանց ծուլացել են դրա համար առանձին տեսադասախոսություններ ձայնագրել։ Լավ իմաստով, ամոթ է նման բանի համար գումար խնդրել, կամ պետք է 10 անգամ ավելի քիչ պահանջել:
Բայց ևս մեկ անգամ կրկնում եմ, որ վերը նշված բոլորը միայն իմ սուբյեկտիվ արժեքային դատողությունն է, ձեր որոշելիքն է՝ անցնել այս դասընթացը, թե ոչ:
Հ.Գ Միգուցե ժամանակի ընթացքում դասընթացի հեղինակները վերջնական տեսքի բերեն այն, և ամբողջ հոդվածը կորցնի արդիականությունը:
Ամեն դեպքում, ես կգրեմ, որ այն ուժի մեջ է այս դասընթացի առաջին մեկնարկի համար հուլիսի 22-ից օգոստոսի 14-ը։
PPS Եթե գրառումն այդքան անհաջող է ստացվել, կջնջեմ այն, բայց սկզբում կուզենայի կարդալ քննադատությունը, գուցե պարզապես ինչ-որ բան պետք է խմբագրել։ Հակառակ դեպքում, առայժմ կարծես թե մինուս անորակ դասընթացի անհարմար քննադատությունը
Source: www.habr.com