"ວິທີການເຄືອຂ່າຍກັບນັກວິເຄາະເລີ່ມຕົ້ນ" ຫຼືການທົບທວນຄືນຫຼັກສູດອອນໄລນ໌ "Start in Data Science"

ຂ້ອຍບໍ່ໄດ້ຂຽນອັນໃດມາເປັນເວລາ “ໜຶ່ງພັນປີ” ແຕ່ທັນທີທັນໃດກໍມີເຫດຜົນທີ່ຈະລະເບີດຂີ້ຝຸ່ນອອກຈາກສິ່ງພິມນ້ອຍໆກ່ຽວກັບ “ການຮຽນຮູ້ວິທະຍາສາດຂໍ້ມູນຕັ້ງແຕ່ຕົ້ນ.” ໃນການໂຄສະນາສະພາບການຢູ່ໃນຫນຶ່ງໃນເຄືອຂ່າຍສັງຄົມ, ເຊັ່ນດຽວກັນກັບHabre favorite ຂອງຂ້າພະເຈົ້າ, ຂ້າພະເຈົ້າໄດ້ພົບເຫັນຂໍ້ມູນກ່ຽວກັບຫຼັກສູດ. "ເລີ່ມຕົ້ນໃນວິທະຍາສາດຂໍ້ມູນ". ມັນຄ່າໃຊ້ຈ່າຍພຽງແຕ່ pennies, ລາຍລະອຽດຂອງຫຼັກສູດແມ່ນມີສີສັນແລະດີ. "ເປັນຫຍັງບໍ່ຟື້ນຟູທັກສະທີ່ກາຍເປັນຂີ້ຝຸ່ນຈາກຄວາມໄຮ້ປະໂຫຍດໂດຍການຮຽນວິຊາອື່ນ?" - ຂ້ອຍ​ຄິດ​ວ່າ. ຄວາມຢາກຮູ້ຢາກເຫັນກໍ່ມີບົດບາດ;

ໃຫ້ຂ້ອຍເຕືອນເຈົ້າທັນທີວ່າຂ້ອຍບໍ່ມີຄວາມສໍາພັນກັບຜູ້ພັດທະນາຫຼັກສູດຫຼືຄູ່ແຂ່ງຂອງພວກເຂົາ. ເນື້ອໃນທັງຫມົດໃນບົດຄວາມແມ່ນການຕັດສິນມູນຄ່າຫົວຂໍ້ຂອງຂ້າພະເຈົ້າທີ່ມີການສໍາພັດເລັກນ້ອຍຂອງ irony.
ດັ່ງນັ້ນ, ເຈົ້າຍັງບໍ່ຮູ້ວ່າຈະລົງທຶນ 990 ຮູເບີນທີ່ຫາຍາກຂອງເຈົ້າຢູ່ໃສ? ຫຼັງຈາກນັ້ນ, ທ່ານຍິນດີຕ້ອນຮັບພາຍໃຕ້ cat.

ໃນຖານະເປັນຄໍານໍາເລັກໆນ້ອຍໆ, ຂ້ອຍຈະເວົ້າວ່າຂ້ອຍບໍ່ຄ່ອຍເຊື່ອງ່າຍໆກ່ຽວກັບຫຼັກສູດທີ່ໂດດເດັ່ນທີ່ສາມາດປ່ຽນຜູ້ເລີ່ມຕົ້ນເປັນ "ນັກວິເຄາະຂໍ້ມູນສົບຜົນສໍາເລັດທີ່ມີເງິນເດືອນຫຼາຍກວ່າ 100 ຮູເບີນ" ໃນເວລາສັ້ນໆ (ເຖິງແມ່ນວ່າທ່ານອາດຈະເດົາຈາກຮູບພາບຫົວຂໍ້ຂອງ. ບົດ​ຄວາມ).

ເມື່ອຫລາຍປີກ່ອນ, ໃນການຕື່ນຕົວຂອງການໂຄສະນາຢ່າງຫ້າວຫັນສໍາລັບການຝຶກອົບຮົມວິທະຍາສາດຂໍ້ມູນ, ຂ້າພະເຈົ້າໄດ້ພະຍາຍາມໃນວິທີທີ່ແຕກຕ່າງກັນເພື່ອໃຫ້ເປັນຕົ້ນສະບັບຢ່າງຫນ້ອຍບາງສິ່ງບາງຢ່າງໃນຂົງເຂດວິທະຍາສາດຂໍ້ມູນແລະບັນທຶກທີ່ແບ່ງປັນກ່ຽວກັບຂໍ້ບົກຜ່ອງທີ່ຂ້ອຍໄດ້ຮັບກັບຜູ້ອ່ານ Habr.

ບົດຄວາມອື່ນໆໃນຊຸດ1. ຮຽນ​ຮູ້​ພື້ນ​ຖານ​:

• "ຈັບຂໍ້ມູນໃຫຍ່ແລະຂະຫນາດນ້ອຍ!" — (ພາບ​ລວມ​ໂດຍ​ຫຍໍ້​ຂອງ​ຫຼັກ​ສູດ​ວິ​ທະ​ຍາ​ສາດ​ຂໍ້​ມູນ​ຈາກ​ຫ້ອງ​ສະ​ຕິ​)
• "ຕອນນີ້ລາວໄດ້ນັບເຈົ້າຄືກັນ" ຫຼື Data Science ຈາກ Scratch
• "Iceberg ແທນ Oscar!" ຫຼືວິທີທີ່ຂ້ອຍພະຍາຍາມຮຽນຮູ້ພື້ນຖານຂອງ DataScience ກ່ຽວກັບ kaggle
• "ເຄື່ອງຈັກນ້ອຍທີ່ສາມາດເຮັດໄດ້!" ຫຼື "ການຮຽນຮູ້ເຄື່ອງຈັກແລະການວິເຄາະຂໍ້ມູນພິເສດ", ຜ່ານສາຍຕາຂອງຜູ້ເລີ່ມຕົ້ນວິທະຍາສາດຂໍ້ມູນ

2. ຝຶກທັກສະທໍາອິດຂອງທ່ານ

• "ການເພີ່ມຂຶ້ນຂອງ MachinesLearning" ຫຼືການລວມເອົາວຽກອະດິເລກຂອງວິທະຍາສາດຂໍ້ມູນ ແລະການວິເຄາະສະເປກຕາຂອງຫລອດໄຟ
• “ຄືກັບໂມງ!” ຫຼືການຮຽນຮູ້ເຄື່ອງຈັກ (ວິທະຍາສາດຂໍ້ມູນ) ໃນ C# ໂດຍໃຊ້ Accord.NET Framework
• “ໃຊ້ພະລັງຂອງການຮຽນຮູ້ເຄື່ອງຈັກ, ລູກາ!” ຫຼືການຈັດປະເພດອັດຕະໂນມັດຂອງ luminaires ອີງຕາມ KSS
• "4 weddings and one funeral" ຫຼື linear regression ສໍາລັບການວິເຄາະຂໍ້ມູນເປີດຈາກລັດຖະບານ Moscow
• "ຈົດຫມາຍເຖິງ Sultan ຕຸລະກີ" ຫຼືເສັ້ນ regression ໃນ C# ໂດຍໃຊ້ Accord.NET ສໍາລັບການວິເຄາະຂໍ້ມູນເປີດ Moscow

ແລະຫຼັງຈາກເວລາດົນນານ, ຂ້າພະເຈົ້າໄດ້ຕັດສິນໃຈທົດລອງຫຼັກສູດອື່ນ.

ລາຍ​ລະ​ອຽດ​ວິ​ຊາ​:

ລາຍລະອຽດຂອງຫຼັກສູດ "Start in Data Science" ສັນຍາວ່າຫຼັງຈາກໃຊ້ເວລາພຽງແຕ່ 990 rubles (ໃນ​ເວ​ລາ​ທີ່​ຂຽນ​) ພວກ​ເຮົາ​ຈະ​ໄດ້​ຮັບ​ວິ​ຊາ​ສີ່​ອາ​ທິດ​ໃນ​ຮູບ​ແບບ​ຂອງ​ວິ​ດີ​ໂອ​ບັນ​ຍາຍ​ແລະ​ວຽກ​ງານ​ປະ​ຕິ​ບັດ​ສໍາ​ລັບ​ຜູ້​ເລີ່ມ​. ນອກຈາກນັ້ນ, ຢ່າລືມກ່ຽວກັບການຊົດເຊີຍສ່ວນຫນຶ່ງຂອງຄ່າໃຊ້ຈ່າຍໃນຫຼັກສູດໃນຮູບແບບຂອງການຫັກພາສີ (ພວກເຂົາສັນຍາວ່າຈະສົ່ງເອກະສານທັງຫມົດທາງໄປສະນີ).

ຫຼັກສູດມີສອງຕັນທີ່ມີເງື່ອນໄຂ, ອັນຫນຶ່ງຈະບອກທ່ານວ່າ "ວິທະຍາສາດຂໍ້ມູນ" ແມ່ນຫຍັງ, ພື້ນທີ່ທີ່ມີຄວາມນິຍົມແນວໃດ, ແລະວິທີທີ່ທ່ານສາມາດພັດທະນາອາຊີບໃນຂົງເຂດ DataScience. ບລັອກທີສອງເບິ່ງຫ້າເຄື່ອງມືສໍາລັບການວິເຄາະຂໍ້ມູນ: Excel, SQL, Python, Power BI ແລະ Data Culture.

ແລ້ວ, ສິ່ງທີ່ຟັງຄື "ແຊບ", ພວກເຮົາຈ່າຍຄ່າຫຼັກສູດແລະລໍຖ້າວັນທີເລີ່ມຕົ້ນ.

ໃນຄວາມຄາດຄິດ, ພວກເຮົາເຂົ້າສູ່ລະບົບບັນຊີສ່ວນຕົວຂອງພວກເຮົາໃນມື້ກ່ອນການເລີ່ມຕົ້ນຂອງຫຼັກສູດ, ເລື່ອນຜ່ານຄໍາທີ່ແຍກອອກຈາກນັກພັດທະນາແລະລໍຖ້າການແຈ້ງການເລີ່ມຕົ້ນຂອງຫຼັກສູດທີ່ລໍຄອຍມາດົນນານ.

ເວລາໄດ້ບິນຜ່ານ, D-Day ໄດ້ມາຮອດ, ແລະທ່ານສາມາດເລີ່ມຕົ້ນການຝຶກອົບຮົມໄດ້. ໂດຍໄດ້ເປີດບົດຮຽນທໍາອິດ, ພວກເຮົາຈະເຫັນໂຄງການທີ່ຄຸ້ນເຄີຍກັບລະບົບການຮຽນຮູ້ອອນໄລນ໌ - ການບັນຍາຍວິດີໂອ, ອຸປະກອນເພີ່ມເຕີມ, ການທົດສອບແລະການເຮັດວຽກບ້ານ. ຖ້າທ່ານເຄີຍໃຊ້ Coursera, EDX, Stepik, ຫຼັງຈາກນັ້ນທ່ານບໍ່ຄວນມີບັນຫາໃດໆ.

ພາຍໃນຫຼັກສູດ:

ໃຫ້ໄປຢູ່ໃນຄໍາສັ່ງ. ຫົວ​ຂໍ້​ຂອງ​ບົດ​ຮຽນ​ທໍາ​ອິດ​ແມ່ນ "DS Overview​: ພື້ນ​ຖານ​, ຜົນ​ປະ​ໂຫຍດ​, ການ​ນໍາ​ໃຊ້​"​, ມັນ​ເລີ່ມ​ຕົ້ນ​ໂດຍ​ການ​ບັນ​ຍາຍ​ວິ​ດີ​ໂອ​, ເຊັ່ນ​ດຽວ​ກັນ​ກັບ​ບົດ​ຮຽນ​ຕໍ່​ມາ​ທັງ​ຫມົດ​.

ແລະໃນຕອນເລີ່ມຕົ້ນມັນຮູ້ສຶກວ່າ comrades ໄດ້ຖືກນໍາພາໂດຍວິທີການ "ດັ່ງນັ້ນມັນຈະເຮັດ" ຈາກກາຕູນ Soviet favorite ຂອງຂ້ອຍ.

ຈາກນາທີທໍາອິດທີ່ທ່ານເຂົ້າໃຈດີວ່າເອກະສານສໍາລັບຫຼັກສູດບໍ່ໄດ້ບັນທຶກໄວ້ພິເສດ, ແຕ່ໄດ້ຖືກເອົາມາຈາກບາງບົດຮຽນເປີດຫຼືຫຼັກສູດພິເສດອື່ນໆ. ຍັງ​ກັບ​ວິ​ດີ​ໂອ​ໄດ້​ ບໍ່ມີຄໍາບັນຍາຍ ຫຼືທາງເລືອກດາວໂຫຼດ ສໍາລັບການເບິ່ງອອບໄລນ໌.

ຫຼັງຈາກການບັນຍາຍ, ອຸປະກອນເພີ່ມເຕີມສໍາລັບບົດຮຽນແມ່ນໄດ້ສະເຫນີ (ການນໍາສະເຫນີຈາກການບັນຍາຍວິດີໂອແລະວັນນະຄະດີແນະນໍາ), ພວກເຮົາຈະບໍ່ວິເຄາະໃຫ້ເຂົາເຈົ້າ.

ຫຼັງຈາກນັ້ນ, ການທົດສອບລໍຖ້າພວກເຮົາ. ການທົດສອບແຕກຕ່າງກັນໃນລະດັບຂອງຄວາມສັບສົນແລະຄວາມພຽງພໍຂອງຄໍາຖາມກັບອຸປະກອນການກວມເອົາ.

ແລະທີ່ນີ້ອີກເທື່ອຫນຶ່ງການຂາດຄວາມສົນໃຈໃນຜົນຂອງການຝຶກອົບຮົມແມ່ນ manifested, ທ່ານສາມາດລົ້ມເຫລວໃນການທົດສອບ, ແຕ່ມັນຈະບໍ່ມີຜົນກະທົບຫຍັງ, ທ່ານຈະຍັງຜ່ານບົດຮຽນຢ່າງສໍາເລັດຜົນ, ແຕ່ການຮ້ອງຂໍໃຫ້ມີຄວາມພະຍາຍາມເພີ່ມເຕີມທີ່ຈະເອົາຄືນສ່ວນຫຼາຍແມ່ນຈະຍັງຄົງບໍ່ມີຄໍາຕອບ.

ຫຼັງຈາກນັ້ນ, ແຜນບົດຮຽນ: “ວິດີໂອ -> ເພີ່ມເຕີມ. ວັດສະດຸ -> ການທົດສອບ” ຈະເປັນພື້ນຖານຂອງຫຼັກສູດທັງຫມົດ.

ບາງຄັ້ງບົດຮຽນຈະຖືກເຈືອຈາງດ້ວຍແບບສອບຖາມ ແລະວຽກບ້ານທີ່ເປັນເອກະລາດ.

ມີພຽງແຕ່ສອງວຽກບ້ານ. ແລະເພື່ອຄວາມຊື່ສັດ, ຂ້າພະເຈົ້າພຽງແຕ່ຜ່ານຫນຶ່ງ.

ວຽກບ້ານທຳອິດຂອງເຈົ້າແມ່ນສົ່ງຊີວະປະຫວັດຂອງເຈົ້າທີ່ອະທິບາຍທັກສະຫຼັກຂອງເຈົ້າ. ຂ້ອຍບໍ່ສາມາດເວົ້າໄດ້ 100%, ແຕ່ມັນເບິ່ງຄືວ່າຂ້ອຍເກືອບທຸກຊີວະປະຫວັດຈະຖືກຍອມຮັບແລະການມອບຫມາຍຈະຖືກຍອມຮັບ. ຫຼັງ​ຈາກ​ການ​ມອບ​ຫມາຍ​, ທ່ານ​ຈະ​ໄດ້​ຮັບ​ການ​ສົ່ງ​ອຸ​ປະ​ກອນ​ການ​ເພີ່ມ​ເຕີມ — ຄໍາ​ແນະ​ນໍາ​. ຈື່ຈໍາວິທີທີ່ຂ້ອຍຕໍ່ສູ້ກັບວຽກບ້ານຢູ່ Coursera, ຂ້ອຍຮູ້ສຶກເສຍໃຈເລັກນ້ອຍກັບວິທີທີ່ມັນງ່າຍດາຍ.

ຫຼັງຈາກສໍາເລັດສ່ວນແນະນໍາ, ການສຶກສາ "ເຄື່ອງມືສໍາລັບການເລີ່ມຕົ້ນໃນວິທະຍາສາດຂໍ້ມູນ" ທີ່ລໍຄອຍມາດົນນານກໍ່ເລີ່ມຕົ້ນ. ແລະທໍາອິດແມ່ນບົດຮຽນທີ່ມີຫົວຂໍ້ດັງໆ: "ການເຮັດວຽກໃນ Excel: ການຍົກລະດັບທັກສະຈາກສູນໄປຫານັກວິເຄາະ."

ວ້າວ! ມັນຟັງຄືວ່າລໍ້ລວງ, ແຕ່ໃນຄວາມເປັນຈິງຄວາມແຕກຕ່າງລະຫວ່າງຄວາມຄາດຫວັງແລະຄວາມເປັນຈິງແມ່ນຄືກັນກັບລະຫວ່າງຮູບຂອງແຮມເບີເກີຈາກການໂຄສະນາອາຫານໄວແລະສິ່ງທີ່ພວກເຂົາໃຫ້ທ່ານໃນເວລາຈ່າຍເງິນ.

ໃນຄວາມເປັນຈິງ, ພວກເຮົາຈະສັງເກດເຫັນວິທີການ, ການເຄື່ອນຍ້າຍຈາກຈຸລັງອັດຕະໂນມັດໃນ Excel ໄປຫາຄໍາອະທິບາຍທີ່ສັບສົນຂອງຫນ້າທີ່ "VLOOKUP()", ຄູສອນຈະລັງເລໃຈຄືກັບ Hamlet ໃນຫົວຂໍ້ຂອງຄໍາຖາມ "ຈະເປັນ, ຫຼືບໍ່ເປັນ", ". ອະທິບາຍທຸກຢ່າງສໍາລັບຜູ້ເລີ່ມຕົ້ນ" ຫຼື "ໃຫ້ອຸປະກອນທີ່ຫນ້າສົນໃຈສໍາລັບ pros." ໃນ​ຄວາມ​ຄິດ​ເຫັນ​ຫົວ​ຂໍ້​ຂອງ​ຂ້າ​ພະ​ເຈົ້າ​, ທັງ​ຫນຶ່ງ​ຫຼື​ອື່ນໆ​ບໍ່​ໄດ້​ເຮັດ​ວຽກ​ອອກ​.

ມັນດີໂດຍສະເພາະເຖິງແມ່ນວ່າຫຼັກສູດດັ່ງກ່າວບໍ່ໄດ້ລວມເອົາການສໍານາຜ່ານທາງເວັບ. ນັ້ນແມ່ນ, ນີ້ບໍ່ແມ່ນບັນທຶກຂອງຫ້ອງຮຽນທີ່ທ່ານພາດ, ແຕ່ພຽງແຕ່ບັນທຶກຂອງຫ້ອງຮຽນທີ່ເກີດຂື້ນດົນນານມາແລ້ວ (ເບິ່ງຮູບຂ້າງລຸ່ມນີ້), ຜູ້ຂຽນຍັງຕັດສິນໃຈຮັກສາບັນຍາກາດ. (ຫຼືບາງທີພວກເຂົາພຽງແຕ່ຂີ້ຄ້ານ) и ເຮັດໃຫ້ທ່ານເບິ່ງເປັນເວລາຫ້ານາທີໃນຂະນະທີ່ຄູສອນແກ້ໄຂບັນຫາສຽງ.

ຫຼັງຈາກວິດີໂອ, ອີງຕາມໂຄງການມາດຕະຖານ, ອຸປະກອນການເພີ່ມເຕີມແລະການທົດສອບປະຕິບັດຕາມ.

ຫົວຂໍ້ຕໍ່ໄປແມ່ນກ່ຽວກັບພາສາ SQL. ບົດຮຽນສະຫນອງພື້ນຖານຫຼາຍແລະຕົວຢ່າງຂອງການເຮັດວຽກກັບຄໍາຖາມ SQL; ງ່າຍທີ່ຈະຊອກຫາໃນອິນເຕີເນັດໄດ້ຟຣີ.

ຫຼັງຈາກ SQL ມີບົດຮຽນກ່ຽວກັບການປະມວນຜົນຊຸດຂໍ້ມູນຈາກ Kagle ໂດຍໃຊ້ຫ້ອງສະຫມຸດ Python "Pandas". ແຜນ​ການ​ຮຽນ​ບໍ່​ໄດ້​ມີ​ການ​ປ່ຽນ​ແປງ​: ວິ​ດີ​ໂອ -​> ເພີ່ມ​ເຕີມ​. ວັດສະດຸ -> ການທົດສອບ. ບໍ່ມີວຽກງານເພີ່ມເຕີມທີ່ສະຫນອງໃຫ້, ບໍ່ແມ່ນແຕ່ວຽກງານທີ່ມີການກວດສອບອັດຕະໂນມັດຂອງຜົນໄດ້ຮັບ. ດັ່ງນັ້ນ, ແນ່ນອນທ່ານຈະບໍ່ຕ້ອງຕິດຕັ້ງ Anaconda ແລະຂຽນລະຫັດ. ນອກຈາກນີ້ ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າການພິມລະຫັດທີ່ດີໃນການບັນຍາຍວິດີໂອ, ການເບິ່ງມັນຢູ່ໃນໂທລະສັບແມ່ນບໍ່ມີຈຸດຫມາຍ, ແລະຂ້າພະເຈົ້າຕ້ອງໄດ້ເບິ່ງມັນເກືອບຈຸດຫວ່າງຢູ່ໃນຈໍ.

ບົດຮຽນທີ 10: "ການສະແດງພາບຂອງບົດລາຍງານການຂົນສົ່ງໃນ PBI ໃນ XNUMX ນາທີ" (видео кстати длится минут 50) . ໃນວິດີໂອນີ້ພວກເຂົາຈະເວົ້າກ່ຽວກັບເຄື່ອງມືທີ່ຫນ້າສົນໃຈທີ່ເອີ້ນວ່າ Power BI;

ຈົບຫຼັກສູດທີ່ບໍ່ຄາດຄິດ:

ບົດຮຽນທີ 5 ສຸດທ້າຍຈະບອກທ່ານກ່ຽວກັບຫຼັກການທົ່ວໄປຂອງການເກັບຮັກສາຂໍ້ມູນທີ່ເຫມາະສົມ, ການບັນຍາຍແມ່ນເອົາມາຈາກຫຼັກສູດອື່ນ. ໃນບົດຮຽນນີ້, ນອກເຫນືອຈາກການທົດສອບມາດຕະຖານ, ວຽກບ້ານປາກົດອີກເທື່ອຫນຶ່ງ, ແຕ່ຂ້ອຍບໍ່ໄດ້ເຮັດ. ຢາກຮູ້ວ່າເປັນຫຍັງ?

ເພາະເມື່ອຂ້ອຍເປີດໜ້າຫຼັກສູດມື້ນີ້, ເຊິ່ງໄດ້ສຳເລັດພຽງເຄິ່ງໜຶ່ງ, ຂ້ອຍເຫັນວ່າ:

ນັ້ນແມ່ນ ລະບົບໄດ້ພິຈາລະນາວ່າຂ້ອຍໄດ້ສໍາເລັດຫຼັກສູດ, ເຖິງແມ່ນວ່າໃນຄວາມເປັນຈິງຂ້ອຍບໍ່ໄດ້ສໍາເລັດມັນ.

ຍິ່ງໄປກວ່ານັ້ນ, ຫຼັງຈາກເບິ່ງວິດີໂອທີ່ຍັງເຫຼືອທັງຫມົດແລະດໍາເນີນການທົດສອບ, ຕົວຕ້ານທານບໍ່ປ່ຽນແປງ, ແຕ່ຍັງຄົງຢູ່ທີ່ 56%. ຂ້ອຍສົມມຸດວ່າ ຂ້ອຍບໍ່ສາມາດເບິ່ງຫຍັງເລີຍແລະບໍ່ໄດ້ສອບເສັງແລະຍັງໄດ້ຮັບ "Diploma".

ສິ່ງທີ່ປະຫລາດໃຈໂດຍສະເພາະແມ່ນວ່າຫຼັກສູດດັ່ງກ່າວໄດ້ແກ່ຍາວຢ່າງເປັນທາງການຈາກວັນທີ 22 ກໍລະກົດຫາວັນທີ 14 ສິງຫາ, ແລະ "Diploma" ໄດ້ອອກໃຫ້ຂ້ອຍແລ້ວໃນວັນທີ 04.08.2019 ສິງຫາ XNUMX.

ຜົນຂອງການຝຶກອົບຮົມ

ພາຍຫຼັງສໍາເລັດການຝຶກອົບຮົມ, ເວັບໄຊທ໌ຂອງບໍລິສັດສັນຍາກັບພວກເຮົາ: "ຄຸນວຸດທິຂອງທ່ານຈະຖືກຢືນຢັນໂດຍເອກະສານຂອງແບບຟອມທີ່ສ້າງຕັ້ງຂຶ້ນ." ແຕ່ບັນຫາແມ່ນ, ຫຼັກສູດນີ້ເບິ່ງຄືວ່າບໍ່ແມ່ນໂຄງການ retraining ຫຼືໂຄງການການຝຶກອົບຮົມຂັ້ນສູງ, ຊຶ່ງຫມາຍຄວາມວ່າທ່ານພຽງແຕ່ຈະໄດ້ຮັບ. "ໃບຢັ້ງຢືນ", ເຊິ່ງໃນຫຼັກການບໍ່ມີສະຖານະພາບທາງການ.

ອາດຈະເປັນຄໍາຖາມທີ່ສົມເຫດສົມຜົນຄື: "ເຈົ້າຄາດຫວັງຫຍັງສໍາລັບ 990 rubles?" ດ້ວຍຄວາມຊື່ສັດ, ຂ້ອຍບໍ່ໄດ້ຄາດຫວັງຫຍັງເລີຍ. ມັນເປັນທີ່ຊັດເຈນວ່າຫຼັກສູດທີ່ມີຄຸນນະພາບສູງມີລາຄາແພງກວ່າຢ່າງຫຼວງຫຼາຍ. ແຕ່ບັນຫາແມ່ນວ່າມີຫຼັກສູດຟຣີທີ່ເຮັດບໍ່ພຽງແຕ່ບໍ່ຮ້າຍແຮງກວ່າເກົ່າ, ແຕ່ຫຼາຍເທົ່າທີ່ເປັນມືອາຊີບ, ຕົວຢ່າງ, ຫຼັກສູດຈາກ. MVA ຫຼືຈາກ ຫ້ອງຮຽນສະຕິປັນຍາ. "ໃບຢັ້ງຢືນ" ດຽວກັນຂອງການສໍາເລັດຫຼັກສູດ (ຖ້າໃຜຕ້ອງການມັນ), ຢູ່ທີ່ນັ້ນ ທ່ານສາມາດໄດ້ຮັບມັນຟຣີຫມົດ.

ຫນຶ່ງໃນຂໍ້ໄດ້ປຽບແມ່ນວ່າອຸປະກອນການທົບທວນເຫຼົ່ານີ້ຖືກລວບລວມຢູ່ໃນສະຖານທີ່ດຽວແລະມັນຈະງ່າຍຂຶ້ນຫຼາຍສໍາລັບບຸກຄົນທີ່ບໍ່ຄຸ້ນເຄີຍກັບວິທະຍາສາດຂໍ້ມູນເພື່ອນໍາທາງພື້ນທີ່ນີ້.

ໃນຕອນທ້າຍຂອງຫຼັກສູດ, ພວກເຮົາສັນຍາວ່າພວກເຮົາຈະຮຽນຮູ້ເຄື່ອງມືຈໍານວນຫນຶ່ງ, ແລະໃນຊີວະປະຫວັດຂອງພວກເຮົາຈະສາມາດຂຽນບາງສິ່ງບາງຢ່າງເຊັ່ນນີ້:

ໃນ​ຄວາມ​ເປັນ​ຈິງ ນີ້ແມ່ນການເວົ້າເກີນຈິງທີ່ເຂັ້ມແຂງ. ທ່ານພຽງແຕ່ໄດ້ຍິນກ່ຽວກັບເຄື່ອງມືຈໍານວນຫຼາຍແລະບໍ່ມີຫຍັງຫຼາຍ.

Summary

ໃນຄວາມຄິດເຫັນຂອງຂ້າພະເຈົ້າ, ຫຼັກສູດມີການໂຫຼດຕໍາ່ສຸດທີ່ທີ່ເປັນປະໂຫຍດ, ມັນໂດຍສະເພາະແມ່ນຄວາມຜິດຫວັງທີ່ຜູ້ຂຽນໄດ້ຂີ້ກຽດເກີນໄປທີ່ຈະບັນທຶກການບັນຍາຍວິດີໂອແຍກຕ່າງຫາກສໍາລັບມັນ. ໃນທາງທີ່ດີ, ມັນເປັນເລື່ອງທີ່ຫນ້າອັບອາຍທີ່ຈະຂໍເງິນສໍາລັບບາງສິ່ງບາງຢ່າງເຊັ່ນນີ້, ຫຼືທ່ານຄວນຂໍຫນ້ອຍລົງ 10 ເທົ່າ.

ແຕ່ຂ້າພະເຈົ້າເວົ້າອີກເທື່ອຫນຶ່ງວ່າທັງຫມົດຂ້າງເທິງນີ້ແມ່ນພຽງແຕ່ການຕັດສິນມູນຄ່າຫົວຂໍ້ຂອງຂ້ອຍ, ມັນຂຶ້ນກັບທ່ານທີ່ຈະຕັດສິນໃຈວ່າຈະຮຽນວິຊານີ້ຫຼືບໍ່.

PS ບາງທີເມື່ອເວລາຜ່ານໄປຜູ້ຂຽນຂອງຫຼັກສູດຈະສະຫຼຸບມັນແລະບົດຄວາມທັງຫມົດຈະສູນເສຍຄວາມກ່ຽວຂ້ອງ.
ໃນກໍລະນີທີ່, ຂ້າພະເຈົ້າຈະຂຽນວ່າມັນຖືກຕ້ອງສໍາລັບການເປີດຕົວຄັ້ງທໍາອິດຂອງຫຼັກສູດນີ້ຈາກ 22 ກໍລະກົດຫາ 14 ສິງຫາ.

PPS ຖ້າໂພດບໍ່ປະສົບຜົນສໍາເລັດ, ຂ້ອຍຈະລຶບມັນ, ແຕ່ໃນຕອນເລີ່ມຕົ້ນຂ້ອຍຢາກອ່ານຄໍາວິຈານ, ບາງທີອາດຈະຕ້ອງແກ້ໄຂ. ຖ້າບໍ່ດັ່ງນັ້ນ, ໃນເວລານີ້ມັນເບິ່ງຄືວ່າເປັນການວິພາກວິຈານທີ່ບໍ່ສະດວກລົບຕໍ່ຫຼັກສູດທີ່ມີຄຸນນະພາບຕໍ່າ

ແຫຼ່ງຂໍ້ມູນ: www.habr.com