Get best of the week

Buat Kursus Pembelajaran Mesin yang Kuat: Misi Selesai



Kami memiliki 2 awal yang tidak berhasil, 169 siswa, 8 ulasan yang marah, 3 perubahan nama, terlalu banyak teori dan tidak cukup latihan nyata. Bukannya itu kegagalan total, tetapi jika Anda mulai mengajar Ilmu Data, Anda harus melakukannya dengan sempurna. Hari ini Anda akan mendengar cerita tentang bagaimana kami mengembangkan di OTUS arah analisis data dan mana yang kami buat di jalur ini, dan kemudian kami memperbaiki kesalahan.


Pancake pertama


Tiga tahun lalu, kami meluncurkan kursus analisis data pertama kami dan menyebutnya "Pengembang BigData" . Ini dirancang untuk 128 ac. jam, setengahnya adalah webinar, dan yang kedua adalah pekerjaan rumah dan proyek. Pembelajaran mesin dan jaringan saraf tidak lagi menjadi elit dan telah menjadi alat bisnis yang diperlukan untuk pengembangan yang efektif. Korporasi TI, toko online, agen pemasaran, perusahaan baru dan layanan digital disediakan untuk tanggal oleh para ilmuwan. Pekerjaan terbang. Pasar tenaga kerja sangat merasakan kurangnya spesialis Menengah dan Senior.

Itu perlu untuk mengajar dan tumbuh di tengah, tetapi tidak ada yang tahu bagaimana melakukannya dengan baik. Kami mengundang seorang guru, mengembangkan sebuah program, dan sebagai hasilnya, sebuah kursus keluar yang, di satu sisi, sulit dan bahkan terlalu menuntut pada tingkat pelatihan, dan di sisi lain, tidak cukup praktis.

Siswa yang bingung dengan perubahan nama


Ketika kami mengumpulkan umpan balik dari peluncuran pertama, kami menemukan bahwa nama tersebut tidak mencerminkan esensi program secara akurat . Di bawah istilah satu bagian, kami mengajarkan semua alat Ilmu Data. Pada tahun 2018, kami meluncurkan kembali kursus yang disebut Data Scientist, yang menyiratkan bahwa ia sedang mempersiapkan profesi ini. Setelah memprosesnya, volume webinar meningkat 10 jam, tetapi praktiknya masih merupakan titik lemah. Sebagian besar tugas adalah contoh mainan, jauh dari tugas nyata dengan set data nyata.
Kali ini ulasannya kontroversial. Beberapa memarahi jalannya untuk pengetahuan yang dangkal, yang lain mengatakan bahwa itu ternyata terlalu sulit, meskipun mereka berhasil lulus ujian masuk untuk itu. Beberapa orang berpikir bahwa dengan mengubah nama kami mencoba untuk menutup peluncuran pertama yang tidak terlalu sukses. Selain itu, force majeure terjadi pada satu titik: jalur kehilangan pemimpin, dan kemudian produser.

Inspirasi dan guru baru


Temui Dmitry Sergeyev, penulis dan pemimpin kursus Pembelajaran Mesin. Bersama dengan dia, pemikiran ulang sepenuhnya arah Ilmu Data datang ke OTUS. Kami meninggalkan ide menempatkan semua praktik dalam satu kursus dan membuat program mendalam secara terpisah untuk Pembelajaran Mesin dan Jaringan Saraf Tiruan di Python.

Dima telah menganalisis data sejak 2012. Dia dengan antusias mendekati pengembangan kelas untuk OTUS, mengisinya dengan chip praktis dan tugas yang menarik.

Perbedaan kursus utama

"Pengembang Data Besar""Ilmuwan Data"Pembelajaran mesin
Tahun2017- awal 201820182019 - ...
JudulMerefleksikan 1 alat, meskipun sebenarnya kursus itu pada alat Ilmu Data yang berbedaKursus itu tidak cukup praktis dan terperinci, sehingga setelah lulus Anda bisa menganggap diri Anda seorang spesialis seriusSekarang ini adalah salah satu dari serangkaian kursus di bagian Ilmu Data. Namanya mencerminkan esensi - kursus ini didedikasikan untuk praktik pembelajaran mesin canggih dan hanya memengaruhi sebagian jaringan saraf
Jumlah jam128138178
Jam webinar647470
Perhatikan pekerjaan independen6464108
Jumlah latihan praktisenambelas12sembilan belas

Kami meminta Dima sendiri untuk memberi tahu bagaimana dan mengapa ia merevisi kursus.

OTUS: Dima, Anda melihat program sebelumnya. Bagaimana dia berubah dalam kursus baru?
— , . , , , . - . .

, — «» «». , .

. — . , , , , , .. , .
OTUS: , .
— . , , ( !) . , — - , , .

, , , «» , , — , . , — . , , .

, — . , - , .

. , , , Moons.

, , .
OTUS: , , — ?
— , . 5 , . , .

. , , . .
OTUS: ? ?
— -, . , , , ARIMA, . , — tf-idf .

-, , . , , ( ), «» . , , , , , , AWS ..

, , — , , , , , . , , .

— , . , , , . , , .
«Machine Learning» 28 . , . .

, 24 20:00 . . !

More articles:


All Articles