Первая
междисциплинарная школа
технологий будущего

Много лет руковожу проектами в ИТ, в том числе в теме здравоохранения и перспективных направлений. В биоинформатику пошёл, потому что это как раз про будущее — про понимание организма и тему долголетия. По курсу в целом интересно, но местами непросто. Некоторые моменты реально приходилось переслушивать по несколько раз, особенно в начале — когда ты вообще не в теме и мозг ещё не привык к такому формату. Иногда приходилось дополнительно что-то читать, чтобы до конца понять. Из плюсов — понравилось, что это не «поверхностная история». Здесь реально надо думать, вникать, делать задания. То есть это не тот курс, где за 5 минут всё посмотрел и пошёл дальше. Отдельно отмечу последний (пятый) блок — он прям хорошо зашёл, потому что там уже становится понятно, к чему всё это и как это можно применять на практике. По итогу — у меня наконец сложилась картинка, как вообще пересекаются биология и IT. Раньше это было что-то разрозненное, а сейчас стало понятно, как из информации по ДНК, РНК и белков можно получать реальные данные и что с этим делают. Появилось желание дальше пойти развиваться по этой тематике В целом курс подойдёт тем, кто готов тратить время и реально вникать. Если хочется быстро и «на лёгком» — будет тяжеловато.

Я работаю в Data Science и давно хотела лучше разобраться в генетике и биологии. Мне было важно не просто поверхностно познакомиться с биоинформатикой, а понять, как устроена эта область, какие задачи в ней решаются и как это можно связать с моей работой. Для меня курс стал хорошим стартом в биоинформатике. Материал местами был непростым: некоторые лекции приходилось переслушивать по несколько раз, иногда дополнительно читать другие источники, чтобы лучше все уложить в голове. Но именно в этом для меня и была ценность — не просто «прослушать курс», а постепенно начать разбираться в новой области. Особенно мне запомнились лабораторные работы, где нужно было применять алгоритмы для поиска и сравнения последовательностей. Они были очень интересными и хорошо показывали связь теории с практикой. После курса у меня появилось более целостное понимание биоинформатики. Я стала лучше видеть, как в этой области можно использовать подходы из Data Science, и почувствовала себя гораздо увереннее. Думаю, курс подойдет тем, кто готов вдумчиво учиться и хочет получить хорошую базу.

Я - аналитик, пришла, чтобы вникнуть в процессы биоинформатики из-за нового проекта на работе. По моему мнению: • Удобная платформа, доступна скорость просмотра х1,5 и x2 • Краткость каждого урока - не более 30 минут • Понятность изложения материала - для меня средняя, соответствие проверочных тестов лекционной части в целом полное • Каждая теоретическая лекция подкреплена лабораторной работой для закрепления • В некоторых лекциях, хотелось бы более простого и подробного изложения - рассказываются слишком специфичные для новичка вещи

Работаю в продуктовой аналитике, с моделями сталкивался только как пользователь. Пришел понять, как ML устроен изнутри и что происходит до того, как модель попадает в продукт. Курс это закрыл: от типов задач и метрик до деплоя и мониторинга дрейфа данных. Ведущий хорошо объясняет: не торопится там, где материал сложный, и дает понятные аналогии там, где это нужно. Блок про кросс-валидацию и подбор гиперпараметров показался одним из самых полезных на практике. Из того, что можно улучшить: раздел по feature engineering довольно большой, но времени на практику под него немного. После курса стал лучше понимать, что коллеги из DS имеют в виду, когда говорят про переобучение или data drift, и могу самостоятельно читать документацию sklearn без ощущения, что смотрю на чужой язык. Подойдет аналитикам, которые хотят перейти в ML или хотя бы глубже понимать, как он устроен.

Прошел курс по ML-инженерии, в целом остался доволен. Материал изложен понятно, темы структурированы, есть практическая часть. Для меня, как для менеджера проектов в ИТ-интеграторе, курс был полезен тем, что помог лучше понять возможности машинного обучения и особенности его внедрения в рабочие процессы. Сильная сторона — понятная подача и связь с практикой.

Впечатления отличные. Материал доступный, понятный, а практические задания оказались очень прикладными и полезными. Благодаря курсу расширились знания и навыки в аналитике данных, реально пополнил инструментарий и стал увереннее подходить к задачам анализа. Рекомендую тем, кто хочет углубиться в ML и увидеть, как теорию превращать в практику.

По окончании курса по Data Science впечатления скорее хорошие. Теория сопровождалась наглядной практикой, что облегчило усвоение. Для меня, управленца в IT, это стало возможностью разобраться в основах анализа данных. В ряде тем хотелось бы углублённого рассмотрения и примеров применимых в работе.

Прошел курс по Data Science, впечатления в целом хорошие. Материал подан понятно, особенно понравилось, что есть не только теория, но и практика для закрепления. Для меня как для менеджера проектов в ИТ было полезно лучше понять, как устроена работа с данными, на чем строится аналитика и машинное обучение. Сильная сторона курса — доступная подача и практическая направленность. Местами хотелось бы чуть больше глубины и интересных не стандартных примеров из реальных проектов. В целом курс полезный, ставлю 4+ из 5.

Работаю бэкенд-разработчиком три года, решил разобраться в DS, чтобы понимать, что вообще делают коллеги из аналитики. Хорошо зашла структура: курс не начинается с "а вот сейчас пишем нейросеть", а объясняет, откуда берутся данные и что с ними происходит до моделей. Модуль по pandas и NumPy порадовал тем, что показывает не синтаксис, а логику работы с таблицами. В дальнейшем планирую изучить тему веб-парсинга, обработку нестабильных сайтов и ротацию заголовков. После курса могу самостоятельно пройти полный цикл: забрать данные, почистить, посчитать метрики, сделать график для презентации. Подойдет тем, у кого уже есть базовый Python, но нет понимания, что с ним делать в контексте данных.

Итог обучения на курсе Data Science — положительный. Информация подавалась понятно, плюс были полезные упражнения для отработки. Мне, как менеджеру проектов в IT, курс дал важные знания по data science и машинному обучению. Выделяю такие плюсы, как доступность и прикладной уклон. Хочу погрузиться глубже и увидеть больше реальных кейсов.