Компания: OTUS (Отус)
рейтинг:
Язык:
Актуальная программа курса (7 модулей, по данным школы)
- Продвинутые методы машинного обучения: обучение с учителем
- Продвинутые методы машинного обучения: обучение без учителя
- Введение в Deep Learning
- Сбор данных. Анализ текстовых данных
- Анализ временных рядов
- Рекомендательные системы
- Проектная работа
Кем вы сможете работать
Сколько зарабатывают в профессии (медиана hh.ru, по 135 вакансиям)
Окупаемость: стоимость курса ≈ 2 мес зарплаты junior-специалиста.
Сравнение с похожими курсами других школ
| Курс | Школа | Цена | Срок | Рейтинг | Диплом | |
|---|---|---|---|---|---|---|
| Machine Learning. Professional (этот) | OTUS (Отус) | 5 месяцев | 2.5 | — | — | |
| Профессия Data Analyst | Skillbox (Скиллбокс) | 24 месяца | 5.0 | — | Перейти | |
| Специалист по data science | Яндекс Практикум | 112 000 ₽ | 8 месяцев | 4.6 | Диплом о проф. переподготовке | Перейти |
| Курс по машинному обучению | Skillfactory (Скиллфактори) | 3 месяца | 4.5 | — | Перейти |
Стоит ли идти на этот курс
Плюсы
- Стек охватывает сразу несколько уровней: базовые алгоритмы кластеризации (DB-Scan, K-means), архитектуры нейросетей (RNN, трансформеры, BERT) и работу с PyTorch — не разрозненно, а как цепочка, в которой каждый инструмент логично вытекает из предыдущего.
- Отдельные модули по временным рядам и рекомендательным системам — прикладные направления, которые в базовых ML-курсах либо отсутствуют, либо разбираются на уровне «что это такое». Здесь это полноценные блоки с отдельным вниманием к каждому.
- Курс завершается проектной работой — есть что показать на собеседовании, а не только сертификат.
- Deep Learning с нуля до трансформеров в одной программе — редкость для продвинутого уровня. Большинство аналогов либо останавливаются на классическом ML, либо сразу прыгают в BERT без понимания архитектуры.
Минусы и кому не стоит
- Двести сорок шесть тысяч рублей за курс — высокая планка даже для продвинутого уровня. Если цель — закрыть один конкретный пробел (только NLP или только временные ряды), узкий курс по теме обойдётся в разы дешевле и займёт в два-три раза меньше времени.
- Пять месяцев при продвинутом темпе параллельно с работой — нагрузка, которую легко недооценить на старте. Риск реальный: до проектного модуля, который стоит в конце программы, доходят не все.
- Какой документ выдаёт OTUS по этому курсу — в открытых данных не указано. Для части работодателей важен именно формат: удостоверение о повышении квалификации имеет иной статус, чем просто сертификат школы. Спросите у OTUS напрямую ещё до оплаты.
Когда этот курс вам не нужен
Уже работаете Senior Data Scientist или ML Engineer и регулярно выводите модели в продакшн? Программа скорее повторит знакомое: PyTorch, трансформеры, временные ряды на этом уровне уже пройдено. Не стоит брать и ради одной темы: если нужен только NLP или только блок по рекомендательным системам — пятимесячная программа за двести сорок шесть тысяч явный перебор. И наконец: если вы ещё не решили, нужен ли вам ML вообще, продвинутый курс — не место для проверки гипотезы.
Как выбрать курс по этому направлению
Продвинутый ML — узкая ниша: большинство программ застревают на линейных моделях и базовом sklearn и называют это «углублённым курсом». Первое, на что смотрю — конкретика стека: PyTorch, архитектуры трансформеров, работа с временными рядами в программе — честный сигнал глубины. Второе — есть ли проектная работа, и на каких данных: учебные датасеты из Kaggle не дают портфолио, реальные — дают. Третье — трудоустройство: у большинства школ это база резюме для партнёров, не рекрутинговое агентство; оценивайте трезво, что именно вам предлагают. По цене: за продвинутый уровень с охватом нескольких прикладных направлений сразу считайте просто — сопоставимый набор узких курсов по каждой теме отдельно часто выходит дороже или дольше.
Частые вопросы
Подойдёт ли курс, если я только начинаю изучать машинное обучение?
Нет. Курс продвинутый и предполагает уверенное владение основами ML. Без понимания базовых алгоритмов и Python блоки по Deep Learning и трансформерам будут трудноусвояемы — лучше начать с курса уровнем ниже и вернуться сюда через полгода-год.
Сколько длится обучение?
Сто пятьдесят дней — около пяти месяцев. Внутри: семь модулей от продвинутых методов ML до рекомендательных систем и итоговый проект. Формат плотный: это не «посмотрите видео и пройдите тест».
Какой документ выдают по окончании?
В открытых данных по этому курсу информации о документе нет. Уточните у OTUS заранее: удостоверение о повышении квалификации и корпоративный сертификат школы — разные вещи с точки зрения HR.
Помогут ли с трудоустройством?
OTUS предлагает разместить резюме в партнёрской базе — партнёры смогут пригласить вас на интервью — и получить личную рекомендацию от преподавателя. Это реальные инструменты, не гарантии: насколько они сработают, зависит от того, насколько сильным окажется ваше портфолио после проектной работы.
На какие позиции можно претендовать после курса?
OTUS заявляет уровень Data Scientist Junior+ и Middle+. Если вы уже работаете джуном и хотите вырасти до мидла — стек PyTorch, NLP и рекомендательные системы покрывает то, что реально проверяют на таких переходах: не только знание алгоритмов, но и умение довести модель до продакшна.
Почему такая высокая цена по сравнению с другими ML-курсами?
Продвинутый уровень с одновременным охватом Deep Learning, трансформеров, временных рядов и рекомендательных систем в одной программе — редкость. Большинство аналогов либо не уходят в такую глубину, либо это несколько отдельных курсов, которые суммарно стоят сопоставимо. Это не оправдание цены, а контекст для сравнения.
Длительность курса
150 дней
Формат обучения
2 вебинара в неделю по 2 академических часа
Обратная связь
общение с преподавателем в канале Slack раз в месяц очные митапы преподавателей и студентов
Теория и практика
6 модулей 51 час теории и 43-86 часов практики
Чему научитесь
- Владеть навыками работы в технологиях Python, Pandas, Sklearn, Keras, нейросети, SQL, Natural language processing, Deep learning и других, связанных с Learn Data Science
- Грамотно презентовать результаты своих работ
- Строить системы для автоматического поиска аномалий;
- Прогнозировать временные ряды с помощью Machine Learning
- Подготавливать данные для машинного обучения в MATLAB
прямо сейчас!
О курсе
О курсе
Преподаватели курса
Отзывы
Но домашних заданий, честно говоря, многовато. Не успеваешь толком вникнуть, осмыслить теорию, почитать что-то дополнительно. По ощущениям оптимально было бы штук 13-15 в среднем, примерно одно в неделю - сейчас темп сбивает, а не помогает.
Еще момент: в некоторых темах по коду пробегаются слишком быстро, и разобраться в нем не успеваешь. Vowpal Wabbit, например, вообще не зашел. Без базы по машинному обучению входить на курс будет тяжело - это стоит учитывать заранее.
Хотелось бы, чтобы при разборе алгоритмов объясняли не только как они работают, но и на какие параметры стоит обращать внимание в конкретных библиотеках, что требует настройки, а что нет. Документация есть, но она не всегда понятна без опыта, а работать с этими библиотеками в итоге придется.
Интеграция резюме с hh была бы удобной фичей - сейчас копипастить туда-обратно не очень.
С вопросами к преподавателям лучше не соваться - проще самому разобраться, потому что в ответ рискуешь получить новую ошибку поверх старой. Готовятся к занятиям они, мягко говоря, никак: видно, как человек читает текст прямо по ходу и пытается пересказать своими словами. Экание и мекание в итоге съедает минут десять от каждой лекции. Один из преподавателей - практик, работающий в Германии - говорит по-русски через слово, вставляя английские термины в русском прочтении, и постоянно повторяет одно и то же с перестановкой слов. Повторение, конечно, полезно, но когда вместо интуитивного понимания тебе просто перечитывают слайд на разные лады - это уже не педагогика.
В итоге большинство "объяснений" - это зачитывание формул без малейшего разбора логики. Практический опыт и умение преподавать - разные вещи, и здесь это особенно заметно. По деньгам курс явно переоценен: тот же объем знаний реально получить дешевле из книг или с тех же Udemy/edX.
Рекомендую учить по англоязычным курсам, дешевле и качество в разы выше.
Недостатки:
Плохо организовано обучение, постоянно переносят занятия по разны причинам.
Занимался на курсе Data Scientist. Цена курса высокая, а качество обучения очень низкое. Некоторых преподавателе трудно понять, не интересно рассказывают, нудно.
На первых вебинарах присутствовали десятки учеников. На последне месяце 5 учеников.
Решил оплатить курс Разработчик Golang, думал повезет с другими преподавателями. После первого занятия попросил вернуть деньги. Там препод вообще никакой, в общем чате получили много отрицательной обратной связи.



