Как я прошел курс Аналитик данных в Яндекс Практикуме
Закончил я этот курс со словами, что никогда больше не пойду учиться. Шучу, потому что я опять ищу курс по ИИ. Этот опыт многому меня научил и прежде всего пониманию, что перфекционизм — это плохо.
Оглавление
О курсе и опыт
Учебный процесс: модули и задачи
Тренажёр и Jupyter Notebook
Команда курса
Мастерская
Комьюнити
Гибкость: переводы и карьерный трек
Рекомендации
Диплом и мерч
Кому подойдёт
О курсе и опыт #
Старт: 14.09.2023
Конец: 14.04.2025 (плановый 29.09.2024)
Это третий и финальный пост о моих приключениях на Яндекс Практикуме. Учиться в 37 — тот еще квест, зато мозг бодрит, новые связи в голове прокладывает, а заодно добавляет пару пунктов в резюме.
Правда, про «востребованность на рынке» лучше забыть — маркетинговые сказки пусть рассказывают другим. Когда дойдете до блока про трудоустройство, сами поймете: кроме знаний, которые вы реально добыли своим потом, ничего не получите. А если просто списывали — считайте, зря тратили время. Корочка от Практикума — не билет в Яндекс и не пропуск в светлое будущее. Почему многие верят в обратное — загадка.
На курс меня вдохновил пост Саши Михайлова. Но чем дальше учился, тем сильнее ощущал: реальный Практикум и тот, о котором пишут в отзывах, — это две разные вселенные. Модули кое-где писали на коленке, а некоторые задачи будто бы не обновлялись годами. Система работает, но ощущение, что продают в первую очередь надежду и дедлайны, а не глубокие знания, не покидало до самого диплома.
Шел я на курс, чтобы прокачать аналитику и научиться автоматизировать рутину с помощью Python. Коллеги-выпускники удивлялись моему энтузиазму, но цель я все-таки выполнил: теперь умею веб-скрапить, работать с API и находить инсайты в данных. Даже несколько рабочих скриптов за время учебы написал — и это, пожалуй, лучший результат.
Про инструменты, фишки и лайфхаки я уже подробно писал в первом посте, многое из этого осталось актуальным. Сейчас хочу поделиться тем, что окружает тебя в процессе обучения после первого модуля: как устроена среда, кто рядом, как всё это влияет на опыт. Это не разбор этапов, а честный взгляд изнутри — про людей, платформу, поддержку и рутину, которые становятся частью твоей учебной жизни. Здесь только реальные жизнь и несколько советов для тех, кто еще думает начинать или нет.
Учебный процесс: модули и задачи #
После первого модуля становится понятно, что курс построен по принципу «от простого к сложному». Каждый модуль — это отдельная тема, которую разбираешь на практике. В начале всё кажется понятным, но с каждым следующим блоком задач становится больше, а времени — меньше.
Задачи бывают разного уровня: от простых, где нужно повторить код по образцу, до тех, где приходится искать решения самостоятельно.
Одни будут мотивировать учиться, а другие демонтировать так, что заходится нахрен отчилислиться и забыть по скорее про Практикум, как это было у меня в блоке по машинному обучению
Иногда встречаются задания, которые явно устарели или не совсем соответствуют реальным задачам аналитика. В такие моменты меня выручала в основном поддержка внутри платформы, а не сокурсники с преподавателями. Большую часть заданий я разбирался самостоятельно, копал документацию и искал ответы на Stack Overflow. И вот тут я снова вспомнил свою мысль из начала: если бы я не пытался всё делать идеально и не верил в волшебство курса, нервы бы сэкономил.
Особенно понравились практические задания, где нужно было работать с реальными датасетами. Такие задачи действительно учат думать и применять инструменты на практике. Однако встречаются и минусы. В некоторых заданиях слишком много однотипной, повторяющейся работы, которую в реальной жизни обычно автоматизируют. Это мало чему учит и иногда просто утомляет.
В целом, модули хорошо структурированы, но иногда не хватает актуальности и свежести материалов. Тем не менее, если относиться к заданиям как к тренировке, можно получить хороший опыт и понять, какие темы стоит изучать глубже самостоятельно.
Посмотрим на самые низкие оценки:
SQL – не обновлялся и его большинство списывает. Задания в целом не очень интересные. Почему здесь нельзя было бы поискать более полезный и близкий к реальности кейс — загадка. Например, расчет средней конверсии в модуле Анализ бизнес показателей по месяцам/неделям был почти одномоменто с похожей задачей на работе. Не то, чтобы я с таким не сталкивался за 10 лет в интернет-маркетинге, но на питоне я этого действительно не делал.
Лайфхак от студентов: скипаешь теорию, решаешь только задачи, которые дают пропуск к практической. Прорешиваешь ее и возращаешься обратно к теории.
Больше всего обидно мне за курс по машинному обучению. Если практическая еще была полезна по анализу оттока клиентов в фитнес центре, то теория настолько была местами несвязной, с небольшим количеством примеров или иллюстраций — то почти в каждом блоке для отзывов я писал — какое лютое говнище вы сделали. Мало того, что местами абзацы просто идут огромными портянками без этой приятной тональности, а лютая научная шляпа. ААА, наверное потому что за предыдущих три модуля мы должны были дополнительно читать литературу наверное или посещать чаще встречи с наставником :D
После блока по SQL у меня началась легкая депрессия. Задачи и подача материала казались настолько бессмысленными, что я всерьёз начал спрашивать себя: «Зачем всё это?»
В чатах по аналитике часто пишут, что такие задачи не учат решать реальные рабочие кейсы. С этим сложно не согласиться. Неужели нельзя подобрать пример, который был бы ближе к реальной работе? Видимо, никто не хочет заморачиваться.
Самое забавное, что одна из задач по SQL из моего дипломного проекта потом попалась мне на собеседовании. Казалось бы, должен щёлкать её как орешки — ведь только что решал её на курсе. Но на практике растерялся и не смог нормально ответить. Тут и пришло осознание: просто пройти задание на курсе мало, если материал не встроился в голову и не стал чем-то естественным, как 2+2.
Всё равно не покидает ощущение, что материал можно было бы подать так, чтобы после всех этих упражнений он реально стал рабочим инструментом, который используешь автоматически. Но, увы, после тренажёра по машинному обучению, где мы прогнозировали лайки и комментарии на Facebook-страницах компаний, я так и не понял, что именно делал и зачем. Только в самом конце дали какое-то вялое объяснение, но к тому моменту мотивация уже где-то потерялась.
Когда кажется, что с заданиями уже разобрался, на сцену выходят технические нюансы, которые могут неожиданно усложнить жизнь
Тренажёр и Jupyter Notebook #
Тренажёр — это отдельная боль. Пока работаешь с простыми датасетами, всё вроде бы нормально. Но стоит задачам стать сложнее, появляются ошибки, зависания и вечное ожидание, пока код хоть как-то отработает. Самое неприятное, что всё это случается именно тогда, когда у тебя наконец-то появилось время заняться учёбой.
Jupyter — вишенка на этом торте. Контейнеры для студентов и ревьюеров падают в самый неподходящий момент. Особенно весело, когда после работы садишься делать проект, а платформа просто не запускается. В итоге пришлось поднять свой сервер с Ubuntu и работать там, но версии библиотек не совпадают, и при загрузке обратно в Практикум снова вылезают ошибки. На Mac с Apple Silicon возиться с этим вообще отдельный квест. В итоге плюнул, теперь всё делаю на своём сервере — и рабочие задачи тоже.
Если не хотите тратить нервы, сразу настраивайте свой Jupyter с нужными версиями библиотек, как на платформе. Это реально экономит время и силы.
После всех технических приключений с платформой поговорим о тех, кто помогает (или не помогает) проходить этот путь — о команде курса.
Команда курса: кураторы, наставники, преподаватели, ревьюеры #
В Практикуме вокруг тебя всегда крутится целая команда: кураторы, наставники, преподаватели, ревьюеры. По идее, каждый должен помогать и поддерживать, но на деле это скорее разношерстная группа поддержки, где каждый отвечает за свой кусочек и работает по настроению:
Куратор — как классный руководитель: напомнит про дедлайны, иногда поможет с переводом между потоками, но чаще просто постит что-то для галочки, чтобы создать иллюзию коллективной движухи.
Наставники — это, пожалуй, самые полезные люди на курсе, если повезёт с человеком и временем. Формально они должны быть твоими проводниками в профессию, но на деле всё зависит от настроения, занятости и часового пояса. В одном потоке мои созвоны с наставником выпадали на субботу в 18:00 (когда уже не до учёбы), а в другом — на четверг в 23:00, когда мозг уже просит пощады. Самый запоминающийся случай был с первым наставником: человек с пятилетним стажем в Яндекс.Маркете перепутал нас с группой дата-инженеров и первую половину модуля рассказывал не совсем то, но мне даже зашло — про креды и API я узнал раньше, чем планировал. В общем, подача у всех разная: кто-то реально заряжает, кто-то просто отрабатывает часы. Единых стандартов нет, как повезёт.
Но если не лениться и вовремя приходить с вопросами, наставник может реально прокачать. Я, например, пожалел, что не показал свои рабочие А/Б-тесты для ревью — хотя это и не их обязанность, но обратная связь была бы полезна. Зато когда я принёс свой проект с парсингом веб-CRM через API Google Translate и простеньким классификатором, наставник дал дельные советы, которые потом пригодились и в работе. Это так меня замотивировало, что я реально переписал кучу кода, сделал предобработку данных удобнее и вообще почувствовал, что расту. В такие моменты понимаешь, зачем всё это затевал.
Преподаватели появляются редко, отвечают поверхностно, часто отправляют к агентам поддержки или в чат, так что проще сразу идти гуглить.
Ревьюеры — вообще отдельная мифология: попадётся нормальный — получишь подробный разбор, попадётся легендарный Василий — приготовься к бесконечному пинг-понгу «на доработку».
В итоге, вся эта команда больше напоминает марафонскую группу поддержки: кто-то подаст воду, кто-то махнёт флажком, но дистанцию всё равно бежать самому.
Мастерская #
Помимо стандартных модулей и задач, в Практикуме есть ещё одна «фишка» — мастерская. О ней стоит рассказать отдельно. Мастерская — это отдельная история, которую сильно рекламируют как «реальный кейс от партнёров Яндекса». На деле всё оказалось иначе. Если честно, вся эта «реалистичность» — шляпа.
Разрекламированная возможность решать настоящий бизнес-кейс в реальности превращается в работу с тем же самым датасетом, спарсенным с hh.ru, где нужно проанализировать вакансии аналитиков. Никакого отношения к реальному работодателю этот проект не имеет.
До меня и после меня с этим датасетом работали десятки студентов, и на GitHub можно найти кучу похожих работ — отличия только в цветовой гамме графиков. Некоторые даже грузят огромные неработающие портянки кода, и как их принимает ревьюер — загадка.
Сама задача полезная, чтобы понять одну простую вещь: после выпуска из Практикума ты никому не нужен, если не начнёшь делать что-то уникальное сам. Мастерская — хороший способ проверить, умеешь ли ты работать с реальными данными и собирать проект под себя, но иллюзий насчёт «кейса от Яндекса» лучше не питать. Вся эта «реальная практика» — шляпа, если не вкладываешься сам.
Что реально даёт мастерская?
- Прокачка самостоятельности и навыков поиска решений
- Опыт презентации результата
- Понимание, как делать портфолио
- Разочарование в «реальных кейсах» от онлайн-курсов
Что не даёт:
- Ощущения работы с настоящим бизнесом
- Уникального опыта, который отличит тебя от других выпускников
Конечно, обучение — это не только задания и проекты, но и люди, которые учатся рядом с тобой.
Комьюнити: кто учится рядом #
В каждом потоке обещают живое профессиональное сообщество, но на практике всё гораздо спокойнее. В группе обычно 40–50 человек, до финиша доходят только 10–15. Большинство предпочитает молчать: в чатах редко появляются вопросы или мемы, активность минимальная. Есть те, кто проходит всё за пару месяцев и быстро исчезает, а иногда встречаются «звёзды», уже работающие по специальности. Они заходят в чат, чтобы поделиться успехами или просто отметиться.
Если вы из региона, стоит учитывать, что большинство обсуждений и созвонов проходит по московскому времени. Иногда это неудобно, но со временем начинаешь больше полагаться на себя. В начале кажется, что без поддержки не справиться, но постепенно понимаешь: дойти до конца получится только за счёт собственной инициативы. Совет — не стесняйтесь писать в чат любые вопросы. Иногда так можно найти единомышленников или собрать небольшую команду для совместных проектов.
В целом, рассчитывать на активное комьюнити не стоит. Это не тусовка с постоянными обсуждениями, а скорее случайные попутчики на длинной дистанции. Если повезёт, можно познакомиться с интересными людьми и продолжить общение уже после курса.
Гибкость: переводы между потоками и карьерный трек #
В Практикуме есть одна действительно полезная штука — возможность спокойно переводиться между потоками. Если не успеваешь, заболел, уехал в отпуск или просто выгорел, пишешь куратору, и тебя без лишних вопросов переносят в следующий поток. Это реально спасает, когда понимаешь, что дедлайны уже догоняют, а сил нет совсем. Минус только в том, что снова оказываешься в новом чате, где все друг друга не знают, и комьюнити начинается с чистого листа. Но, если честно, большинство всё равно молчит, так что разницы особо нет.
Карьерный трек — отдельная песня. Я его так и не закончил, потому что в какой-то момент стало понятно: всё это больше формальность, чем реальная поддержка. Вроде бы обещают помощь с резюме, разбор вакансий, подготовку к собеседованиям, но на деле всё сводится к чек-листам и общим советам. Личного подхода я не почувствовал, а до реальных консультаций дело так и не дошло.
Отдельно хочется вспомнить про резюме и вечную войну форматов. Это, наверное, не критично, но когда ты делаешь резюме по одному образцу, а потом получаешь правки по другому — в голове начинается диссонанс.
Ещё раз: не то чтобы это прям катастрофа, но такой момент добавляет минус к общему впечатлению от курса.
Как человек, который потратил два часа на подготовку резюме, я совсем не хочу видеть в первом пункте рекомендаций требование «нужен PDF», если в самом задании чётко написано присылать в DOCX. От этого у меня реально бомбило: честно написал ревьюеру, что после её рекомендаций стало только хуже, и что они, по сути, бессмысленны.
Я хотел бы получить советы по содержанию, а не просто увидеть, как кто-то меняет блоки местами. Такие рекомендации можно указывать где-нибудь в конце или вообще вынести в теорию. Хотя в целом, конечно, советы общие.
Самым большим профитом, когда резюме стало востребованным был звонок с наставником, который «прожаривал» наши резюме и давал очень-очень много полезных вещей. О нюанса с добавлением ТГ в контакты до того, как можно зачесть предыдущий опыт. Наш звонок с ним длился почти 3 часа и за это время он дал каждому рекомендации и показал как сделал свое. Пройдя весь этот путь, хочется поделиться несколькими советами тем, кто только собирается на курс.
Рекомендации #
Это в каком-то смысле мои рекомендации самому себе, если бы я проходил курс еще раз:
Спрашивайте, спрашивайте и не бойтесь белого листа. Когда в комментариях в окончанию темы никто не пишет. Тут либо они все умные, либо списывают из интернетов.
Конспектируйте куда вам будет удобно. Я изначально это делал в Notion, потом в заметки от Эпл. Это ни раз меня выручало не только в учебе и работе. Особенно, когда забыл какую-то редкую команду. Сделайте так, чтобы было удобно искать справочную информацию и тогда вы будете ни раз к ней обращаться, как я даже когда пишу этот пост.
Напишите тем, кто проходил курсы Практикума. Спросите их, что им понравилось или нет. Если вы собираете менять профессию, то спросите как долго у них занял поиск работы и чтобы они посоветовали.
Как человек, который не просто ходил на собесы, а даже что-то и проходил дальше третьего этапа. То скажу так: маркетинговый аналитик должен знать все маркетинговые метрики и показатели, продуктовый — а/б-тесты, статистику, тервер и ML, универсальный все вместе, НО ВСЕ они должны уметь решать алгоритмические задачи SQL
Если вы видите, что материал слабый, то не пишите об этом на самой платформе. Вместо этого идете к куратору и постарайтесь донести причины. Это самый эффективный метод изменений на платформе.
Решайте задачи из теории по возможности в отдельном Юпитере, запущенным локально или поднятым на VPS. Это гарантирует не зависеть от платформы. Не забудьте только ставить версию и библиотеки такие же, как и в Практикуме. На момент выхода поста это conda-forge с Python 3.9.5. В зависимости от версии исполнение кода может отличаться.
Разбирать все непонятные задачи или учебный материал с Perplexity или любом доступном вам AI-сервисе. Это в отличии от преподавателя будет доступен вам 24/7, а если вы еще ему зададите роли в промте, то будьте уверены, что его экспертиза будет выше, чем у вашего преподавателя.
Если вам пообещали бесплатный доп.курс — то вероятно его не включают сразу, а нужно побегать с запросами, чтобы его дали.
Диплом и мерч #
Диплом присылают в электронном виде примерно в течение недели. Оригинал диплома обычно идет до месяца. Выглядит все очень красиво и можно даже повесить это на стену или куда-то еще. А какие еще плюшки? Практикум дарит легендарную футболку со значком, но чтобы ее получить нужно заполнить отдельную форму. Чтобы получить дополнительный мерч, как шоппер или подписку нужно оставить на сервисах отзывов свой комментарий. За текстовый отзыв подписка, а за видео — физический мерч.
Кому подойдёт #
Не рекомендую проходить курс, работающим специалистам. Если вы настроены глубоко и серьезно изучать, то лучше увольтесь, а иначе будете выглядеть вот как, когда я сдавал SQL в очередной летний выходной:
Так что, как и в самом начале, повторю: перфекционизм не спасает, маркетинговые обещания — это просто фон, а реальный результат зависит только от тебя. Если у вам не нужно каждый день думать о том, чтобы у вас скварчало в сковородке и не нужно думать о том, как заработать деняк, то рекомендую проходить курс если вы также любите данные как и я.
Напоследок рекомендация от Алены Владимирской:
«Вам сейчас во все уши разные инфобизы и онлайн-образования говорят: «учись на программиста, или учись, там, я не знаю, ещё на кого-то, учись на промт-инженера да, и так далее, и так далее.» На самом деле, понимаете, что это шелуха, которая на вас зарабатывает. Главное, что как надо выбирать вашу профессию и как выбирать компанию. Смотрите, у нас получается то, что нам нравится, и обратно, нам нравится делать то, что у нас получается. Найдите то, что вам нравится и получается, и, несмотря на весь вот этот вот шум, занимайтесь именно этим. И через несколько лет вы станете много успешными, если не предадите себя, чем те, кто пошли в модные профессии. Слушайте себя и занимайтесь тем, что вам нравится и получает.»
Еще по теме
Как я прошел вводный курс Аналитик данных
Как я прошел первый модуль Аналитика данных