Практические проекты разнообразные и актуальные: создавали систему распознавания узбекских текстов с рукописного ввода, разрабатывали алгоритм для оптимизации работы хлопкоперерабатывающих заводов, делали рекомендательную систему для узбекского интернет-магазина. Особенно запомнился проект по анализу сельскохозяйственных данных — использовали спутниковые снимки для прогнозирования урожая хлопка в Ферганской долине.
Сильные стороны: преподаватели с реальным опытом работы, актуальные технологии (TensorFlow, PyTorch, scikit-learn), хорошо структурированная программа. Куратор Фарход всегда был готов помочь, объяснял сложные моменты доступным языком.
Недостатки: некоторые модули слишком сжаты по времени. На глубокое обучение выделили всего 3 недели, хотя тема требует минимум месяца. Также мало внимания уделили этическим аспектам ИИ и работе с большими данными. Платформа иногда подвисала, особенно во время вебинаров.
Трудоустройство: получил несколько предложений, выбрал стартап в сфере финтеха. Зарплата для джуниора приличная, но пришлось доучиваться уже на рабочем месте. В целом курс дал хорошую базу для старта в профессии.