Отзыв на курс "Управление сотрудниками в инновационной экономике"

Собрал в свое время в одном посте Бесплатные он - лайн курсы для HR на русском языке Открытое образование, разместил в сетях и обратился к коллегам присылать отзывы на пройденные курсы. С удовольствием публикую первый отзыв. И призываю вас активней делиться отзывами, коллеги!
Итак,

Отзыв по итогам прохождения обучения онлайн курса МГУ им.Ломоносова "Управление сотрудниками в инновационной экономике"

Автор отзыва Замигулова Елена, HR с опытом работы 6 лет (по ссылке профиль в Линкедин)
Очень подробная информация о курсе по ссылке. Здесь вы найдете сведения об авторе курса ( его читает умнейшей души человек Маслов Владимир Иванович,все

регалии по ссылке), сроках проведения, тематике лекций, правилах получения сертификата.
Как человек,прошедший обучение,я бы хотела уточнить ряд деталей о процессе и высказать личное впечатление о курсе.

Технические моменты:

Онлайн лекции разделены на 12 блоков, в каждом блоке от 3 до 5 лекций, каждая длительностью по 20-25 минут в среднем. Новый блок открывается 1раз в неделю, таким образом вам необходимо выделить на просмотр видео и конспектирование от 60 до 100 минут (в среднем) в неделю. После каждой лекции небольшой тест, а также тестирование после блока лекций. Кроме тестов предусмотрены 3 семинара - 2 из них это кейсы - слушателю предоставляется информация, например, о Лаборатории Касперского (семинар1). Используя лекции и дополнительную литературу (в идеале) студент должен ответить на ряд вопросов. После отправки своего развернутого ответа необходимо оценить 5 работ однокурсников (что было новым и интересным опытом и дополнительным источником информации). Заключительный, 3й семинар, это эссе, в котором помимо лекций и литературы, необходимо использовать примеры компании,в которой вы трудитесь.
Курс даёт системное представление о том,что в настоящее время происходит в мире в целом, в нашей стране в частности, в обществе, экономике, на рынке труда, и как должен меняться современный менеджмент,чтобы стать успешным, как построить эффективную корпоративную культуру.
Автор курса не оставил без внимания Российскую специфику - отдельный блок лекций посвящен "Особенностям корпоративной культуры в России".
Резюмируя: данный курс будет очень полезен руководителям (и высшего и среднего звена), эйчар партнёрам, эйчар директорам, рядовым HR.
В ходе лекций Маслов В.И. отвечает на 3 основных вопроса:

1. Что делать? (Куда мы хотим попасть)
2. Почему? (Зачем нам туда нужно)
3. Как? ( Как нам это сделать)

Обучение было очень полезным!

Автор отзыва Замигулова Елена.
Высшее образование, переподготовка по специальности "менеджер по управлению персоналом". Развивалась в эйчаре с 2006г. На протяжении 6 лет, однако по семейным обстоятельствам моя карьера была приостановлена. Связь с профессиональной сферой поддерживалась через бывших коллег, подруг,которые продолжали расти в HR. Однако общения с коллегами, чтения книг и статей было недостаточно. Необходим был системный подход, я искала курсы, которые бы дали возможность:

1. понять,что происходит в управлении персоналом, почему это происходит,что с этим делать;
2. учиться удаленно;
3. учиться (по возможности) с минимальными финансовыми затратами.

Курсы, которые я находила не отвечали всем критериям сразу, чаще всего не устраивала цена либо само учебное заведение.
Совершенно случайно я прочитала пост Эдуарда Бабушкина о бесплатном(!) обучении для HR. И вот я нашла!!! Курс "Управление сотрудниками в инновационной экономике", МГУ!!! Когда я просмотрела видео презентацию автора курса Маслова В.А. сомнений не осталось, это реально то,что мне нужно.
Благодарю за пост Эдуарда Бабушкина,платформа openedu.ru действительно предоставляет уникальные возможности для бесплатного обучения. А качество и уровень знаний - очень высокий.


__________________________________________________________
На этом все, читайте нас в фейсбуке, телеграмме и вконтакте

Отзыв о курсе Построение выводов по данным (Московский физико-технический институт, Яндекс)

Отзыв о курсе Построение выводов по данным (Московский физико-технический институт, Яндекс).

Прослушал курс Построение выводов по данным на курсере. Прослушал, потому что я не платил за обучение, не получал сертификат. Курсера предоставляет такую возможность, но при этом ты не можешь сдавать тесты курса, не можешь получать оценки от студентов (некоторые задания там оцениваются учащимися), но можно прослушать видеолекции и решать решать квизы.
Преподаватели курса: Евгений Рябенко и Эмели Драль.
Язык программирования курса: Python.
У меня очень сложное отношение к этому курсу, потому что для меня он состоял из двух частей: приятной и неприятной.

Приятная часть состояла в наличии в курсе кодов на Python для решения задач по выводам на основе данных: А/Б тестингу, критериям Стьюдента, Манн уитни, z  критерия для долей и т.п... С одной стороны не надо копаться в инете, чтобы найти коды, а здесь они очень понятны, ясны и ухоженны, с другой стороны, лекции по колам содержали несколько интересных фишек, про которые раньше не знал, и это обогащает. И это очень замечательно.
Неприятная часть состояла из лекций по теоретической части. Это был поток математики на предельной скорости. Поскольку не тема не новая для меня, то я порой вырывал из этого потока сознания Евгения Рябенко знакомые вещи. Правда, у меня остался вопрос, а зачем нужно было так нагружать математикой слушателей? Подозреваю, что понимать спикера могут только люди с хорошей математической подготовкой либо те, кто уже знаком с темой. Но зачем вторым нужен этот курс? А число первых разве устраивает целям спикеров, если они хотят донести тему до бОльшего числа людей?
И при этом все равно, остаются белые пятна: например, в последней видеолекции Евгений Рябенко рассказывает про линейную регрессию, основной смысл лекции (и всего курса) - содержательная интерпретация результатов. И в регрессии это, конечно, про смысл коэффициентов регрессии. Регрессия строилась на логарифм зарплаты, там коэффициент трактуется как прирост не абсолютной величины, а %. Так вот спикер не дал математического объяснения, почему %, а не абсолютная величина. Это не обвинение, а непонимание. Давайте спишем на то, что я сам не математик, а гуманитарий.
Рекомендую курс для тех, кто

1. планирует работать в Python;
2. знает уже основы выводов по данным.

Если вы хотите услышать не поток нефильтрованной математики, а объяснение для людей, то рекомендую курс Inferential Statistics Университет Дька, спикер Mine Çetinkaya-Rundel.
Я этот курс когда-то проходил ранее, мне он показался наиболее адекватным именно с т.з. объяснения / преподавания.



 __________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте

Специализация «Анализ данных» (обзор серии курсов)

Для тех, кто хочет погрузиться в статистическое обучение (не путать с машинным обучением) представляю обзор специализации от Новосибирского государственного университета совместно с компанией 2GIS на платформе Coursera.org: "Анализ данных".

Специализация отлично подходит для начинающих работу с данными. Экспертам, занимающимся построением моделей машинного обучения будет не интересно, так как это всё же азы. Тем не менее, стройная логика и поэтапное прохождение позволит очень хорошо освежить (изучить) университетский курс мат. статистики.

Специализация состоит из четырех курсов на русском языке, выстроенных в логике постепенного усложнения:

1.      Введение в данные – основы теории вероятности, мат. статистики и графического анализа данных.

2.    Исследование статистических взаимосвязей – погружение в мат. статистику, корреляции, построение линейной регрессии.

3.    Сравнение и создание групп – способы сравнения зависимых и независимых выборок, кластерный анализ (отметил очень хорошее пояснение по кластерному анализу и способам проверки его качества).

4.       Тренды и классификации – работа с временными рядами, факторный анализ, классификация.

Каждый курс состоит из пяти недель, из них четыре учебные с видеолекциями и промежуточными тестами, на пятой неделе заполняется итоговый тест и подготавливается проектная работа. Проектная работа – взаимооцениваемое задание, это означает, что работу будут проверять такие же слушатели, как вы, а вашей задачей будет проверить ряд работ однокурсников.

В зависимости от уровня подготовки слушатель может выбрать конкретные курсы специализации, либо пройти все.

Преимущества специализации в том, что практическая часть параллельно преподаётся на SPSS и R, слушатель может выбрать тот вариант, который ближе ему, либо изучить оба. Для подготовки проектов выдаются реальные датасеты с данными  компании 2GIS.

Главный недостаток специализации в том, что она, к сожалению, платная. Бесплатный доступ предоставляется сроком на 7 дней, затем слушатель должен осуществлять ежемесячную оплату. Поскольку оплата взимается не за отдельный курс, а за специализацию и при этом материалы всего курса становятся доступными сразу, то в целях экономии можно попробовать проходить курсы параллельно и максимально быстро. Поскольку обучение платное, по окончанию каждого курса выдаётся сертификат.

Азбука R (отзыв о курсе «Анализ данных в R»)

По не очень старой, но, несомненно, доброй традиции этого блога публикую отзыв о курсе «Анализ данных  в R»  на платформе он-лайн курсов stepic.org. Есть также вторая часть “Анализ данных в R. Часть 2”, она у меня в планах, поэтому, отзыв пока про первую часть.

  

Итак, из описания курса узнаем, что: “В рамках данного курса мы подробно разберем все основные этапы анализа данных при помощи R. Слушатели научатся без труда манипулировать данными, используя как стандартные методы R и Rstudio, так и специальные пакеты и библиотеки. Мы выясним, как применять основные методы статистического анализа: t-тест, корреляция, регрессия, дисперсионный и регрессионный анализ и др. Также мы научимся писать собственные функции в R. Особое внимание в курсе будет уделено визуализации получаемых результатов”.

Одно из ключевых достоинств курса - он на русском языке. Для меня, например, как не профи в специализированной английской терминологии, это было важно - не нужно разрывать мозг одновременным пониманием лексики и содержания курса.

Преподаватели - внимание! - выпускники факультета психологии СПбГУ, которые потом стали специализироваться на статистике, программировании и прочих всяких machine learning. Возможно, поэтому, курс очень доступен для восприятия “гуманитариям”, такая своего рода азбука с картинками про R - с нуля, пошагово, зачем эта стрелочка и почему тут эта скобочка. И можно перемотать и пять раз прослушать, если не дошло. Идеально)

Из, собственно, анализа данных, возможно, тут не будет чего-то, чего вы сейчас не делаете, например, в Excel (корреляция, регрессия, дисперсионный анализ и т.д.), но, во-первых, вы увидите, что это может делаться в разы проще и быстрее (с и возможностью многократного повторения последовательности вычислений практически без вашего участия).  Кстати, одна из фишек выполнения контрольных работ - начинает хотеться не только написать работающий код, но и короткий и красивый. Страшно бесит, когда ты потратила три дня на пять строчек кода, и оно вроде бы принято, но можно было решить в две))

Во вторых, курс помогает погрузиться в R, выучить “буквы”, прежде чем браться за серьезные “произведения”. Поэтому, в первую очередь я бы рекомендовала его тем, кто уже решил взяться за R, но не знает, с какой стороны подойти. Ну и перед семинаром "HR-Аналитика в R" тоже неплохо бы пройти, чтобы набить руку на операционных вещах и полностью погрузиться в содержательные.

Отзыв о курсе: The Analytics Edge от Массачусетского технологического института

Решил таки оставить отзыв о своем самом любимом курсе The Analytics Edge Массачусетского технологического института.
Правда, проходил я его уже года три назад:). Но менее любимым он от этого не становится.
Если кратко: этот курс мне открыл Аналитику.
Язык курса - R. И даже видеолекции показывают на R, а даже не на Rstudio.
Но это не в недостаток курса.
Курс рассчитан, как я понимаю, на тех, кто уже начинает что-то читать по статистике и машинному обучению. Он имеет стандартное строение: от линейной и логистической регрессии к деревьям, анализу теста, кластеризации и линейной оптимизации. Причем, если вы отвалитесь после первой недели, то знания и навыки не пропадут: каждая неделя обучения в этом смысле самодостаточна.
Для меня курс был идеален потому, что мне на пальцах объяснили очень важные вещи, такие как:

• параметры качества модели: от средей ошибки до Roc Auc и тому подобное
• что такое кросс-валидизация,
• что такое гиперпараметры и как их настраивать в модели
• и так далее...

Т.е. курс был важен не столько кодом, хотя код очень ценен. Курс ценен тем, что тупому гуманитарию как я, смогли легко разложить важные термины и понятия аналитики, статистики, машинного обучения. И во многом такой успех, на мой взгляд, обусловлен, построением курса: 

В начале недели, которая представляет собой какую-то тему, даются не математические основания, например, линейной регрессии, если проходим ее, а какая-то задача. В нашем случае речь идет о Moneyball - историю, которая описана в известном всем фильме Человек, который изменил все. 

Сначала преподаватель вводит в проблему - как вообще возникла потребность в решении этой задачи. Подходит к ее решению в R и решает. На выходе мы получаем решение конкретной задачи. И математика в данном случае гуманитарием усваивается лучше: в моем случае это однозначно, поскольку меня не интересует сама математика, а только польза, которую она может принести. 

__________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте

Отзыв о курсе: Applied Social Network Analysis in Python

В нашей команде появилась прекрасная традиция - оставлять отзывы на пройденные курсы. См. отзыв Александра Ботвина на курс Вышки от Бориса Демешева  Эконометрика в HR-аналитике (обзор курса). Я создал для каждого отзыва тег  отзыв об учебном курсе, где можно будет просмотреть все отзывы.
Сегодня я даю отзыв на курс Applied Social Network Analysis in Python Мичиганского университета.
И сразу хочу порекомендовать всю специализацию Мичиганского университета по машинному обучению Applied Data Science with Python: если вы развиваетесь в Python, можно использовать курсы специализации.
Пройденный курс касается темы Social Network Analysis, но в HR сейчас более принято название Organisational Network Analytics. И если Вы знакомы с трендами HR-аналитики (см. например, 10 трендов в HR в 2018 году от Давида Грина), то обратили внимание, что тема Organisational Network Analytics одна из самых обсуждаемых и перспективных тем аналитики.
Кстати, 8 марта на базе компании Facebook в Сан-Франциско пройдет первый митап по hr-аналитике, тема Organisational Network Analytics стала первой темой - а темы выбирали на основе голосования.

Вернусь к курсу, 

Курс короткий - 4 недели. И каждая неделя не перенасыщенная, поэтому курс очень удобен, поскольку при нашей занятости не получится, что мы забудем, про что начало курса, когда будем его заканчивать. Объяснения очень понятные.

Эконометрика в HR-аналитике (обзор курса)

25 декабря завершается курс по эконометрике на сайте «Открытого образования». Ведущий курса Борис Борисович Демешев – НИУ «Высшая школа экономики». Поскольку все тесты и экзамен мною уже сданы, можно считать, для меня курс пройден, и я могу поделиться своим мнением.

Неоспоримым преимуществом курса является то, что он ведётся на R. К сожалению, соотношение теории и практики не в пользу последнего, но прохождение курса обеспечит вас десятью скриптами с лабораторными работами, к которым вы всегда сможете обратиться в последствии. Как я говорю: аналитика – это не только про компетенции (хотя в первую очередь про них), но ещё и про культуру. Культуру работы с данными, с материалами, с бесценными скриптами и знаниями, которые вы получаете. Курс по эконометрике позволит развить как одно, так и второе.

Особенно полезным для аналитической практики я бы отметил то, что слушатель получит знания о том, как выгружать данные Российского мониторинга экономического положения и населения НИУ ВШЭ и работать с этими данными в R. Зачем это нужно? Для того чтобы тренировать аналитические компетенции на этих данных, особенно, если вы ограничены в этих самых данных и не знаете, где их взять для своего аналитического проекта.

Основная критика курса касается того, что, на мой взгляд, он пресыщен матричной алгеброй и математикой в целом. Для тех слушателей, чья знания в математике ограничены мат.статистикой, мат.методами в психологии и теорией вероятности, как в моём случае, такой объём серьёзных математических выкладок может показаться излишним.

Программа курса рассчитана на 15 недель и содержит следующие темы:

1. Метод наименьших квадратов
2. Статистические свойства оценок коэффициентов
3. Введение в R
4. Дамми-переменные, сравнение вложенных моделей
5. Графики, фиктивные переменные и прогнозы в R
6. Мультиколлинеарность
7. Гетероскедастичность
8. Мультиколлинеарность и гетероскедастичность в R
9. Автокорреляция
10. Метод максимального правдоподобия, модели бинарного выбора
11. Автокорреляция и модели бинарного выбора в R
12. Временные ряды
13. Эндогенность
14. Временные ряды и эндогенность в R
15. Дополнительные главы эконометрики

Следующий курс начинается с 12 февраля. Ссылка:

Statistics One

Не считая финальной контрольной, можно сказать, что мой первый курс на coursera - Statistics One - закончился. По результатам первой недели курса я писал отзыв - MOOC - опыт нового формата обучения. В данном посте хочу поделиться мыслями о курсе Statistics One и, в целом, форме обучения MOOC (massive open online course).

Statistics One

Содержательно, этот курс - фактически курс нашей матстатистики для студентов психологов (в приложении даю программу курса).
Курс длился 12 недель, каждая неделя включала видеолекции, лабораторную работу и задание, необходимое к выполнению. К услугам участников был учебный форум - форум очень живой, что делало выполнение домашних заданий очень легким. Совет от участников можно было получить всегда. Повторюсь, что видеолекции имели субтитры, поэтому можно браться за курс со слабым знанием английского. К концу курса английский подтягиваешь.