#образование
Моя история запуска школы ML
(часть 4) - с чего начинается разработка курса
В прошлый раз мы закончили на важном вопросе - с чего начинается разработка курса?📚
↪️Не буду томить: конечно же, с анализа потребностей аудитории. Для этого мы и проводили опросы перед стартом. Опрос проводился в этом канале как в основном канале привлечения слушателей на начальном этапе (дальше у нас тоже есть план, но всему свое время).
💭Честно говоря, когда я заводил телеграм-канал несколько лет назад, целью было ровно это - аккумулировать аудиторию до тех пор, пока я все-таки не решу, что именно сделать делом моей жизни дальше. Сейчас я определился со своей целью: построение экосистемы из компаний, занимающихся образованием, карьерным развитием, консалтингом, аутсорсом AI проектов и акселерацией AI-стартапов, с глобальной миссией замашинлернить весь бизнес в России и ряде соседних стран. И первый шаг к этому - школа машинного обучения MLinside.
🚀Но вернемся с небес на землю - к запуску первого курса. Мы с командой выбрали наиболее эффективный канал привлечения на старте (этот канал в tg) и начали с опроса. Он показал, что в основном у людей есть запрос на погружение в применение ML в бизнесе, в активно развивающийся сейчас Deep Learning и в конкретные узкие темы. При этом запрос на базовый ML тоже был большой. Дальше мы пересекли это с темами, по которым у нас наработано больше всего материалов сейчас (или по которым я знаю крутых преподавателей и команды, которые могут запустить классный курс). Мы учли уникальность курсов (чтобы на горизонте полугода у нас появился как минимум один флагманский курс, который пока еще не смог запустить никто, и который будет явным прорывом в обучении ML) и возникла примерная очередность запусков.
☝️Первым курсом стал базовый ML, потому что запрос на него хоть и не максимальный, но очень большой. И к нему есть очень много материалов (14+ лет только моего непрерывного преподавания студентам, сотрудникам компаний и даже школьникам, а есть еще другие преподаватели). Кроме того, более экспертные курсы точно будут создавать поток лидов и на узкие курсы, и на базовый ML. Поэтому хочется при запуске и продвижении экспертных курсов сразу иметь базовый, чтобы не терять лиды. Это мой довод за то, чтобы начинать все с начала, а не с того, что сейчас на хайпе.
Разумеется, можно сказать, что сначала нужно наоборот сделать супер-экспертные курсы, чтобы создать школе репутацию, а потом уже идти вниз по сложности и забирать рынок. Честное слово, обосновать можно все что угодно. Так что давайте остановимся на том, что первым делом мне хотелось взяться за то, что я точно могу сделать лучше всех. И опросы показали, что это не бессмысленное занятие. Даже в 2024 году, когда курсов по ML просто тьма.
📖Определившись с первым курсом, мы распараллелили процесс: набросали примерную программу с нашей экспертной точки зрения, чтобы уже собирать и дорабатывать материалы, а также продолжили заниматься кастдевом и узнавать больше о болях, потребностях и опыте наших будущих слушателей. О том, чем это закончилось, я буквально вчера рассказал в канале MLinside.
В итоге мы столкнулись с необходимостью перейти к более гибкому формату, который позволит пройти курс хоть за 2 месяца (как мы хотели изначально), хоть за 6. И опыт такого формата у меня уже был - это наша специализация «Машинное обучение и анализ данных», запущенная на Coursera Яндексом и МФТИ. Там действительно можно было все 6 курсов специализации при желании пройти хоть за неделю. Главное - успевать изучать контент и делать задания.
👥Чтобы лучше осознать и проанализировать тот опыт (очень успешный, 200+ тысяч слушателей тому подтверждение), мне теперь очень нужно опросить выпускников нашей специализации⬇️
Те, кто учился у нас на Coursera - пожалуйста, откликнитесь в комментариях к этому посту и напишите свой отзыв об этом обучении👇
Вы очень поможете появиться новому классному курсу своим фидбеком 🙂
Ну а в следующий раз я поделюсь с вами инсайтами из отзывов выпускников и тем, как они наложились на мой опыт преподавания. Поверьте, там было очень интересно!
Моя история запуска школы ML
(часть 4) - с чего начинается разработка курса
В прошлый раз мы закончили на важном вопросе - с чего начинается разработка курса?📚
↪️Не буду томить: конечно же, с анализа потребностей аудитории. Для этого мы и проводили опросы перед стартом. Опрос проводился в этом канале как в основном канале привлечения слушателей на начальном этапе (дальше у нас тоже есть план, но всему свое время).
💭Честно говоря, когда я заводил телеграм-канал несколько лет назад, целью было ровно это - аккумулировать аудиторию до тех пор, пока я все-таки не решу, что именно сделать делом моей жизни дальше. Сейчас я определился со своей целью: построение экосистемы из компаний, занимающихся образованием, карьерным развитием, консалтингом, аутсорсом AI проектов и акселерацией AI-стартапов, с глобальной миссией замашинлернить весь бизнес в России и ряде соседних стран. И первый шаг к этому - школа машинного обучения MLinside.
🚀Но вернемся с небес на землю - к запуску первого курса. Мы с командой выбрали наиболее эффективный канал привлечения на старте (этот канал в tg) и начали с опроса. Он показал, что в основном у людей есть запрос на погружение в применение ML в бизнесе, в активно развивающийся сейчас Deep Learning и в конкретные узкие темы. При этом запрос на базовый ML тоже был большой. Дальше мы пересекли это с темами, по которым у нас наработано больше всего материалов сейчас (или по которым я знаю крутых преподавателей и команды, которые могут запустить классный курс). Мы учли уникальность курсов (чтобы на горизонте полугода у нас появился как минимум один флагманский курс, который пока еще не смог запустить никто, и который будет явным прорывом в обучении ML) и возникла примерная очередность запусков.
☝️Первым курсом стал базовый ML, потому что запрос на него хоть и не максимальный, но очень большой. И к нему есть очень много материалов (14+ лет только моего непрерывного преподавания студентам, сотрудникам компаний и даже школьникам, а есть еще другие преподаватели). Кроме того, более экспертные курсы точно будут создавать поток лидов и на узкие курсы, и на базовый ML. Поэтому хочется при запуске и продвижении экспертных курсов сразу иметь базовый, чтобы не терять лиды. Это мой довод за то, чтобы начинать все с начала, а не с того, что сейчас на хайпе.
Разумеется, можно сказать, что сначала нужно наоборот сделать супер-экспертные курсы, чтобы создать школе репутацию, а потом уже идти вниз по сложности и забирать рынок. Честное слово, обосновать можно все что угодно. Так что давайте остановимся на том, что первым делом мне хотелось взяться за то, что я точно могу сделать лучше всех. И опросы показали, что это не бессмысленное занятие. Даже в 2024 году, когда курсов по ML просто тьма.
📖Определившись с первым курсом, мы распараллелили процесс: набросали примерную программу с нашей экспертной точки зрения, чтобы уже собирать и дорабатывать материалы, а также продолжили заниматься кастдевом и узнавать больше о болях, потребностях и опыте наших будущих слушателей. О том, чем это закончилось, я буквально вчера рассказал в канале MLinside.
В итоге мы столкнулись с необходимостью перейти к более гибкому формату, который позволит пройти курс хоть за 2 месяца (как мы хотели изначально), хоть за 6. И опыт такого формата у меня уже был - это наша специализация «Машинное обучение и анализ данных», запущенная на Coursera Яндексом и МФТИ. Там действительно можно было все 6 курсов специализации при желании пройти хоть за неделю. Главное - успевать изучать контент и делать задания.
👥Чтобы лучше осознать и проанализировать тот опыт (очень успешный, 200+ тысяч слушателей тому подтверждение), мне теперь очень нужно опросить выпускников нашей специализации⬇️
Те, кто учился у нас на Coursera - пожалуйста, откликнитесь в комментариях к этому посту и напишите свой отзыв об этом обучении👇
Вы очень поможете появиться новому классному курсу своим фидбеком 🙂
Ну а в следующий раз я поделюсь с вами инсайтами из отзывов выпускников и тем, как они наложились на мой опыт преподавания. Поверьте, там было очень интересно!