Chevron Left
Вернуться к Прикладные задачи анализа данных

Отзывы учащихся о курсе Прикладные задачи анализа данных от партнера Московский физико-технический институт

4.4
звезд
Оценки: 725
Рецензии: 110

О курсе

Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалисты по анализу данных редко оказываются в такой идеальной ситуации. Обычно перед ними ставят задачи, которые нуждаются в уточнении формулировки, выборе метрики качества и протокола тестирования итоговой модели. Данные, с которыми нужно работать, часто представлены в непригодном виде: они зашумлены, содержат ошибки и выбросы, хранятся в неудобном формате и т. д. В этом курсе мы разберем прикладные задачи из различных областей анализа данных: анализ текста и информационный поиск, коллаборативная фильтрация и рекомендательные системы, бизнес-аналитика, прогнозирование временных рядов. На их примере вы узнаете, как извлекать признаки из разнородных данных, какие при этом возникают проблемы и как их решать. Вы научитесь сводить задачу заказчика к формальной постановке задачи машинного обучения и поймёте, как проверять качество построенной модели на исторических данных и в онлайн-эксперименте. На каждой задаче мы изучим плюсы и минусы пройденных алгоритмов машинного обучения. Прослушав этот курс, вы познакомитесь с распространенными типами прикладных задач и будете понимать схемы их решения. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Лучшие рецензии

PK
23 мая 2018 г.

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

IS
20 янв. 2019 г.

Замечательный курс, полный примеров из реальной жизни для получения опыта. Очень полезные и понятные лекции, конспекты. Очень рад, что смог пройти этот курс.

Фильтр по:

26–50 из 108 отзывов о курсе Прикладные задачи анализа данных

автор: Кира И В

9 июля 2017 г.

Курс интересен тем, что в нем рассматриваются примеры реальных задач, которые решаются в индустрии. Но мне он показался слишком простым по сравнению с 2,3 и 4 курсами. Можно усложнить его немного :)

автор: Nikolai L

18 янв. 2017 г.

Лучший курс специализации по части сложности и интересности задач. В видео лекций есть проблемы с версткой — не всегда виден текст, либо он закрыт картинкой.

автор: Гридасов И И

4 февр. 2019 г.

Курс даёт широкий взгляд на то, какие бывают задачи в анализе данных, с подробными pipelin-ами решений. В целом курс не сложный, но крайне полезный.

автор: Bakyt

9 окт. 2017 г.

очень полезный курс для тех, кто хочет освоить прикладные задачи машинного обучения

автор: Alexander G

5 нояб. 2016 г.

Хороший курс! Хотелось бы больше про обработку изображений. Хорошие задачи!

автор: Anatoli Y

29 нояб. 2017 г.

Good course however quite small from information perspective

автор: Хабибуллин С

26 июля 2021 г.

Х​ороший курс, финальный забег перед последним 6-ым курсом.

автор: Sergey P

3 мая 2020 г.

Good introduction to popular data science tasks.

автор: Виталий С

13 апр. 2018 г.

Хороший курс. Помог разобраться с проблемрй

автор: Kirill K

4 мая 2020 г.

Хороший материал и практические задачи

автор: Артем К

18 апр. 2017 г.

Отлично, как и все предыдущие курсы!

автор: Артём В

10 февр. 2018 г.

Интересный курс, и очень полезный.

автор: Зайнуллин Т В

19 июня 2020 г.

Очень интересный курс)

автор: Yuriy S

19 нояб. 2017 г.

Супер, как всегда!

автор: Anton B

29 мая 2017 г.

Отличный курс.

автор: Igor I

14 авг. 2017 г.

GREAT

автор: Vadim M

16 окт. 2016 г.

ok

автор: Sergey

11 апр. 2019 г.

The first week is totally outstanding. In fact, it has helped me a lot with my current project. In a nutshell, the course instructors have covered the field of the time series analysis, highlighting the important theory, and illustrating it with a nice programming example. That alone makes the course highly useful, and worth completing.

The second week - glossing over the entire field of image processing - was a good try. It is really nice that the course instructors have introduced TensorFlow - that's the way to go. Although, it has developed over the last two years, so it would make sense to rewrite the assignment using tf.keras. Perhaps, it would also make more sense to focus more on some of the image processing aspects - such as convolutional layers - instead of trying to cover everything at once.

The last two weeks definitely could've been improved. The amount and scope of theory is sensible, although in the multiple choice tests and the assignments, I literally had to psychoanalyze the instructors. There are two ways to deal with that: either to relax the 100% requirement in the multiple choice tests, or to better convey the questions. The same applies to the latest programming assignment.

автор: Радионов А

2 окт. 2017 г.

В целом отличный курс.

Но вторая неделя совсем не смотрится в сравнении со всеми остальными уроками. И общая структура странная, и выбор библиотеки непонятен: если уж выбираете такую сложную вещь, как Tensorflow, стОит объяснить, как им пользоваться. Во всех остальных случаях ведь шикарно был изложен материал.

И текстовка крайнего задания по программированию малость подкачала.

автор: Vladislav

31 янв. 2017 г.

Те недели, что запомнились:

Временные ряды - это классно, очень понравилась тема, узнал много нового.

Неделя про нейронные сетки была очень неинформативной. Конечно, это слишком объёмная тема для одной недели, но она сделана совсем плохо. Для нейросеток неплохо было бы сделать как минимум отдельный курс, а может быть и целую специализацию.

автор: Bulat K

2 янв. 2021 г.

Есть определенные сложности пройти курс отдельно в отрыве от предыдущих курсов. Есть особенности в принятии грейдером результатов, например кодировок. Для успешного прохождения курса необходимо серфить форум курса и телеграм канал школы. Лекций достаточно для прохождения тестов, но для решения задач необходимы дополнительные ресурсы.

автор: Alexander

3 мая 2017 г.

Есть места, которые нужно поправить: в задании на программирование первой недели почетче сформулировать определение метрик, в злобном квизе вынести сложный вопрос в отдельный квиз или упростить.

В остальном курс хороший, но предыдущие понравились больше.

Пожалуйста, добавьте конспекты и сделайте рассылочку по прошедшим курс!

автор: Павел М

9 сент. 2019 г.

Курс понравился, за исключением раздела про нейронные сети и анализ изображений (на мой взгляд, тема заслуживает отдельного курса, как с точки зрения рассматриваемых моделей и подходов, так и с точки зрения особенностей применения нейронных сетей в прикладных задачах)

автор: Timur B

10 июня 2018 г.

Неделя с нейронными сетями - тихий ужас.Первая неделя очень полезная, но можно чуть более подробнее объяснить некоторые моменты.Последняя неделя - мощь, задание очень непонятное, убивает время сильно, но позволяет немного поюзать Python.

автор: Mikhail E

6 окт. 2020 г.

Спорный курс. С одной стороны, очень классные лекции про временные ряды. С другой, остальные темы затронуты достаточно поверхностно, а лекции по computer vision ужасны. Стоит проходить, если нужно закончить специализацию.