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: 704
Рецензии: 107

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

KV
8 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 :)

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.

Фильтр по:

76–100 из 105 отзывов о курсе Прикладные задачи анализа данных

автор: Anvar A

23 июня 2018 г.

Поставил 3 за плохую неделю с компьютерным зрением. Нейронные сети должны преподаваться отдельным курсом (слишком большая тема). В дополнение, формулировка задачи по ранжированию тоже ужасная. Пришлось помучиться с заданием. Из хорошего. Неделя по временным рядам классная. Неделя с текстами тоже интересная. В любом случае, спасибо за организацию курса и специализации!

автор: Stanislav L

5 дек. 2017 г.

В сравнении с предыдущими курсами, этот какой-то проходящий. Какого-то особого смысла я в нём не увидел. Некоторые задачи решались просто одним вызовом, без особого погружения в смысл, остальные - зачастую подбором ответов.

Очень понравился раздел по работе с текстами. Всё-таки, подача материала часто определяет впечатление от курса.

автор: Roman K

6 дек. 2019 г.

По сравнению с 4-м курсом этот курс слабоват: совсем мало практики, примеров. Более менее рассказано про временные ряды. Остальное - совсем по верхам. Где-то преподаватели даже поленились выложить лекции, есть только слайды (а они практически бесполезны без подстрочника). Видимо, под конец специализации все выдохлись)

автор: Arsenii M

1 авг. 2017 г.

Местами очень сыро и непонятно. Честно говоря, худший курс специализации, особенно подкачала вторая неделя. Зачем-то рассказывают о соревнованиях и сложных архитектурах, при это нет реальных примеров в Питоне, полезной информации очень мало. Я надеюсь, вы её переработаете.

автор: Шумилкин А Ю

8 янв. 2018 г.

Самый неудачный курс в специализации. Предыдущие четыре были замечательными, здесь понравились только временные ряды и анализ текстов. Все остальное либо рассказано странно, либо сопровождается странными заданиями, либо еще что-либо

автор: Александр

20 нояб. 2017 г.

Многократные попытки ответить на контрольные вопросы (точнее на один из них) опираясь на материал лекции ни к чему не привели. Либо лекция не раскрывает тему достаточно для правильного ответа, либо формулировка вопросов некорректна.

автор: Yuriy K

23 янв. 2017 г.

В общем и целом курс хороший, но тема про ранжирование сделана очень плохо. Особенно хочу отметить квиз про ранжирование. За него отдельное "спасибо".

автор: Vladimir A

25 мая 2019 г.

Полезно, но поверхностно. Часть про временные ряды скучновата, зато про нейронные сети слушать было одно удовольствие.

автор: Поздняков Ю О

29 дек. 2018 г.

Тесты очень напрягают. Хотелось бы иметь больше примеров задач и разборов решений с цифрами от а до я.

автор: Пропастин К Ю

2 дек. 2019 г.

Вторая неделя очень плохо сделана. Материал сложный и плохо объясненный. Задание вообще ужасное.

автор: Artem G

1 мар. 2020 г.

Курс отличный, но задание по нейросетям надо обновить. Ставлю оценку пониже, чтобы заметили!

автор: Evgeny D

2 июня 2017 г.

3й вопрос в тесте про ранжирование сильно подпортил впечатление о всем курсе.

автор: Sergey O

22 окт. 2016 г.

"Сырая" вторая неделя, не очень понятное задание финальной недели.

автор: Амиров Р М

19 июля 2017 г.

Интересный курс, за исключением раздела про анализ изображений

автор: Даркшевич А Н

5 нояб. 2019 г.

Очень поверхностно

автор: Коваленко М В

1 мар. 2018 г.

За временные ряды)

автор: Самойлов А С

5 июля 2018 г.

Курс вызвал у меня неоднозначные впечатления. Очень понравилась неделя Евгения с временными рядами. В целом в курсе идет краткий обзор всевозможных практических задач, при этом очень мало разборов задач. Было неплохо по каждой теме рассмотреть детально какой-нибудь реальную задачу, со всеми подводными камнями. Конечно я понимаю, что детально разобрать глубокие нейронные сети в компьютерном зрении, с учетом того, что в специализации по-сути их и не было, нереально, но в рекомендательных системах можно было бы разобрать что-то реальное к kaggle или что-нибудь настоящее. Там нет ни одного примера, а в задании люди вешаются от сложности. Нельзя от людей требовать то, чему вы их не учите. pdf лекции и презентации (за исключением временных рядов) в этом курсе подготовлены слабее, чем в остальных курсах специализации.

автор: Сергей Д

14 июня 2019 г.

Задачи неплохие, но всё равно есть неприятный осадок от данного курса, а именно по этим причинам:

1) Не везде есть конспекты - во всех курсах специализации изучал теоретический материал по конспектам- мне так удобнее

2) Python 2 - если в предыдущих курсах это было не критично, то в данном курсе намного лучше Python 3 был бы. Та же библиотека Tensorflow, которая используется в данном курсе, требует Python 3 например.

3) Не обновляются Ipynb блокноты- со времени последнего обновления блокнотов многие из используемых библиотек поменялись, и некоторые функции или параметры функций уже не работают. Последнее является бедой всех курсов специализации.

автор: Пенкин Г О

9 мар. 2017 г.

Курс в принципе нормальный, но 4 неделя это просто ужас, а конкретно задание по программированию.

Просто отвратительная постановка задачи. Нужно очень много времени, чтобы понять в чем заключается сама задача. Куча багов в системе оценивания. О всех замеченных багах написал на форуме. 4 пункт не стал делать, т.к. тупо жалко времени на поиск того, что от меня действительно хотят. И все бы ничего, если бы служба поддержки нормально работала, а по факту мои к ней вопросы так и остались без ответа.

автор: Evgenii K

25 окт. 2020 г.

Полное разочарование. Если предыдущие курсы специализации можно назвать полезными (несмотря на проблемы с отдельными темами или заданиями), то тут почти полный провал, все максимально поверхностно, задания оторваны от лекций, но при этом предельно простые. Пожалуй, хоть какая-то польза была от первой недели, дальше - полный швах, типа компьютерного зрения за три дня. Стоит проходить этот курс, только если очень хочется получить диплом специализации

автор: Ринат

22 апр. 2017 г.

Самый слабый из всех предыдущих курсов, плохо описан алгоритм выбора параметров для метода SARIMA в первой неделе(непонятно как на коррелограмме отличать сезонные лаги от несезонных), очень поверхностное задание по программированию во второй неделе, ошибки грейдера в последней неделе чуть с ума не свели.

автор: Шаланкин М Д

13 мар. 2019 г.

Не рекомендую к прохождению, за такую цену есть много актуальных новых курсов, а на всей этой специализации (начиная с третьего курса и далее) кривые задания, отсутствие поддержки, минимум студентов, которые смогут проверить вашу работу. Мне больше курс от вышки понравился.

автор: Анатолий С

29 июля 2019 г.

Курс, конечно, не идет ни в какое сравнение с первыми тремя, носит чисто обзорный характер, тесты и практические задания оставляют желать лучшего. Но пройти наверное стоит, тем более что это реально сделать за неделю

автор: Гаврилин Н П

1 апр. 2019 г.

Очень жаль, что материалы курса не позволяют самостоятельно работать ни с самими нейросетями, ни с инструментами их разработки

автор: Andrey A

10 февр. 2017 г.

Самый слабый курс специализации. Про сети много воды а потом практическое задание со ссылкой на документацию. Про рекомендательные системы, тав есть опрос решаемый только перебором. Ложка дектя в спецализацию а не курс. Если его убрать специализация тольок выиграет. Не ожидал такого подвоха после отличного 4-го курса.