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: 688
Рецензии: 103

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

Jul 09, 2017

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

May 24, 2018

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:

51–75 из 101 отзывов о курсе Прикладные задачи анализа данных

автор: Sergey K

Feb 24, 2018

Не понравилось задание по программированию из недели 4 (ранжирование) - все 4 ответа требуют по сути написания полного кода, нет возможности проверить частично выполненную работу

автор: Konstantin C

May 29, 2018

качество курса немного хромает по сравнению в предыдущими (менее "академичные лекции, pdf с материалом отсутствует). но в целом, лучшее из прошлых курсов сохранено.

автор: Gyrdymov I

Apr 01, 2017

В целом, курс интересен, однако была пара очень запутанных заданий, в частности, по временным рядам (тест) и по ранжированию (задание по программированию)

автор: Konstantin

Mar 17, 2017

лекции по компьютерному зрению и особенно задание по этой теме были ни о чём. "у вас нет линукса -- у вас нет зрения". даже немного обидно)))

автор: Игнатов К А

Oct 03, 2019

Большинство тем разобрано в качестве начального/обзорного уровня. Но есть полезные ссылки для более глубокого самостоятельного изучения.

автор: Любовь С

Aug 30, 2018

Очень уж галопом по Европам прошлись по нейросетям - отсюда ценность 2-й недели сомнительна. В остальном - хорошо.

автор: Pile I

Jul 24, 2018

Задача на последней неделе изрядно попила крови - хотелось бы , чтобы формулировка была более четкой

автор: Alexander P

Jan 20, 2019

It would be nice to have more practice with neuronets. Anyway it's very interesting course. Thanks!

автор: Роман

Oct 22, 2017

Курс слабоват в сравнении с предыдущими курсами, но все равно огромное спасибо его создателям!

автор: Беденко А А

Mar 17, 2018

Норм. Временные ряды клевые. Нейронные сети - IMHO не самая сильная тема. Но ниче, пойдет.

автор: Andrei S

Dec 07, 2019

Проблемным оказался курс по нейронным сетям. Теория и практика очень сильно отличаются.

автор: Artem L

Mar 23, 2018

Generally good and in-depth, but not quite accurate in providing information sometimes

автор: Nikolay E

Dec 28, 2017

Недели очень разные по сложности. 2 неделя про нейросети заслуживает отдельного курса.

автор: Dmitrii D

Mar 06, 2018

Хороший курс, но хотелось бы больше примеров кода с нейросетями.

автор: Романов Н

Aug 02, 2019

В целом курс хороший, но неделя с нейросетями - мрак.

автор: Корщиков М С

Apr 10, 2018

Отличный курс.

Минус только за тест Ранжирование

автор: Андрей М

Feb 19, 2017

Нейронные сеточки чет скомкано как-то были =(

автор: Ануфриев С С

Sep 02, 2017

Задания можно было немного посложнее делать.

автор: Yuriy

Nov 05, 2017

Мног неоднозначностей в данном курсе.

автор: Duman M

Mar 09, 2018

Нейронные сети не на должном уровне

автор: Maksim P

Oct 11, 2016

Спасибо за курс. Ближе к практике.

автор: Ruslan S

Jun 16, 2017

Кантора в отставку!

автор: Anvar A

Jun 23, 2018

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

Dec 05, 2017

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

Dec 06, 2019

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)