Chevron Left
Вернуться к Математика и Python для анализа данных

Отзывы учащихся о курсе Математика и Python для анализа данных от партнера Московский физико-технический институт

4.8
звезд
Оценки: 5,463
Рецензии: 926

О курсе

Анализ данных и машинное обучение существенно опираются на результаты из математического анализа, линейной алгебры, методов оптимизации, теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понимать, как устроены методы анализа данных. Задача этого курса — сформировать такой фундамент. Мы обойдёмся без сложных формул и доказательств и сделаем упор на интерпретации и понимании смысла математических понятий и объектов. Для успешного применения методов анализа данных нужно уметь программировать. Фактическим стандартом для этого в наши дни является язык Python. В данном курсе мы предлагаем познакомиться с его синтаксисом, а также научиться работать с его основными библиотеками, полезными для анализа данных, например, NumPy, SciPy, Matplotlib и Pandas. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Лучшие рецензии

GD
8 авг. 2018 г.

Лучший вводный курс, который я видел. Есть мелкие огрехи в изложении математической части, но это ерунда по сравнению с четкостью и полнотой изложения программистской части и обилием примеров. Спасибо

KA
15 февр. 2016 г.

Прошел много курсов по Data Science, этот курс не разочаровал. Подается в лучших западных традициях. Неформально объясняется материал, много примеров. Надеюсь, и дальше специализация не подкачает.

Фильтр по:

51–75 из 893 отзывов о курсе Математика и Python для анализа данных

автор: Авилов А М

7 июня 2020 г.

Материал по теории вероятности и статистики без предварительных знаний довольно сложно понять.

автор: Vadim K

18 мар. 2018 г.

The intro about python was boring as hell. What was the point of spending so much time on pandas if it's not used in the course (week 1 - 4). It might be much better if instead of all python on week 1 you would actually show how to make next assignment task with the help of python. For instance on week 4 nothing was about scipy in the lessons and the final task requires scipy and numpy a lot. The theoretical lessons are good to watch but don't help to achieve the result, it sometimes unbelievably hard to match what was said in the lessons to the python. So, the course is not actually math AND python, it's more like some python, some math, now do what you want with these two. This is not how people learn. Even with solid math background and senior level java expertise I struggled a bit with assignment tasks. I wonder what people without such a solid background will do. Hopefully most of the people taking this course are either just graduated or came to the course with good programming skills.

Conspectus for videos do help, but I assume most of the people are not reading them and just mark as "complete" immediately. And even with conspectus not everything is clear in the course and assignment tasks. I understand you want to make videos lighter and avoid talking about python too much, but then it would make much more sense to give separate small assignment tasks for each python/science part required in the course. For instance separate task for scipy.stats to became familiar with rvs, var and other methods.

автор: Denis S

20 апр. 2020 г.

Много интересного материала, но к сожалению его подача фрагментарна и у Вас не возникнет целостной картины рассматриваемых предметных областей. Без изучения дополнительных материалов (и практического его применения - решения задач) курс мало эффективен. Ссылка на дополнительные материалы есть, но они из себя представляют многотомные книги. То есть представьте 4 тома Войны и Мира, которые заменили 10 листами А4. Я бы рекомендовал авторам значительно увеличить объем прикладываемых конспектов к лекциям, сейчас они практически один в один. Вот если бы в них кратко был изложили бы "толстые книги" и увеличили бы их объем раз в 10, то пользы от них и от "именно курса" было бы значительно больше. А так просто общее знакомство с несколькими предметными областями высшей математики широко используемых в Data Science, без значительного дополнительного изучения будут провалы в знаниях. Что потом может негативно сказаться на изучение последующего материала ("... Я так думаю" (фильм "Мимино")). P.S> На форуме, активное участие авторов курса было 4 года назад, сейчас как-то тихо, что тоже нехорошо для изучения курса, есть "Телеграмм", но об этом знают не все.

автор: Valeriia

10 апр. 2016 г.

Часть с матричными разложениями (3 неделя) была не самой удачной. Материал объяснялся скомкано, сжато, много важных шагов алгоритмов было пропущено. В слайдах много опечаток, не понятных картинок. В конспекте, прикрепленном к этой неделе, ситуация не лучше. Либо много опечаток, либо совсем не очевидные выкладки, нет объяснений этих выкладок, хотя в конспекте никто не ограничивает по времени. Спасали только остаточные знания по вычислительной математики. Зато последняя неделя удалась. Теорвер был объяснен понятно, не было ошибок, все четко. Спасибо за последнюю неделю, поняла гораздо больше, чем в свое время в универе.

автор: Gregory F

8 нояб. 2017 г.

Мне не понравилось изложение теоретических частей. Прям как школьник перед доской пересказывает выученные понятия. Такое ощущение возникает, что лектор не понимает, о чем говорит. В то же время, в начале курса обещали, что будут объяснять (а получается пересказ учебника, который можно и самому прочитать).

Это плохо сказывается на понимании таких теоретических частей. Так что если вы в математике не очень - в интернете есть целые сайты "высшая математика для чайника".

Но дальше, на более практических темах преподносится материал уже интересней.

автор: Nikolay G

6 мар. 2016 г.

Курс интересный сам по себе.

3/5 за то, что в момент подачи теоретической информации, в большинстве случаев нет примеров использования на практике. В результате, вместо того, чтобы тратить по 5-6 часов в неделю - уходят все выходные для того, чтобы понять, какие величины использовать каким образом.

Возможно, вопрос моей низкой базовой подготовки в этом направлении.

В целом - вы молодцы.

автор: Александр Т

10 июля 2018 г.

Курс откровенно слабоват по сравнению с последующими курсами специализации. Питон хорошо бы давать в значительно большем объеме. Иначе даже те, кто хорошо владеют другими языками программирования, на последующих курсах будут тратить до 90% времени на изучение необходимых приемов обращения с данными в питоне, а не на предметные упражнения.

автор: Olga V

11 июня 2018 г.

Расчитывала на Питон. Оказалось, что базовая математика - есть, а Питона - нет. Соответственно, время, указанное на выполнение задач по программированию далеко от действительности. Для самостоятельного изучения информации вне курса, смысл в курсе сужается до необходимости получения сертификата. Мои ожидания не оправданы.

автор: Alexander B

2 сент. 2020 г.

Мне кажется, что подача материала очень плоская. Не чувствуется, что преподаватель хочет объяснить суть, а просто несется по синтаксису. Сравнивая с теми же лекциями МФТИ по Алгоритмам от Хирьянова - небо и земля.

автор: Katherine K

3 авг. 2018 г.

The first part was okay but the statistics course is awful. I spent 90% of my time just to understand very vague questions and tasks and only 10% to implement.

автор: Maslova A O

11 мая 2020 г.

Недостаточно практических материалов, которыми можно воспользоваться при выполнении больших заданий. Тесты в видео лагают и с ошибками.

автор: Andrey K

5 сент. 2017 г.

Математическая теория дается малопонятно для тех, кто ранее эти темы затрагивал только поверхностно.

автор: Maxim V

28 янв. 2017 г.

Очень плохо даются объяснения. Мне было трудно понимать без дополнительного материала

автор: Артеменко Я

13 сент. 2019 г.

Если не знаешь математику и python - слишком сложно, если знаешь - слишком легко.

автор: Яскевич А С

13 апр. 2019 г.

Too simple and incomplete (At least for me, as a MIPT stident)

автор: Козлов И А

25 февр. 2019 г.

долго ждать требуется, пока люди проверят

автор: Владимир Ш

19 окт. 2016 г.

Первый 3 недели, еще более менее держали качество, последняя 4 неделя, ужастно сделано, теория обьяснена очень плохо, так что без дополнительной литературы не разберёшь, спрашивает зачем тогда курс.

Задания для домашке притянуты за уши, никакой практической пользы, хотя можно было сделать очень качественно и довольно просто.

Я прохожу не первый раз такие курсы, скажу,что конечно слабовато, не ожидал что под брендом МФТИ такое будет

автор: Alexey

1 мар. 2017 г.

Материалы в лекциях и конспектах в курсе Математика и Python для анализа данных (4я неделя) не объясняют вопросы в тестовых заданиях и вопросах. Почти всегда приходится обращаться к сторонним источникам по вопросам теории вероятности и статистики.

Пока что курс Machine Learning от Andrew Ng более понятный с моей точки зрения.

автор: Andrey A

5 февр. 2018 г.

Очень общий и короткий рассказ о фундаментальных вещах, которые хотелось бы понимать глубже. Мало примеров. Можно было бы давать ссылки на дополнительные материалы сразу в соответствующей теме.

Приходится тратить кучу времени на поиск информации в интернетах.

автор: Vladimir Z

20 окт. 2016 г.

Информация поверхностная. За такие деньги ожидал гораздо более глубокого изложения со сложными задачами, на которые на самом деле нужно потратить время.

автор: DMITRII K

17 апр. 2020 г.

Не подойдет для тех, кому надо восстанавливать мат.знания

Невозможно выполнить некоторые задания на основе информации курса. Зачем тогда вообще курс? Пусть мне будет непонятно, но хотя бы пример , по подобию которого я бы смог сделать задание ДОЛЖЕН быть, за это платятся деньги. Учитывая еще тот факт, что задания проверяются такими же студентами, т.е верное решение объяснено получено не будет. В итоге демотивация и нежелание продолжать.

Лекторы , на мой взгляд, для преподавания слишком молоды. Не хватает пояснений на более грубых примерах, т.е. заботы о лучшем/легком восприятии в ущерб точности. Материал излишне сокращен.

Мало примеров и визуализации в ходе пояснений(касается мат. пояснений, не питона)

Сам нашел иной источник по изучению Машинного Обучения, так же присматриваюсь к иным курсам от других преподавателей на этой платформе.

Из-за фокусировки на проблеме подачи материала знания в голове не структурируются, в таком случае эффективнее прекратить работать с этим источником и искать иной, подходящий. Видно , что лекторы(касается именно мат. лекций) знают свою область, но преподаванием им заниматься не стоит, пусть лучше общаются с коллегами.

автор: Pavel D

5 окт. 2016 г.

Ужасно скучная и нудная подача материала, через 5-6 минут видео начинает тянуть в сон. Вспоминаю своего преподавателя по программированию в университете, которая в таком же формате пыталась рассказать про C++. В итоге у всего курса знаний - 0 ! Здесь все очень сжато подается, по сути лекторы зачитывают конспекты/тезисы, которые они знают или подготовили для данного курса. Еще раз убеждаюсь в том, что знание предмета и преподавание - это две совершенно разные вещи. Моя оценка курсу - 1, жаль, что не успел вернуть деньги.

автор: Kulish O

2 мая 2017 г.

Очень неприятные впечатления оставил данный курс. Несмотря на то две последние недели были и полезны, и понятны. Задача на схожесть текстов со второй недели поставила меня не просто в тупик, а оставила очень негативные впечатления.

Материалов не только недостаточно, но и не понятно где можно почитать дополнительно о методах заполнения той же матрицы, или подсчёта элементов. Вместо пары часов угробил на эту задачу времени больше ем на весь курс.

Никому не рекомендую! !

автор: Шевчук А В

2 апр. 2020 г.

С первых уроков предлагает установить анаконду 2.7 версии которой уже нет на сайте, как решать этот вопрос не понятно. Наверно курс точно не для новичков. Либо для хоть что-то знающих о питоне, либо для тех у кого в реале есть помощь от знающих. Отказываюсь от прохождения курса, если уже на первом шаге такой затор из-за несоответствия курса и реальных сегодняшних условий

автор: Anton G

1 февр. 2019 г.

Worst course I have ever seen. Explanations are unclear, examples are not demonstrative and tasks are stated so, that you have to read someones mind to figure out what you have to do.