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: 5,618
Рецензии: 946

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

GI
31 мар. 2017 г.

Курс замечательный, прошел его еще в октябре 2016, отзыв пишу спустя почти полгода, лекции из курса до сих пор периодически читаю, дабы оставаться в форме. Материал изложен кратко, доступно и по делу.

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

Фильтр по:

826–850 из 918 отзывов о курсе Математика и Python для анализа данных

автор: Дмитрий О

1 июня 2020 г.

Курс хорош. Но последняя неделя не очень понятная. На мой взгляд, в ней, просто читать формулы в видео не достаточно. Нужно больше аналогий и примеров для 4-й недели .

автор: Vladyslav B

24 янв. 2019 г.

Хорошее введение в матчасть ML. Минус - формулы неплохо бы еще раз вычитать, иногда параметры в левой части не соответствуют параметрам в правой без пояснений.

автор: Поздняков Ю О

12 окт. 2018 г.

Примеры решения задач хотя бы в небольшом объеме желательно интегрировать в сам курс. Гугл конечно в помощь. Но для обучения было неплохо иметь их под рукой.

автор: Tema R

6 мар. 2016 г.

На мой взгляд, в начале курса маловато практики,

хотелось бы, чтобы практики было столько же, а лучше еще больше, чем в частях про вероятность и статистики.

автор: Юлия

3 мар. 2016 г.

Если изучали математический анализ, теорию вероятности, математическую статистику более 5 лет назад, то лекционного материала недостаточно чтобы вспомнить.

автор: Anton R

19 мар. 2018 г.

Хорошо организованный курс. Возможно, тема pandas выбилась из тематического ряда, либо стоит добавить примеров использования табличных данных для анализа.

автор: Andrey

19 янв. 2019 г.

Местами текст лекций кажется немного однообразным, однако в целом объем знаний довольно ёмкий, за что курсу большое спасибо. Немного завышена стоимость.

автор: Alexander A

26 февр. 2018 г.

Все очень хорошо, но мне как новичку в математике и статистике было тяжело все понять. Было бы здорово, если бы больше было примеров решения! Спасибо.

автор: Валерий С

25 окт. 2016 г.

Питон можно было вообще здесь не трогать, т.к. сильно отдельная вещь. И математику максимально разбавлять примерами из жизни и наглядными аналогияим )

автор: Alexander P

18 апр. 2016 г.

Очень доступно объясняется, подача материала хорошая. Местами опечатки и оговорки. Задания сложные, на автомате нельзя выполнить, что является плюсом.

автор: Сергей К

19 янв. 2017 г.

Некоторые моменты в курсе весьма спорны (в частности один из вопросов по производным, пересмотрел пару раз учебник, правильный ответ - неправильный)

автор: Игорь С

30 окт. 2020 г.

Маловато теории, к сожалению. Я был бы очень не против, если бы вы расширили данный курс специализации для того, чтобы дать больше математики.

автор: Ягудин И В

5 июля 2020 г.

В целом курс соответствует ожиданиям.

Одно замечание - сложность заданий для самостоятельного выполнения сильно различается от недели к неделе.

автор: Портнов Н С

25 июня 2018 г.

Было бы неплохо либо больше математических пояснений, либо больше простых пояснений понятий. Особенно это касается статистики и теор. вера.

автор: Жаворонков С В

11 нояб. 2018 г.

Все отлично, но хотелось бы больше по теории вероятности. Возможно потому, что я в ней полный ноль и очень тяжело пришлось с задачками.

автор: Konstantin S

6 июня 2021 г.

Хорошая подача материала. Но хотелось бы чтоб в проверочных тестах было больше практических задач ( в части теории вероятностей)

автор: Andrew K

10 дек. 2016 г.

This was a very interesting course, though a little longer videos on applications of maths in data science would have been nice.

автор: Rubinstein D

27 февр. 2017 г.

Actually, I think that information is incredibly relevant, but I need more examples - as simplified as possible - in lectures

автор: Боймель А А

23 февр. 2016 г.

Math is rather boring, but programming is too fast sometimes. Also, it would be better to have more programming assinments.

автор: Vladimir I

31 авг. 2017 г.

Хороший курс. Совсем начинающим будет непросто (вообще без питона и матана). Не ясна мотивация выбора python2 (а не 3).

автор: Поляков С В

14 дек. 2019 г.

Хороший курс, пока все нравится, жаль что вся практика на Python2, Хотелось бы, конечно, на последней версии языка)

автор: Evgeny N

12 дек. 2017 г.

В лекциях мало, очень мало практических материалов!!! Приходилось искать на стороне объяснение теории на практике.

автор: Миронова Н

10 окт. 2016 г.

Хорошая подача материала, только ответы на несколько вопросов из теста по типам данных не нашла. Может проверите?

автор: Aleksey S

17 мая 2020 г.

Очень мало времени на освоение материала. Нужно либо подробней разбирать теорию или увеличить количество времени

автор: Narek

30 апр. 2016 г.

Курс ознакомит вас с темами, которые если вы не освоили, то должны будете освоить, чтобы понять анализ данных