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: 5,459
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:

176–200 из 893 отзывов о курсе Математика и Python для анализа данных

автор: Alexei K

10 авг. 2016 г.

Отличный курс, интересные задания.

Спасибо что выбрали Python, а не R. Python более универсальный, лучше документирован и быстрее развивается. И отдельное спасибо за использование Jupyter-ноутбуков, работа в них получается наглядной и удобной.

автор: Митягин К С

5 апр. 2016 г.

Курс хорошо структурирован, преподаватели отлично доносят материал до слушателя. Практических заданий,на мой взгляд, можно было сделать больше и немного сложнее. В целом, курс понравился и появились интерес и желание пройти всю специализацию.

автор: Ольга К

9 янв. 2020 г.

Спасибо преподавателям, курс позволил вспомнить математику и познакомиться с Python. Это было не очень просто, но, точно, полезно, и для текущей работы, и для возможной будущей. Хочу дальше изучать направление "Анализ данных" и язык Python.

автор: Семенюк А П

16 янв. 2019 г.

Понравился формат подачи информации, видеоуроки понятны, конспекты подробны, ноутбуки полезны для решения тестов и заданий по программированию. Изучала Python с нуля, и за короткий срок смогла понять многие аспекты. Все очень понравилось!

автор: Габсатаров Ю В

15 янв. 2019 г.

Курс очень интересен и полезен всем, кто хочет получить представление о методах работы с данными. Для освоения желательно, но не обязательно, иметь представление об основах программирования, математического анализа и теории вероятностей.

автор: Юрасик Г А

19 мар. 2019 г.

Хорошо структурированный курс, имеет оптимальное соотношение объема излагаемого материала к объему знаний, необходимых для ознакомления с темой и первичного ее освоения. Дает в хорошей пропорции необходимую теорию и практические навыки.

автор: Сумин В Д

16 февр. 2021 г.

Имею высшее, связанное с математикой, и знаком с синтаксисом пайтона, поэтому было слишком просто. Для повторения основных формул или получения представления о том, какие навыки и знания понадобятся в дальнейшем, курс подходит отлично.

автор: Вероника И

6 мая 2020 г.

Математика довольно простая, особенно на первых двух неделях, все изучала в институте. Но на данном курсе теория хорошо проиллюстрирована. А с python было сложновато. Мне кажется лучше проходить этот курс будучи уже знакомым с python.

автор: Melnikov A A

2 мая 2018 г.

Курс помог мне освоить основы математического анализа и статистики. Они применимы на практике от того особенно ценны. Практические задания закрепляют навыки применения алгоритмов при помощи популярных библиотек SciPy, NumPy и Pandas.

автор: Timur G

14 окт. 2020 г.

Курс рассчитан на тех, кто уже знаком с материалом. Хороший дайджест важных вопросов, есть любопытные методические находки. Несколько неравнозначный подход у различных преподавателей и неоднородное распределение нагрузки по темам.

автор: Гридасов И И

26 июля 2017 г.

За час рассказать вкратце программу первого курса по матану и линальной алгебре, думаю у вас получилось) Плюс ещё и изучили основные библиотеки python для анализа данных, думаю дальше на этой базе посторится отличная специальзация

автор: Кроо Д С

18 февр. 2019 г.

Очень хороший и продуманный курс. Единственное -- иногда не хватает размеренности и строгости в математической части. Некоторые вещи (например, pandas) уже забыл, т.к. использовал один раз, но верю, что в следующем курсе вспомню.

автор: Andrey S

15 окт. 2017 г.

Курс хорош, особенно для тех, кто проходил все эти математические выкладки в универе, но потом за ненадобностью забыл. Освежает в памяти и учит научным вычислениям на python. Радует большое количество примеров и сниппетов кода.

автор: Yanovskiy A O

9 июля 2020 г.

Отличный курс! Позволяет получить самые базовые знания математики и программирования для дальнейшего обучения. Для человека хоть немного знающего питон и математику, освоить курс вполне реально, но могут встречаться трудности

автор: Roman Y

3 сент. 2016 г.

Отлично сформированный курс, постепенно вводящий человека в прекрасный и удивительный мир машинного обучения. Пожалуй единственный минус это очень малая активность в обсуждениях задач и лекций, всё остальное мне понравилось.

автор: Manakov A V

17 окт. 2017 г.

Отличная подача и набор, представленного в курсе, материала.

Материал по Python - думаю лучше углубить и расширить (более подробно рассказать ).

Тервер и статистика понравились больше всего.

Молодцы!

Спасибо за курс.

автор: Sybyl A

28 янв. 2019 г.

Курс понравился, хорошо направляет в теоретическую часть анализа данных. Возможно, на начальном уровне математического аппарата будет достаточно, но для серьезных вещей его однозначно нужно будет развивать и дальше.

автор: Ponomarev D

3 апр. 2016 г.

Отличный курс, хорошая подача материала.

Четвертый раздел показался довольно сложным. То ли он сам по себе такой, то ли стоит немного иначе структурировать материал. Возможно, необходимо больше примеров и их решений.

автор: Степанов А В

9 дек. 2017 г.

Понравились конспекты, видеолекции, задания.

Из косяков: явно заниженное расчетное время просмотра видео, выполнения заданий и чтения конспектов. Как минимум в три раза. Не принципиально, но в заблуждение вводит )

автор: Eugene M

22 сент. 2016 г.

Отличный курс, который сразу окунает в предметную область. Но придётся изрядно попотеть, если вы забыли матанализ, линейку и тервер - необходимо будет изучать многие вещи самостоятельно, чтобы во всём разобраться.

автор: Maxim

14 дек. 2016 г.

Отличный курс!

Помог систематизировать имеющиеся знания, приобрести новые знания, взглянуть на темы, раскрываемые в курсе, с другой стороны и лучше понять прикладной аспект математики, раскрываемой в данной курсе.

автор: Khan N

20 июля 2020 г.

Курс в целом понравился. Выдержан баланс - чтобы не расслабляться, но при этом мозги не "перекипают"). Заметила некоторые неточности в тесте на 1-2 неделе в предложенных вариантах ответов, но не критичные.

автор: Roman Z

7 сент. 2018 г.

Курс мне очень понравился. Доходчиво объяснили математические понятия, используемые в data science. Правда блок по статистике похуже. Его не совсем понятно объяснили. Но в целом курс на 5 балов. Рекомендую.

автор: Алексей К Д

25 янв. 2018 г.

Отличный курс: не нудный, с разнообразными практическими заданиями, и главное - очень полезный. Вспомнились задачи, которые когда-то делал в универе, теперь мне понятно, зачем они были нужны :) Так держать!

автор: Gyrdymov I

1 апр. 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.