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: 5,625
Рецензии: 947

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:

51–75 из 920 отзывов о курсе Математика и Python для анализа данных

автор: Горчичка

18 окт. 2020 г.

Курс - обучение боем. Это для меня!

автор: Ali T

29 авг. 2018 г.

Отличный базовый курс!

автор: Veronika D

22 дек. 2018 г.

Очень интересный курс, охватывает много областей математики, полезных для понимания алгоритмов машинного обучения и принципов анализа данных. Однако на мой взгляд некоторые важные и сложные темы были охвачены слишком бегло, я бы предпочла смотреть более длинные видео с объяснениями от лекторов этого курса, чем искать самой в интернете или читать учебники по теме...

автор: Капкаев Т Р

24 мая 2020 г.

Всё-таки нужно иметь чуть больше, чем нулевые знания по предмету: вроде бы заявлено, что курс базовый, но по факту лучше найти отдельные базовые курсы по Питону и/или по статистике, потому что здесь это скорее как напоминалка рассказывается.

автор: Волкович М С

10 мар. 2019 г.

Маловато практических заданий, курс сам по себе довольно простой для тех, кто хотя бы немного в теме линейной алгебры, тервера и матстата. Но при этом лекции, тесты и задания (особенно 2й и 4й недели) достаточно интересные.

автор: Александр В

24 авг. 2018 г.

Отличный курс! Местами не очень сбалансированный: сначала очень подробно даются основы, а потом тезисно более сложные вещи. Понятное дело, что в месячный курс не затолкаешь 2 года обучения в ВУЗе, но всё же)

автор: Andrei S

17 дек. 2018 г.

Часто теории из занятий недостаточно для выполнения практический заданий. В итоге на практику уходит значительно больше времени, чем указано в описании курса.

автор: Разумова М С

9 янв. 2019 г.

Интересный курс, помогает освежить знания по математическому анализу, статистике, линейной алгебре.

Жаль, обучение идет на Python 2, а не на 3.

автор: Alexander

28 дек. 2020 г.

Хороший курс для тех, кто ничего не знает про оптимизацию и анализ данных. Хорошо подобраны задания - позволяют освоить материал из лекций.

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: Alexander T

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: Александр

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