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: 5,626
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

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

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.

Фильтр по:

76–100 из 920 отзывов о курсе Математика и Python для анализа данных

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 D

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: Григорьев А В

7 нояб. 2019 г.

Очень большой уклон в математику, видео посвящены математике. Питон немного был вначале(установка основных библиотек и основные функции), а начиная со 2 блока предлагается его изучать самостоятельно по конспектам.

Практическое применение Python в контексте решаемых задач в видео не рассматривается на примерах. Предлагается изучать самим.

Курс нужно переименовать в "Математика для анализа данных"

автор: Vjatseslav J

4 сент. 2019 г.

Guys need to explain in more details with more real world examples and visualise things, otherwise the level of teaching is inadequately low.

автор: Evgeni N

19 дек. 2017 г.

Без примеров, без разборов, без нормального объяснения, дорого, ограниченное время на прохождение.

автор: Yevhenii Z

19 февр. 2016 г.

Assighnment is partly possible only with classmate who has full knowledge of python!

автор: Волынский А Н

28 июня 2017 г.

Очень слабый курс. Мало практики, сухая теория.

автор: Andriy S

14 дек. 2020 г.

Хороший, интересный курс! В целом хорошая работа преподавателей. Но нельзя не сделать несколько замечаний. 1) Все же курс не для "начинающих", как он позиционируется. Хорошо бы начинающему курс иметь некоторый опыт программирования и пройти хотя бы самый простой курс Питона, ну скажем, я б рекомендовал классический №67 на Степике. Лично у меня был уж не такой малый опыт в Питоне, потому никаких трудностей не было, однако тот Питон, что на этом курсе, из цикла "галопом по Европам", и притом сильно быстрым галопом, пропуская многое. 2) В принципе тоже можно повторить и про требуемые основы анализа и теории вероятности и мат. статистики. 3) Что вообще характерно для он-лайн курсов, особенно с попыткой охватить некую обширную тему - как у этого курса! - то этот самый галоп с пропуском многих полезных подробностей и особенностей. Потому не стоит рассчитывать, что тут вас сделают специалистом - ну где-то покажут дорогу, направления, дадут опору и толчок к более глубокому изучению того, что надо. 4) Вывод. Лично для меня курс был подходящим и в целом несложным по заданиям. Что там будет у других - не скажу, многое зависит от предыдущей подготовки и опыта.

автор: Petr K

22 июля 2018 г.

This is a Russian course so it'd be better if I continue in Russian to :)

Цель этого курса - подготовить к непосредственно началу изучения Машинного Обучения.

В отношении меня цель была выполнена - я восполнил пробелы в тервере, матстате и numpy+pandas. Остальные темы знал довольно хорошо, т.к. уже что-то повторял + прошел курс от Andrew Ng. Из-за этого скорость прохождения была неравномерной - это нормально. Так что будьте тоже готовы, что какие-то темы пролетят очень легко и быстро, а на каких-то чуть подзависнете.

Очень понравился темп и глубина изучения. Темп очень спокойный, темы специально чередуются. Изучение довольно поверхностное, но при этом нужные слова упоминаются, оставляя возможность доизучать самому. С одной стороны курс не перегружается, с другой - обозначены термины для самообучения.

Здесь чувствуется некоторая свобода - просто завершить курс легко и быстро, большого труда не составит. Задания и практические семинары составлены таким образом, что есть много свободы для "поковыряться" самому.

Спасибо большое ребятам за отличный курс! Уже вовсю изучаю следующий))

автор: rerf2010rerf

30 мая 2019 г.

Хороший вводный курс в специализацию, позволяет понять набор тем, которые будут впоследствии затронуты и освежить их в памяти, не сильно зарываясь в детали. Конечно, если есть, что освежать) Но курс именно что вводный и явно не для новичков в программировании и математике, так что если у вас по этим темам только забытые школьные знания, то вы в нём вряд ли что-то поймёте, придётся много учиться самостоятельно по университетским учебникам, или взять курс попроще. Но лично для меня это был плюс, математическое образование и работа программистом за плечами всё таки)

Ещё из несущественных минусов - курс до сих пор на Python 2.7, хотя до окончания его официальной поддержки осталось меньше года. Впрочем, вам ничего не помешает использовать python 3, как я и сделал. Единственное неудобство - некоторые предоставляемые в курсе примеры и notebook'и придётся немного править, чтобы запустить их в 3 версии питона.

автор: Maksim S

28 февр. 2018 г.

Хороший курс, позволил вспомнить вышку, и понять, как её можно использовать в своей профессии. Серьёзный минус преподавателям в универе - и думаю, не только в моём - это то, что математика даётся совершенно абстрактно. В итоге несколько лет учёбы, если студент дальше сразу не уходит в math-related область, оказываются просто потеряны. А ведь могли бы добавить чуть проблемоориентированности и прикладных моментов, и поднять как качество образования, так и престиж учреждения, на новую планку.

Из минусов данного курса - очень высокий темп передачи информации. Первые лекции зашли хорошо, но дальше всё объясняли более и более кратко, и теорию вероятности и статистику, например, пришлось пересматривать по нескольку раз, параллельно разыскивая краткий и по-человечески написанный материал на тему. Но ставлю всё равно "отлично", так как получилось здорово и познавательно!

автор: Ivan G

5 мар. 2016 г.

GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT!

автор: Кузьмин Ю

25 июня 2017 г.

Отлично заставляет вспомнить универ и напоминает базовые понятия матанализа, линейной алгебры, теории вероятности и статистики. Доступным языком, сжато и понятно (почти везде). Правда, из-за сжатого формата лекций приходится иногда обращаться к внешним источникам, но это только "плюс", если ты нацелен на развитие, а не просто получение сертификата. Интересные практические задания и тесты углубляют понимание и заставляют по-новому взглянуть на, казалось бы, понятные вещи и понятия.

В работе тоже помогает - и как улучшение профессиональных навыков аналитика и как дополнительное развитие в целом. Для тех, кто никогда не программировал и не изучал матан/линейку/тервер может быть сложновато учиться, совмещая учёбу с полной занятостью на работе.

автор: Ivan C

15 окт. 2017 г.

Побольше бы по python - использование алгоритмов, опора именно на синтаксис, которые не реализуется в других языка, а то ведь я, например, писал код "теми же граблями", что и в других языках, а если посерфить в i-net - классные вещи люди вытворяют;

явно поменьше б пределов, производных - тут ведь не школьники все же, и других базовых глав мат дисциплин; Теорвер - далеко не самое лучше разъяснение материала, ну может это вследствие лимитированности видео-записей, но тогда: а зачем они вообще, если свою функцию не выполняют, а если говорить: ну материал же простой - тогда зачем на него время тратить, а лан - тут одна демагогия...

Спасибо, теперь только ipython notebook буду использовать

автор: Белякова М С

20 авг. 2017 г.

Спасибо всей команде-разработчиков данного курса! Было очень интересно его проходить.

Понравилось, что знания математики тут же находили реализовывались в Python.

Очень понравилось последнее задание про проверку ЦПТ, когда ты видишь на реальных выборках и реальном коде работу теории. Теория подкрепляется практикой, это очень круто.

Еще раз спасибо вам!

Одно маленькое замечание про то, что в первых двух неделях знания по Python очень не ложились.

То есть много было теории, а чтобы научиться, нужно попробовать. Да, после были задания написать код на Python, но все равно, мне кажется, много что я пропустила мимо ушей из первых лекций потому, что не попробовала написать код.

автор: Vladislav K

21 нояб. 2018 г.

Хороший курс для того чтобы получить/освежить знания по математике и Python. Конечно, многие темы затрагиваются лишь поверхностно, но вы всегда можете более подробно почитать о них в рекомендуемой литературе. Задания неплохие, показалось что даже слишком легкие, но если вы новичок в Python, то у вас могут возникнуть трудности, да и в принципе хотелось бы больше заданий по программированию. Отдельно хочется отметить конспекты: они очень хороши, уверен, что буду пользоваться ими, для того чтобы освежить знания. Из минусов могу отметить использования 2-й версии языка Python, я сдавал 3 и особых проблем не возникло, но все же решил об этом упомянуть.

автор: Породнова М А

19 июля 2018 г.

В обучении в рамках данного курса все понравилось.

Есть один нюанс - я начинаю совсем с "0". 11 лет назад окончила Физтех УПИ и с тех пор по профессии не работала, сейчас начинаю все сначала. В программировании опыта совсем нет, поэтому было бы здорово увеличить объем информации именно по программированию, как таковому. Понимаю, что в основном на такое обучение приходят не новички, но может быть для нулевых пользователей вы сделаете допраздел с большим количеством информации по программированию, заданиями на технику программирования, на оптимизацию кода и т.д.

В остальном, все понравилось. Иду учиться дальше на следующие курсы.

автор: Ульянова М Г

31 июля 2019 г.

В таком сжатом, а главное, понятном виде суметь изложить основы мат. анализа, линейной алгебры и мат. статистики с теорией вероятности, да еще и с практическим применением полученных знаний в Python - это по-настоящему круто! С помощью этого курса я освежила подзабытые знания и сумела понять некоторые вещи, которые остались непонятными в процессе получения очного высшего образования в университете. И это классно, когда лекции настоящих профессионалов можно слушать дома, когда тебе удобно, и можно пересмотреть столько раз, сколько нужно, чтобы действительно понять материал, а не просто прослушать ради галочки.

автор: Nataliya V

6 апр. 2020 г.

Прекрасный курс от лучшего университета нашей страны (МФТИ) и лучшей ИТ-компании РФ (Яндекс)! Отмечу высокую концентрацию знаний - пришлось "вспомнить всё" из университетских курсов: мат. анализ, линейную алгебру, мат. статистику, теорию вероятности, методы оптимизации, а также изучить много того, что не знала раньше. Порой было очень непросто, но зато азартно и увлекательно, огромное спасибо! Отдельная благодарность всем преподавателям и разработчикам курса, а также менторам, которые терпеливо отвечали на вопросы на форуме. Мне особенно помогли рекомендации Алексея Задойного, спасибо!

автор: Вячеслав О

7 нояб. 2016 г.

Спасибо за курс!

Идеально подойдёт для тех кто изучал математику в универе, слушая "одним ухом" и толком не вдаваясь в детали. У меня было так, потому что просто не понимал, зачем могут быть нужны все эти матрицы, векторы, кроме как для фундаментальных теоретических исследований, которые меня мало интересовали. Оказалось, это может быть полезно и на практике. Курс хорошо освежает в памяти забытые формулы и понятия. Однако, из-за предельной краткости и лаконичности изложения некоторые вещи остаются не понятными и приходится обращаться к дополнительным источникам, но это вполне нормально.

автор: Рогозин А

9 апр. 2020 г.

Курс позволяет получить необходимую базу, без которой не получится в дальнейшем в полной мере изучать линейные модели, регрессию, деревья и т.п. В редких местах было непонятно, благо есть замечательный сайт Mathprofi, который я помню ещё со студенческой скамьи, и справочники в интернете по Питону. Увы, курс изучал больше, чем месяц)

Хотелось бы больший акцент на numpy - мне показалось, что ему уделили не так много внимания, хотя это мощный инструмент для работы с векторами.

Спасибо за курс, было познавательно.

P.S. Без базовых знаний матана будет сложно, берегитесь)

автор: Dasha S

15 авг. 2016 г.

Курс хороший. Мне помог вспомнить, что я забыла со времен университета. Но я часто ловила себя на мысли, что, если бы мне надо было не вспоминать, а изучать весь материал с нуля, было бы сложно. Задания интересные и отлично возвращают в забавное состояние, когда ты одновременно знаешь, что требуется сделать в целом, и останавливаешься на какой-нибудь мелочи, вроде квадратиков вместо русских букв, и вынужден пересматривать лекции вновь и вновь, потому что точно помнишь, что где-то там объясняли, что делать, чтоб так не случилось, но ты, конечно же, пропустила.

автор: Ivan S

20 янв. 2018 г.

Очень хороший курс. Много сложных и интересных заданий, много практики. Большая часть необходимой теории, особенно математической рассказывается довольно подробно. Много пояснений из реальных примеров из практики, что помогает лучше настроиться. Жаль, что для освоения некоторых практических заданий всё же необходимо обращаться к другим источникам, читать документацию. Жаль, что нет некоторых подготовительных материалов, которые бы представляли отдельные элементы ipython-ноутбуков для практических заданий. Но и за это тоже большое спасибо, молодцы!