Chevron Left
Вернуться к Обучение на размеченных данных

Отзывы учащихся о курсе Обучение на размеченных данных от партнера Московский физико-технический институт

4.8
звезд
Оценки: 2,318
Рецензии: 303

О курсе

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина. В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Лучшие рецензии

RN

Jan 21, 2017

Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.

AG

Nov 15, 2019

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

Фильтр по:

226–250 из 285 отзывов о курсе Обучение на размеченных данных

автор: Vladislav Z

Mar 23, 2019

cool

автор: Гориненко А

Oct 04, 2018

Вау!

автор: Цхондия Г А

Nov 21, 2017

cool

автор: Байрамкулов А М

Nov 04, 2017

Каеф

автор: Андрей А В

May 07, 2017

Gj

автор: Катя

Jun 30, 2016

<3

автор: Sergey

Mar 14, 2019

Overall, it's a good course.

I enjoyed the choice of topics to be covered, the structure of the course, and especially the theoretical part. A minor comment: I think, theory transcripts, tests, and programming assignments would only benefit from bringing some extra clarity. Specifically, before any equations it would be reasonable to annotate and/or briefly explain the variables; in multiple choice tests, it won't hurt to formulate the questions in a way that reduces ambiguity; in programming assignments, it would help a lot to specify what you mean exactly when you say 'dataset' (perhaps, in fine print).

A major concern is that the course developers do not keep up with Python development. It doesn't bother me at all to create a virtual environment with Python 2, and to install an obsolete version of sklearn; however, you at least have to specify the correct compatibilities. Specifically, the assignments would state that the scripts run on sklearn 0.15 and newer, but that's not true. The import specifications and function names have changed drastically shortly after v0.15. Although some (unconvincing) reasoning for using python 2 is out there, I don't see how anyone could benefit from leaning the deprecated sklearn namespace. It's especially striking given that you charge for the course.

Overall, the benefits of the theoretical part outweigh the minor points mentioned above.

I look forward to starting the following courses of the specialization.

автор: Вернер А И

Jul 26, 2017

В целом курс очень полехный. Теоретический материал изложен очень хорошо, с большим количеством примеров, облегчающих понимание. Наличие конспектов экономит время, что тоже немаловажно. Единственное замечание по курсу - сложность заданий по программированию. На мой взгляд они зачастую являлись очень сложными, а поскольку решений этих заданий не имелось, приходилось часами, а порой и по нескольку дней, работать над каждым из них, что сильно замедляло процесс обучения и снижало мотивацию прохождения курса. Предлагаю авторам курса принять к сведению последнее замечание, и выложить в свободном доступе решения заданий, для тех обучающихся, которые затрудняются самостоятельно выполнить эту обязательную часть курса.

автор: Eugene M

Feb 05, 2017

В целом курс понравился, было много интересных и сложных задач, периодически приходилось хорошенько напрягать извилины. Материалы опираются на предыдущий курс и практически не требуют постоянного гугления, что тоже плюс. Впечатление немного испортила последняя неделя. Не очень понятно, зачем было в одну неделю укладывать столько разношерстных материалов. В итоге окончание получилось сумбурным. Если бы не этот казус и немного размытые постановки задач, в которых приходится долго думать над тем, чего от тебя хочет автор, вместо того, чтобы решать задачу, то курс бы заслужил полноценные 5 баллов. А в общем-то, большое спасибо за это крутое путешествие!

автор: Рогозин А

Apr 09, 2020

Курс вышел понятным.

Из плюсов могу выделить доступное изложение базовых методов классического машинного обучения. Такие понятные видеолекции мало где встретишь.

Из минусов курса могу выделить пятую неделю - она вышла галопом по Европам. Особенно лекции по нейронным сетям, которые не отличают информативностью. Домашнее задание с нейронными сетями пришлось с помощью танцев с бубном приводить в чувство, так как использована устаревшая библиотека и модули(

автор: Petr R

Mar 16, 2019

Такой хороший курс и так слили последнюю неделю. Сделайте уже что-нибудь с ней. Все в лучших традициях Воронцова : миллион формул на слайде, куча интегралов, выводы какие-то в две строки и "очевидные преобразования", далее задание на 5 минут, которое слабо связано с тем что происходило в лекции. Очень долго не мог закончить этот курс именно из-за этой недели, постоянно прокрастинировал её.

В итоге оценка за 1-4 неделю% 5 из 5

За 5 неделю : 1 из 5

автор: Ilya P

Aug 01, 2017

Второй курс специализации Яндекса (по ИИ) оставил противоречивые впечатление. С одной стороны, сделать продукт такого качества совсем не просто, и в русскоязычном пространстве вряд ли найдется более качественная специализация по ML. С другой стороны, подход Физтеха порой чересчур академичен, да и не расскажешь все за одну специализацию. Если параллельно подсматривать курсы на Udacity, например Deep Learning от Google, очень хорошо получается.

автор: Vadim K

May 29, 2018

Supervised learning part is much better than the first one in terms of the lessons, however it's not perfect. Neural networks lessons and assignments are really poor. I also find some things to not be expressed in enough details, it seems like not all pictures in the slides are correct. As I remember it was about uniform vs distance in KNN or SVM where overfitting graph is for distance(1) instead of uniform(1/d).

автор: Gennadiy B

Jan 13, 2020

В целом курс хороший, хотя теория рассказана поверхностно, это оставляет ощущение неудовлетворенности и неуверенности в том, что понял материал до конца. Это скорее выглядит как справка, которую принимаешь на веру. Задания выглядят как рецепт в кулинарной книги, но это хорошо. При желании можно разобраться в теме, подтянув знания по математике, жаль только литература вся на английском.

автор: Sergey O

Dec 10, 2019

Курс хороший. Познакомитесь с решающими деревьями, случанйым лесом, бустингом. Но вот некоторые блоки - нейронки, байесовские методы - на мой взгляд даны очень уж вкратце. Как обзор - подойдет, но в нем немного смысла, ведь мы все равно забудем эти вещи.

Я все равно рад, что прошел "Обучение на размеченных данных". Думаю, стоит погружаться дальше.

автор: Evgenii K

Mar 14, 2020

Хороший курс и задания интересные. Подкачала пятая неделя - как будто бы в последних блоках за три подхода по полчаса пытаются рассказать про нейронные сети, байесовские методы и метрические классификаторы, получается в итоге очень скомкано. С нейронками так вообще провал

автор: Domnin V

Jan 27, 2019

Любопытный вводный курс, дающий мне как новичку представление о сложившейся терминологии, базовых инструментах, а главное широте и объеме темы. Тема огромна.

Спасибо инструкторам за энтузиазм и информативность изложения. Получилось точно не хуже, чем AWS тренинг.

автор: Ivan O

May 02, 2018

Хороший курс, здесь совсем мало нейронок, но очень хорошее введение в целом в алгоритмы машинного обучения. На практике может занять больше заявленных 5 недель, ну и встречаются задания в которых нужно поплясать с бубном, чтобы ответ приняли.

автор: Alex Z

May 15, 2020

Курс неравномерный. Задания различаются по сложности очень сильно. Про нейронки очень сжато рассказано. Может , дальше будет. Если у вас нет хорошего знания мат.статистики, ищите на ютубе лекции, преподы курса не всегда хорошо объясняют.

автор: Gulnur B

Apr 12, 2019

Отличный курс! Расстроила только последняя неделя: неудачный выбор лектора в первом разделе; недостаток взаимосвязанности с предыдущим материалом; скомканность достаточно интересных тем. Тем не менее, огромное спасибо за вашу работу!

автор: Беденко А А

Jan 23, 2018

Жалко, что нейронные сети остались за бортом. С другой стороны - полученных знаний вполне хватает чтобы понимать учебники по НС. Так что наверстаем. 4 первых недели прекрасны. Последняя неделя - IMHO винегрет. Потому 4 из 5.

автор: Шаланкин М Д

Mar 14, 2019

Хороший сложный курс, насыщенная программа и интересные задания.UPD: (прошёл 5 курсов из этой специализации, никому не советую проходить больше двух первых, потому что цена - качество не соответсвуют)

автор: Stanislav

Feb 22, 2018

Замечательный курс, узнал много важных вещей. Но последняя неделя показалась несколько поверхностной. Надеюсь, что её материал будет рассмотрен подробнее в следующих курсах специализации.

автор: Радионов А

Sep 20, 2017

Курс отличный: грамотно подаются практические аспекты обучения с учителем. Правда, впечатление несколько портит использование Python 2 и странное задание с PyBrain. Но это не критично.

автор: Vladimir Y

Feb 14, 2018

Хороший курс, но есть ряд замечаний к практическим заданиям. Мне кажется они нуждаются в дополнительной проработке и им необходима более широкая лекционная поддержка.