Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.
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!
автор: Eugene M
•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
•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
•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
•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
•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: Dmitrijs B
•Курс отлично сбалансирован по содержанию в нем теории и практики. Он прекрасно подойдет для тех кто хочет узнать математику ML и практичесткое применение методов. Однако он может не подойти для тех кто хочет ориентироваться исключительно на практику. Ставлю только 4 зведы так как некоторые практические части давно устарели и используют не актуальные Python библиотеки, но это небольшая проблема.
автор: Gennadiy B
•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: Mikhail I
•Огромная просьба к авторам курса переработать Programm Assignment в третьей неделе. Проблема с некорректным кодированием признаков и измененного в sklearn.LogisticRegression солвера по умолчанию заставляет потратить какое-то огромное колчиество времени на преодоление (и то только с помощью форума, где про все эти проблемы было написано как минимум год назад)
автор: Sergey O
•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: Ivan H
•Хороший курс с доступно обьясненной теоретической базой. Но большой проблемой являются устаревшие тексты заданий, которые не обновляются, в отличие от python и его библиотек. Вследствие этого выполнение этих заданий занимает гораздо больше времени, чем хотелось бы, большая часть которого идет на исправление ошибок составителей заданий.
автор: Artem S
•Курс хороший, объясняется доступно, мне показался легче первого, спасибо преподавателям курса за отличные ноутбуки заданий первых недель, я получил удовольствие от их выполнения. последняя неделя испортила впечатление, если так говорить о нейросетях, то уж лучше, наверное вообще не говорить.
автор: Evgenii K
•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
•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
•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
•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
•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
•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
•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
•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
•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
•Хороший курс, но есть ряд замечаний к практическим заданиям. Мне кажется они нуждаются в дополнительной проработке и им необходима более широкая лекционная поддержка.
автор: Волков П М
•Вторая часть курса явно не так хорошо нормирована. Задания стали куда более трудоемкими и при этом их количество так же увеличилось. Но за теорию спасибо
автор: Dmitriy R
•Практическая работа по нейронным сетям не дала никаких навыков по работе с ними. Просто copy-paste предыдущих строчек кода в этом же ipython notebook.
автор: Vadim T
•Велика разница между преподавателями. Особенно неудачно, на мой взгляд, освещались темы Байесовской классификации и регресии и метрические алгоритмы
автор: Martynov E E
•Тяжко разбираться в теорвере, если воспринимать всю даваемую в курсе математику всерьез. Хотелось бы, чтобы было больше рекомендаций по литературе.