Chevron Left
Вернуться к Поиск структуры в данных

Отзывы учащихся о курсе Поиск структуры в данных от партнера Московский физико-технический институт

4.7
звезд
Оценки: 1,423
Рецензии: 161

О курсе

В машинном обучении встречаются задачи, где нужно изучить структуру данных, найти в них скрытые взаимосвязи и закономерности. Например, нам может понадобиться описать каждого клиента банка с помощью меньшего количества переменных — для этого можно использовать методы понижения размерности, основанные на матричных разложениях. Такие методы пытаются сформировать новые признаки на основе старых, сохранив как можно больше информации в данных. Другим примером может служить задача тематического моделирования, в которой для набора текстов нужно построить модель, объясняющую процесс формирования этих текстов из небольшого количества тем. Такие задачи назвают обучением без учителя. В отличие от обучения с учителем, в них не предполагают восстановление зависимости между объектами и целевой переменной. Из этого курса вы узнаете об алгоритмах кластеризации данных, с помощью которых, например, можно искать группы схожих клиентов мобильного оператора. Вы научитесь строить матричные разложения и решать задачу тематического моделирования, понижать размерность данных, искать аномалии и визуализировать многомерные данные. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Лучшие рецензии

PK
3 мая 2018 г.

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

AA
8 янв. 2017 г.

Интересный курс, замечательные преподаватели. Есть моменты когда лекция довольно сложная, а тест простой, это оставляет тревожное ощущение недоученности :)

Фильтр по:

26–50 из 155 отзывов о курсе Поиск структуры в данных

автор: Nadezhda K

9 дек. 2019 г.

Все как всегда было очень интересно и увлекательно! Не без мелких косяков конечно с заданиями, но вдвойне мотивировало учиться с ребятами искренне интересующимися специализацией. Без сомнения пройду оставшиеся курсы специализации и жду новых интересных заданий

автор: Максутов

22 дек. 2016 г.

Было здорово. Особенно интересным в плане контента показались кластеризация и визуализация.

Рекомендую курс всем начинающим data scientist'ам. Преподаватели последовательно и интересно излагали материал, а задания были несложными, но контролирующими понимание.

автор: Pavel S

10 авг. 2017 г.

Отличный курс! Тематика и содержание полностью соответствуют аннотации. Дает достаточно глубокие теоретические и практические навыки. Формирует прочную базу для дальнейшего самостоятельного освоения предметной области.

Спасибо авторам!!!

автор: Ivan S

7 сент. 2018 г.

Замечательный курс! Очень помог в изучении и освоении алгоритмов обучения без учителя. Теперь чувствую себя более уверенно в работе с данными и их обработкой. Может, смогу сделать что-нибудь прикладное в данной области.

автор: Вернер А И

12 сент. 2017 г.

Очень интересный и познавательный курс. Материал изложен доступно и достаточно подробно. Большое спасибо команде курса. Единственный недостаток - очень сложное второе задание по программированию за последнюю неделю.

автор: Anatoly R

27 июня 2018 г.

пожелание, чтобы везде четко прописывались версии библиотек, используемых в демонстрациях.иначе сложно разобраться, где результат не воспроизводится из-за версии, а где ошибка из-за зависимостей в разных версияъ

автор: Ленар С

8 февр. 2018 г.

Было бы хорошо, если бы создатели курса писали, какими версиями библиотек надо пользоваться, а то на последней неделе запарился с третьим заданием, которое правильно считает только определенная версия gensim

автор: Кира И В

8 июня 2017 г.

Замечательный курс (как и вся специализация)!

Отдельное спасибо за интересные задачи, особенно про выбор мест для установки рекламных баннеров и про тематическое моделирование на примере кулинарной книги.

автор: Петренко А

5 июля 2020 г.

Тем, кто честно прошел 1-й и 2-й курсы специализации, данный курс зайдет с удовольствием. После прохождения курса лично у меня сложилось системное представление об обучении без учителя. Рекомендую.

автор: Konstantin T

1 июня 2016 г.

Отличны курс! Спасибо большое создателям! Отличная подача материала, хорошие практические примеры и вообще всё просто классно! Категорически рекомендую, в том числе начинающим :)

автор: Petr K

4 мая 2018 г.

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

автор: Майоров К Н

4 мар. 2019 г.

Хотел бы поблагодарить организаторов и преподавателей курса! Материал дается очень доступным и понятным способом! С нетерпением жду прохождения новых курсов специализации!

автор: Полушин В О

7 июля 2017 г.

Отличное изложение материала, математика "в полный рост" (поэтому, не вспомнив теорию вероятности, работать по курсу очень тяжело), и практические примеры. Отличный курс

автор: Artem D

20 дек. 2018 г.

Хороший курс, но без поиска доп. информации в интеренете почти по всем темам не обошлось.

С другой стороны, это естественный процесс при самообразовании. Так что все ок.

автор: Зубачев Д С

30 нояб. 2017 г.

Интересный и важный курс. Много полезных практических задач из жизни. Особенно понравилась задача с размещением баннеров и ПостНаука :) Спасибо огромное авторам!

автор: Жданюк А А

22 окт. 2017 г.

Прием ответов заточен на определенные версии библиотек.

Можно было указать конкретные библиотеки, или скорректировать ответы, так как библиотеки дорабатываются.

автор: Коротков В Е

22 мар. 2020 г.

Отличный курс! Особенно понравилось задания последних двух недель - из-за того, что выработался навык самостоятельной настройки рабочего окружения

автор: Igor M

14 мая 2019 г.

Отличный курс, хорошо изложена теория, практические задания интересны и хорошо помогают глубокому пониманию и усвоению материала.

автор: Крикливый А В

6 дек. 2016 г.

Прекрасный курс для задач кластеризации и визуализации данных, а также для работы с признаками и построения тематических моделей.

автор: Alexey S

23 мая 2016 г.

Изначально хотел поставить 3 или 4, но тематические модели спасли. Материал очень полезный. И изложение на высоте. Спасибо.

автор: Ульянова М Г

2 нояб. 2019 г.

Немного не хватает практических заданий на Python по кластеризации. В целом, как и предыдущие курсы, замечательный!

автор: Егор

1 дек. 2019 г.

Стоит немного доработать последние два задания под современный условия. В остальном, всё отлично. Спасибо за курс!

автор: Коротких М С

11 июня 2017 г.

Честно говоря, прослушивал многие темы по два раза. И это дало плоды!

В общем было сложно, интересно и классно!

автор: Zakharenkov A

18 янв. 2018 г.

Очень круто. Все как всегда на высоте. Немного задания были тяжеловаты, но в целом можно разобраться. Спасибо.

автор: Anatoli Y

6 апр. 2017 г.

Прекрасный курс, интересные практические задания, самостоятельно построенный тематический навигатор