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: 1,375
Рецензии: 150

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

May 04, 2018

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

Jan 09, 2017

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

Фильтр по:

26–50 из 144 отзывов о курсе Поиск структуры в данных

автор: Kira V

Jun 08, 2017

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

Jul 05, 2020

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

Jun 01, 2016

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

May 04, 2018

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

Mar 04, 2019

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

Jul 07, 2017

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

Dec 20, 2018

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

Nov 30, 2017

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

Oct 22, 2017

Прием ответов заточен на определенные версии библиотек.

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

автор: Коротков В Е

Mar 22, 2020

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

автор: Igor M

May 14, 2019

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

автор: Крикливый А В

Dec 06, 2016

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

автор: Alexey S

May 23, 2016

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

автор: Ульянова М Г

Nov 02, 2019

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

автор: Егор

Dec 01, 2019

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

автор: Коротких М С

Jun 11, 2017

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

В общем было сложно, интересно и классно!

автор: Zakharenkov A

Jan 18, 2018

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

автор: Anatoli Y

Apr 06, 2017

Прекрасный курс, интересные практические задания, самостоятельно построенный тематический навигатор

автор: Alexander G

Oct 26, 2019

The course is interesting and worth to be completed, but it does seem a little bit outdated to me.

автор: Ilnur G

Feb 03, 2018

Отличный курс! Есть лишь одно замечание: стоит обновить грейдер под актуальные версии библиотек.

автор: Sergey M

May 20, 2016

Интересный курс для тех, кто на практике закрепить умение анализировать различные наборы данных.

автор: Алекс Г

Nov 24, 2017

Очень полезный курс! Жаль знания математики не позволяют глубоко понять излагаемый материал.

автор: Igor I

Jun 08, 2016

Можно немножко больше теории. А то как то и не то и не то. Задачки очень интересные

автор: Григорий У

Sep 12, 2019

Последнее задание не соответствует нынешней версии Bigartm. А так всё отлично.

автор: Роман

Jul 09, 2017

Отличный курс!

Замечательные преподаватели, интереснейший материал и задания!