Отзывы учащихся о курсе введение в машинное обучение от партнера НИУ ВШЭ

В целом курс выглядит неплохим. Из недостатков:

1. Кто-то уже отмечал, что курс "скомканный". По-видимому, составители использовали свою стандартную очень объёмную программу обучения, вырезав из неё бОльшую часть материала. Возможно, требуется ещё немного отшлифовать данный курс, чтобы он выглядел более целостным.

2. Курс довольно сложный, хотя позиционируется как вводный. Для досконального понимания всего материала лекций требуется хорошее знание многих областей математики. В связи с этим было бы неплохо добавить больше заданий на понимание теории и/или подсократить эту самую теорию.

3. Хотелось бы более подробной расшифровки формул в тексте презентации.

Лекции совершенно не согласуются с заданиями и квизами. С тем же успехом вместо лекций могли бы дать ссылки на википедию и прочие ресурсы, где приходится искать ответы на нераскрытые в лекциях вопросы, пытаясь понять что авторы курса имели в виду. К тому же, терминология авторов курса расплывчата и отличается от информации, которую можно найти в интернете. Курс, в котором требуется знание в предметной области, не покрываемое лекциями, нельзя называть введением. Это обманывает слушателя. Но в целом курс понравился. Я не жалею что продержался до конца. Многие вещи оказались действительно интересны и полезны. Большое спасибо авторам!

Курс понравился, легче пошел чем аналогичный у Andrew Ng.

Сложно разбираться с математическими выкладками, много из них глубоко понять не получается.

Тем не менее, я ознакомился с базовыми алгоритмами машинного обучения, и популярными ансамблями. Очень порадовало финальное задание - было интересно и практично, давно не знал как подступиться к Kaggle.

Тема нейронных сетей очень поверхностна. Нужно дополнительную неделю-две или даже отдельный курс чтобы раскрыть эту тему полностью. Не хватает практического задания по нейронным сетям, не хватает практики по кластеризации и частичному обучению.

В целом доволен!

Сам по себе курс хороший и нужный. Но уж очень "резво" спланирован. Указанные в описании "3-5 часов в неделю" реальны для тех, кто хорошо ориентируется в математике, знает питон и знает библиотеки, которые используются. Такому человеку, по большому счету, этот курс не особо и нужен :) А для остальных будет правильнее "3-5 часов в день".

Складывается ощущение, что цель курса не столько обучение, сколько отбор.

Все же, я постараюсь его пройти. Авторам курса огромное спасибо - очень помог сориентироваться в новом для меня вопросе, понять что к чему и куда двигаться дальше.

Плюсы

Русская локализация.

Строгий математический фундаментальный подход к подаче материала. Это усложняет курс, но затрагивает некоторые моменты в данной области, которые не затрагиваются в других курсах.

Практические рекомендации при решении как тренировочных, так и настоящих задач.

Минусы

Достаточно высокий порог вхождения.

Лектор занимает половину слайда и отвлекает. Стандартом в MOOC(и более грамотным с точки зрения восприятия информации онлайн) считается подход, когда лектора нет на видео, но есть материал, и "живые рукописные" заметки для пояснения части материала.

Спасибо за познавательный курс!

Константин Вячеславович великолепный лектор: материал подан лаконично, но в достаточном объеме. Отличное введение, отличная сводка. Приятно видеть в курсе нормальную математику и отсутствие объяснений "на пальцах".

Для успешной сдачи programming assignments, к сожалению, не требуется глубокого понимания предмета, достаточно навыка писать несложные скрипты. На мой взгляд, эта часть могла бы быть интереснее и сложнее. Стоило включить в задания реализацию базовых алгоритмов ML, помимо использования готовых из пакетов.

Спасибо!

Для тех кто любит классическую русскую школу Машинного обучения. Для старта желательно знать основы и терминологию линейной алгебры и мат.анализа. Но в принципе уровень практических заданий не особо высокий. "Действительно введение" . На каждое практическое занятие придется отправлять от 1 до 5 (кажется больше не было) текстовых файлов с одним ответом в файле!!! Идея с проверкой финальной работы самими студентами - экзотика. Особо в курс создатели не вкладывались. Но тому кто ищет знания - тот их здесь найдет.

Хороший курс. Можно в сжатые сроки познакомится с темой, даже заинтересоваться и заодно освоить Python. Суровой математики здесь ждать не надо, но наверно оно и к лучшему, все таки курс не зря называется "Введение". Замечательные лекторы - их было приятно слушать. А вот задания к сожалению к 6 неделе надоели, потому что сложнее не становились или просто не отличались разнообразием. Хотя финальный проект был интересный - решение дать игрушечное задание, но на реальных данных, явно было удачным.

курс приятный, но не всегда понятно, о чем в данный момент говорится.

к примеру, не всегда понятно объяснена математика - а объяснение "на пальцах" не до конца разжевано, в итоге получается недорассказанность, которую приходится выковыривать где-то на других ресурсах (благо, ссылки на них предоставляются)

субтитры явно писались машиной (это очень заметно на последних двух неделях) :)

в целом, курс приятный, стабильно слушается на скорости 1.25. Интересные задания, отзывчивый форум.

This is good!

Хорошая обзорность курса. Очень компактное представление. Качественная запись лекций.

Есть проблемы с соблюдением компромисса между углублением в детали и обзорностью курса. Ведь по сути дела это вводный курс. Так большая часть математики не проходит в практических заданиях. И не понятно зачем тогда она нужна: все равно студенты забудут это сразу после лекции. Было бы лучше уделить внимание более глубокому сравнению тонкостей различных методов на практике.

Сам курс очень понравился, но немного смазывают картину задания - в курсе рассказывается про математическую основу, а в заданиях идет применение конкретного пакета на Python причем по большому счету в режиме черного ящика. Хотя в описании стоит "Очень желательно знать Python", по факту знать его строго необходимо для прохождения курса (вариант - учить в параллель, но тогда будьте готовы что у вас это будет занимать больше заявленных 3-5 часов в неделю)

Очень сложный курс из-за большой плотности материала. Очень мало времени и заданий на усвоение теории. И фактически теория оторвана от практики. Не чуствуется связи теории и практики. У меня не получилось их связать. Те вещи которые я знал, были понятны. То что не знал, ищу в других местах. В целом обучение напоминает техникум: главное не теория и ее понимание, а набор инструментов. С другой стороны похожих курсов на русском практически нет.

Курс очень хороший, приходится ломать голову, чтобы понять теорию, по несколько раз пересматривать, но всё это понять нужно. С заданиями надо ломать голову ещё сильней, и они составлены ужасно, всегда приходится что-то делать не так, как в инструкции, чтобы выполнить его, встречаются противоречия, некоторые указания просто не работают на практике. Иногда без захода в обсуждения вообще непонятно как его делать.

Платформа курсеры это просто ужас. Все недостатки этого курса происходят именно от платформы. В самом курсе много полезных материалов. Слишком, на мой взгляд, много математической информации, которую можно обобщить до смысла параметров оптимизации и регуляризации и способа работы моделей. Получил много практических навыков работы с данными, с Ipython notebook и python вообще. Советую для начинающих.

Присоединяюсь к критиканам особенности подачи материалов курса.

Сначала думал, что мне не хватает математической подготовки, но когда прослушал ролик про прекрасно знакомую мне логистическую регрессию, понял, что проблема не в математической подготовке, а в стиле подачи лектора.

Спасибо за курс, но в будущем, пожалуйста, делайте объяснения более интуитивными, со схемами, объяснением сути и примерами.

Формулировка заданий требует переделки. Для новичков нужно более точные формулировки, что нужно сделать и к какому ответу они должны прийти. Финальное задание нужно дать в двух вариантах: не все играют в Dota и трудно анализировать и обрабатывать данные не имя достаточного опыта. Также в финальном задании используется функция ix , от которой уже отказались - нужно переделать, а то путает

Практическая часть в этом курсе отличная, а вот с теорией, на мой взгляд, получилось не очень. Может быть, я такой тупой, но мне показалось, что всё рассказывалось кратко и при этом очень обобщённо. И поэтому сложность была запредельная. ИМХО, для "введения" такой подход не самый лучший. Предпочёл бы смотреть "полные" варианты этих видео из курса ШАД, чтобы как-то разобраться в вопросе.

Отличный курс с замечательными примерами, позволяющими на практике попробовать методы, о которых было рассказано в лекциях.

К недостаткам курса хотелось бы отнести излишнюю сжатость в изложении того, как требуется выполнять то или иное задание, из-за чего пришлось потратить немало времени, прежде чем многие из них стали работать правильно.

Слишком сложная и редко демонстрируемая на практике теория в лекциях, приходится тратить много времени сверх лекции на понимание материала в ней. Стоит выделить больше времени в лекции подходам, помогающим на практике понять, какие методы лучше применять и от чего это зависит, как разные методы по-разному решают конкретные кейсы и почему.

Наверное хорош для ознакомления. Хотелось бы услышать какие технологии будут более востребованы в ближайшие годы. На что сделать упор. Без подглядывания в учебник математики трудно уловить мысль. Трудно связать лекцию с кучей математики с реализацией на алгоритмов на pyton. Возможно большая часть замечаний отпадет с опытом. Посмотрим...

Отдельно теория и практика хороши. Но они не особо связаны.

В теоретической части я добавил бы еще больше наглядных примеров. В практической - более жизненные данные. Во многих примерах данные были синтетические.

И самое главное - не хватает "лабораторных работ", в которых инструктора показывали бы, как чем пользоваться.

Очень понравился курс, ничего не понимала раньше в машинном обучении, этот курс здорово помог, но была не очень доступная теория, не так легко было понимать все формулы, которые быстро переключались на слайдах, но практика была супер, прям интересные задания и как раз для новичка, спасибо всем организаторам :)

Сухую математику, причем иногда очень нетривиальную, нужно разжевывать на примерах. Это хорошо получалось у Соколова. Что качается заданий: работа с sklearn очень полезна, но задания были бы еще полезнее, если бы в них нужно было бы реализовывать некоторые алгоритмы из лекций самостоятельно.

Классный курс, море математики и объяснений, но это далеко не для новичков. Как минимум, проходящий этот курс человек должен хорошо представлять хотя бы на словах действия и особенности разных алгоритмов, а этот курс поможет понять данные методы глубже через математику.

Хорошо подобраны задания (числовые, категориальные признаки, работа с текстом, и, даже, картинками).

Если дойти до конца, то должен сформироваться неплохой багаж примеров о том, как проводить обучение моделей. Так же можно прокачать навыки владения scikit-learn и pandas.