Chevron Left
Вернуться к Введение в машинное обучение

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

4.6
звезд
Оценки: 2,396
Рецензии: 490

О курсе

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше. С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать. Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности. На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. Вы изучите основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Узнаете об основных методах машинного обучения и их особенностях, научитесь оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Наконец, познакомитесь с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. Для работы мы будем использовать реальные данные из реальных задач. Краткая программа курса: Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса. Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент. Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации. Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент. Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети. Неделя 6. Кластеризация и визуализация. Частичное обучение. Неделя 7. Прикладные задачи анализа данных: постановки и методы решения. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования. Очень желательно знать Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn. Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных. Мы уверены, что этот курс будет полезен каждому, кто хочет постичь искусство предсказательного моделирования и освоить интеллектуальный анализ данных. Появились технические трудности? Обращайтесь на адрес: coursera@hse.ru...

Лучшие рецензии

AA
14 июня 2016 г.

Хороший курс без лишнего. Некоторые методы, предлагаемые в заданиях не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста, но, надеюсь, с новыми сессиями будет развитие курса.

AL
24 сент. 2018 г.

Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.

Фильтр по:

451–474 из 474 отзывов о курсе Введение в машинное обучение

автор: Ivan Z

10 июня 2016 г.

Больше на русскоязычные курсы даже не хочу пробовать тратить время. Правда не хочу никого обижать - но...Ребята, для кого вы делаете эти курсы? Сплошной математический спам. Ну не поленитесь - посмотрите курсы своих коллег - того же Andrew Ng. Сделайте хоть маленький шаг, чтобы перестроиться с формата - "рассказать так, чтобы больше принесли денег на сессию" на "рассказать так, чтобы стало понятно, и принесли деньги благодарные студенты с первой зарплаты". Я благодарен Богу, что знаю английский и могу получить те знания, которые хочу в понятном виде, а не гору спама, который вроде и по теме, а вроде и гора мусора. Я посетил лекции в самом Стэнфорде в университете, когда был там. Преподаватели улыбаются и от всей души стараются научить.

Я очень верю в наших преподавателей, и верю, что вы когда-то изменитесь - или прийдет новое поколение, которое все изменит.

автор: Mikhail T

8 мар. 2016 г.

Теория как-то не очень хорошо соотносится с практикой. Лекции, на мой взгляд, недостаточно систематизированны.

Практические задания направлены только на обучение использованию библиотечных функций и должны выполняться жестко фиксированным способом. При малейших попытках отклонения от него превращаются в "угодайку" задуманного правильного ответа.

Отдельно стоит упомянуть способ проверки заданий. Вместо простого ответа нужно отправлять файл с одной строчкой-ответом. Преподносится это как ограничение платформы Coursera, но в других курсах такого ограничения нет. Плюс совершенно непонятно, почему было нельзя просто заменить такие задания тестом со свободными ответами.

Курсовой проект довольно интересный, но зачем-то там опять пошаговая инструкция на тему что и как надо сделать.

автор: Evgeny V

20 июня 2017 г.

Как всегда в российском образовании, преподавательский состав не утруждается подготовкой материала. Со стороны кажется, что весь материал готовился так: "раз я понимаю, расскажу своими терминами, путь и другие понимают".

Лекции изобилуют терминами, на которые не даны сноски, или даны, но это кроличья нора.

Не важно насколько продвинута тема, она должна объясняться так, чтобы быть понятной ребёнку! В пример можно поставить курс Andrew Ng: всё либо дано максимально понятно, либо он оговаривает/обозначает те области которые он не рассказывал подробно но они будут использованы в его материале.

автор: Evgeniy R

15 авг. 2017 г.

Очень странный крус, непонятно на кого расчитанный. Теоретические лекции почти никак не соотносятстя с практическими занятиями. Крайне сомнительна польза данного курса, как для понимания теории, так и для понимания реальных задач работы с данными. Очень плохо описаны практические занятия, можно было подробней описать последовательность применения процедур из пакета sklearn. Одновременно проходил курс Andrew Ng из Стэнфорда. Совершенно иной подход. Всем рекомендую именно этот курс Machine Learning. И теория и практика там значительно лучше представлены.

автор: Najib M

7 февр. 2016 г.

Крайне слабая подача материала, воспринимать его на должном уровне вы сможете только освежив знания по мат. анализу и другим предметам, изучаемым в высших учебных заведениях. Ко второй неделе вы рискуете потерять понимание происходящего при выполнении практических заданий, однако в погоне за "Зачетом" сделать вы их все же сможете, но лучше иметь знания программирования на Python

автор: Maxim V

18 сент. 2016 г.

Лекции обзорные, для их понимания требуются дополнительные источники информации. Некоторые задания очень простые и для их выполнения не требуется понимание материала.

автор: Fedorov I

6 февр. 2016 г.

Лекции - хорошие, а вот задания нельзя выполнять никак кроме как используя sklearn, хотя курс по машинному обучению, а не по данной библиотеке, это очень печально.

автор: Ilya B

13 февр. 2016 г.

рассказывают одно, спрашивают другое, а на практике третье

автор: Карпов А И

27 июня 2019 г.

Новичку крайне сложно воспринимать информацию

автор: Ólafur Þ

1 окт. 2016 г.

Слоооожно

автор: Katya H

18 февр. 2016 г.

Курс мне абсолютно не понравился. Изложение материала с нагромождением фомул. Отсутствует практическая подача материала. За два часа лекций не было разобрано ни одного примера. Питон (ради которого я записалась на курс) вообще присутствует только в домашних заданиях. Я ожидала разбора возможностей питона в рамках машинного обучения с теоретической выкладкой.

Если за первые 20 минут упомянуть 25 разных формул, это не поможет студенту усвоить материал. Я не спорю, что материал в этом курсе возможно лучше всех возможных на свете, мне не удалось этого узнать, так как манера подачи материала отбила желание продолжать учебу.

Кстати, почти все теории, изложенные в первой лекции, используются мной на практике. Но от этого изложение материала не стало понятнее.

автор: Просин Р А

8 мая 2020 г.

Материалы частично устарели.

Лекции Константина Воронцова ужасно скучные и бесполезные. Он просто читает заученный текст и видимо сильно волнуется. Слушать не возможно. Кроме того, сами лекции это озвучивание учебника, с кучей формул на заднем плане, которые ни о чём не говорят, так как мелькаю быстро и не разу не объясняются.

Прочитав два абзаца здесь https://docs.microsoft.com/ru-ru/dotnet/machine-learning/how-does-mldotnet-work, я узнал и понял больше чем за все видео лекции первой недели...

Я рекомендую Константину поучится публичным выступлениям и оформлению презентационных материалов.

И в целом курс рекомендую актуализировать. Как минимум версию python обновить и инструкции.

Сделать задания более практичными и интересными.

автор: Sergei K

16 окт. 2018 г.

Курс выпустили и бросили.

Лекции идут в режиме "галопом по Европам".

Основной "преподаватель" экает каждые две секунды.

Задачи не были адаптированы под более свежие версии sklearn (уж такую мелочь можно было и предусмотреть), которые выдают гораздо более качественные результаты (в одной задаче улучшение качества выборки на старом sklearn в ответе в 4 раза хуже, чем в моем решении на свежей версии пакета). Так как необходимая для воспроизведения результатов версия пакета отсутствует в описании курса - это большой минус.

Из плюсов - качественная практика, задания плавно нарастают по сложности и супер-сложных моментов нет.

автор: Анна

14 нояб. 2016 г.

Курс построен крайне странно: видео по теории фактически никак не связаны с практической частью, создаётся ощущение, что это два разных курса, зачем-то собранные вместе. Вопросов в тестах слишком мало для проверки понимания теории. Программный код в практической части почти весь уже написан за учащегося, т.е. по сути копируешь, вместо того чтобы самому реально разобраться и научиться (и, если хочешь это сделать, надо это делать отдельно самостоятельно, курс этот момент реального обучения в себя не включает).

автор: Kirill K

13 мар. 2016 г.

Лекции представляют собой классический для советской физмат школы спам математической нотацией и слабо связаны с заданиями. Сами же задания выполняются простым вызовом указанных методов из пакетов pandas/scipy без какого-либо вникания в предмет. Резюмируя - тратить время на этот курс можно только если вы не владеете английским в достаточной мере, чтобы взять любой другой курс по данной тематике.

автор: Мейстерсон А А

22 окт. 2020 г.

Плохо составлен курс, нет достаточного количества объяснений с примерами. Лекции не соотносятся с практическими заданиями, пояснения отсутствуют. Не знаю, для какого уровня студентов он подходит: для новичков совсем нет начальной теории, для уже умеющих хоть что-то нет пояснений зачем все это используется, профессионалы такие методы уже не используют. Очень жаль потраченного времени и нервов.

автор: Анатолий А

16 сент. 2021 г.

Курс вообще не о введении в машинное обучение!

Видео абсолютно не дают никаких знаний и тем более навыков.

Начал проходить курс, планировал приобрести платную версию, но понял что он меня ничему не научит, потому что видео не подкрепляется практикой, в видео дается вообще другая информация, в итоге как делать практические задания непонятно.

автор: Igor K

23 февр. 2016 г.

Лекции плохого качества. Преподаватель перечитывает неадаптированный материал в сухой форме. Стоит получиться у профессоров Ng, Abu Yasser Mustafa, Bertserkas - как стоить делать научно-популярные курсы.

Имхо данному преподавателю стоит улучшить свой подход к преподаванию. Одного имени не достаточон для хорошего курса

автор: Данил С

27 янв. 2018 г.

Очень сложно.

Никаких объяснений в лекции, сплошной гугл. Без предварительных знаний инструментов, просто тыканье в темноте с ограничением по времени. В итоге - трата времени неподготовленных учеников. Категорически не рекомендую, тем кто совсем не в теме.

автор: Sergey T

2 апр. 2021 г.

Overloaded with theory without emphasis on practical aspects of the knowledge. Introduction that starts with matrix and double integration functions - I was lost after 5 min.

автор: Дмитрий М Д

10 февр. 2018 г.

Не разъяснили для кого курс. Нужно было установить требования к уровню знаний до начала курса.По сравнению с Andrew Ng, мало что понимаю сразу.

автор: Александр Л

2 дек. 2016 г.

Осторожно! Данный курс может отбить все желание заниматься машинным обучением! Лучше пройдите курс от Andrew Ng

автор: Ларкин В П

11 янв. 2020 г.

Система не принимает правильные ответы на тестовые задания.

автор: Вилькин-Кром Н

2 мая 2019 г.

мо4а