Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.
Очень познавательно. Понравилось. Интересные задачи. Хорошие обсуждения на форуме. Надо попотеть. Спасибо создателям. Больше примеров вместо сухой теории было бы вообще шикарно.
автор: Василий П
•This is not an Introduction but a Review of Machine Learning methods used in Yandex.
Probably, you have to multiply estimated required time by 10 to really understand lecture topics.
Kaggle competition at the end makes the course really interesting.
but:
"A theory that you can't explain to a bartender is probably no damn good."
-- Ernest Rutherford
автор: Kirill K
•Курс понравился. Очень понравились лекции. Не хватает обобщающей лекции по алгоритмам, как та что была по предобработке данных. Практическим занятиям, имхо, не хватает какой-то исследовательской составляющей. Все пункты делаются механически. А та что есть направлена на борьбу с неточностями в задании (когда дефолтные параметры изменились при обновлении библиотеки, например).
автор: Алиса Л
•Курс стал прекрасным стартом для освоения области. Потребовались дополнительные знания Python, статистики, многое пришлось доучивать по ходу курса (в том числе спасибо сайту machinelearning.ru). Я считаю это скорее достоинством, нежели недостатком, потому что если вы хотите разобраться в такой динамично развивающейся области знаний в короткие сроки, нужно поработать самому.
автор: Юрий П
•Отличный курс рекомендую. Господина Воронцова слушать одно удовольствие. Как вводный курс для инженеров, которые желают в своей практике использовать современные методы обработки данных и не желают тратить время на глубокую теорию - просто Супер. Огромное спасибо!!!!! Давайте господа авторы еще что нибудь такое. Например глубокое обучение а то на русском нет почти ничего.
автор: smoly87
•Курс охватывает изучение не только методов машинного обучения(SVM, логистическая регрессия, градиентный бустинг и т.д.), но и практические советы по обработке данных, борьбы с искажениями и ошибками в исходных данных. Кроме того важным преимуществом является разбор математической основы приведенных алгоритмов, а не использование этих инструментов, как чёрного ящика.
автор: Vladislav G
•Большое спасибо за курс и за такое разнообразие в заданиях.
Хотелось бы также поблагодарить Евгения Соколова, который может объяснить любой материал ну супер доходчиво. Объяснения профессора все же не рассчитаны на широкую аудиторию, для меня это наверное слишком формально, требуется более глубокая фундаментальная подготовка. Все равно вынес для себя много полезного.
автор: Гайдуков А
•Замечательный курс для тех, кто хочет разобраться с кругом задач, решаемых с помощью Машинного Обучения, с ключевыми алгоритмами и "попробовать все это своими руками". Давно хотел, но никак руки не доходили. Наконец-то осилил. Авторам - огромная благодарность, за предоставленную уникальную возможность "подучить матчасть" у серьезных специалистов в этой области.
автор: Andrey S
•Очень было трудно на первых трех неделях войти в эту область знаний. Плохо программировал, не знал Python, смутно ловил суть каждой темы. Но спустя некоторое время стал все больше и больше понимать и в конце очень хорошо обобщили все полученные знания. Думаю, что научился не только ML, но и Python. Понравилась подача материала и запомнилось финальное задание.
автор: Прокошин В А
•Очень понравился курс! Особенно - интересные практические задания. Давно интересовала данная тема, но никак не мог найти с чего именно начать ее изучение. Те материалы, которые читал, только еще больше запутывали. Здесь же, хотя и не без трудностей, но доступно и увлекательно получил базовые знания, благодаря которым уже могу решать часть насущных проблем.
автор: Долгалев А П
•Большое спасибо, отличный курс! Мне как математику и человеку, из языков программирования знающему только C/C++, было интересно как знакомиться с Python (язык хотя и медленный, действительно очень удобный для математиков, в том числе благодаря отличным библиотекам numpy и scikit), так и узнавать новые для себя вещи в плане построения математических моделей.
автор: Михаил О
•Курс хороший. Подача материала слишком быстрая и курс сильно сжат. Складывается ощущение, что авторы делали курс для себя, а не новичков. Однако, если рассматривать его лишь как индексный и искать материал и разбираться с кодом самостоятельно, то курс достаточно хорош. Радует, что курс приближен к продуктовой работе за счет использования python и pandas.
автор: Нетай И В
•Отличный курс, дающий хорошее введение, подробно описан, снабжён достаточным количеством примеров и заданий, подробно описывающих по шагам применения разных алгоритмов, алгоритмы математически обоснованы и мотивированы. Задания подробно описаны, всегда чётко понятно, что требуется сделать в задании и как это сделать. Отдельное спасибо за отличные лекции!
автор: Малинкин П Б
•Хороший курс для начинающих, кто уже достаточно знает теории, но еще не приступил к практике. Мне он очень помог, чтобы сделать первые шаги в создании скриптов по анализу данных.
Правда, есть в курсе 3-4 задачки, которые новичку будут, на мой взгляд, очень сложны. Но это заставляет искать информацию в интернете, что способствует получению больших знаний.
автор: Зубова Е В
•Хороший курс для знакомства с алгоритмами машинного обучения, даёт представления о математике алгоритмов, знакомит с функционалом библиотеки scikit-learn. Материал подаётся в сжатой форме, поэтому для лучшего понимания объясняемого мне понадобилось использовать дополнительные источники информации, ссылки на такие источники есть и в самом курсе.
автор: Горбунов М А
•Очень полезный курс именно для введения в машинное обучение, т.е. с нуля. Каждая задача ставится таким образом, что необходимо искать дополнительный материал по реализации. В результате код получается локаничным, даже порой элементарным, но только по результату работы. Numpy и pandas нужно будет изучать самостоятельно. Рекомендую.
автор: Oleg K
•Курс скорее для тех кто уже в теме. Вот так с наскоку ничего не понять. Для себя нашел следующую схему: сначала смотрел теорию в курсе, потом лекции проф. Воронцова в ШАДе, там о подробно объясняет и становится все понятно :)
Практическая часть курса очень странная. Особо над ней не парились похоже :)
За Воронцова ставлю 5 баллов
автор: Ilya S
•Курс интересный и подробный, но не надейтесь, что вы сможете пройти его, слушая лекции по пути на учебу или работу. Чтобы получить хороший результат нужно сидеть с тетрадкой, конспектировать и разбирать и гуглить непонятные моменты. Практические задачи также требуют существенного времени и не решаться сходу, если вы новичок.
автор: Осмоловский А
•Отличный курс, спасибо авторам. Это действительно лишь введение в машинное обучение, но это отличный старт.
P.S. при проверке финального задания сокурсников, 5 из 6 оказались очевидным плагиатом (на решения, увы, можно наткнуться, даже если вы их специально не искали). Это грустно, не делайте так, если решите проходить курс.
автор: Макарихин А В
•Всем, добрый день!
Курс понравился, - рекомендую, как начинающим свой путь в Data Science, так и начинавшим. Теории на мой взгляд многовато, но учитывая широкий охват аудитории, наверно это скорее необходимость чем приходить авторов. Там где было скучно просто увеличивал скорость проигрывания видео +1,5 само-то! q(^_^)p
автор: Марчевский В Д
•Лаконичная, дельная подача, неплохой подбор практических задач на закрепление, весьма глубокая теория, один из лучших онлайн-курсов, что я проходил. Обратить на него внимание стоит тем, кто только начал интересоваться областью машинного обучения или хочет чуть лучше разобраться в математической основе подобных методов.
автор: Идрисов Р Р
•Всё очень понравилось, много практических задач, охватывающих различные ситуации в машинном обучении, где какой классификатор применять, какие бывают признаки, как с ними работать и мн. др. Перед курсом советую подтянуть линейную алгебру, чтобы не ставить постоянно на паузу лекцию и не гуглить. Теория в курсе мощная.
автор: Leonid O
•Очень хороший курс - даёт представление и дальнейший вектор развития для тех, кто хочет попробовать себя в области машинного обучения. Для меня, начинающего, он был тяжеловатым, особенно в плане математических формул; пришлось многое вспоминать с университета. Однако прохождение того стоит. Рекомендую всем.
автор: Zmeyoff A
•Отличный курс! Хорошо подойдет для тех, кто только начинает изучение этой области. Все предельно понятно, ничего лишнего. Возможно кто-то скажет о чрезмерной лаконичности излагаемого материала, но я считаю, что для понимания работы алгоритмов и примерных областей их применения это именно то, что нужно.
автор: Matvey S
•Нравится, вызывает интерес. Удачно совмещается простота подачи материала со строгостью математических определений.
Лекции 1 недели посмотрел за один присест. Надеюсь, не растеряю своего настроя.
В любом случае, видно, что авторы очень ответственно подошли к созданию курса. За это спасибо и 5*!
автор: Захаров А Е
•Полезный курс, дающий базовые представления об алгоритмах машинного обучения. Однако крайне желательно иметь базовый опыт работы с Питоном - неплохо было бы это добавить в описание курса. Я увидел Питон впервые, поэтому много времени ушло на его "изучение" вместо решения задач )))