Chevron Left
Прикладные задачи анализа данных に戻る

モスクワ物理工科大学(Moscow Institute of Physics and Technology) による Прикладные задачи анализа данных の受講者のレビューおよびフィードバック

4.4
687件の評価
103件のレビュー

コースについて

Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалисты по анализу данных редко оказываются в такой идеальной ситуации. Обычно перед ними ставят задачи, которые нуждаются в уточнении формулировки, выборе метрики качества и протокола тестирования итоговой модели. Данные, с которыми нужно работать, часто представлены в непригодном виде: они зашумлены, содержат ошибки и выбросы, хранятся в неудобном формате и т. д. В этом курсе мы разберем прикладные задачи из различных областей анализа данных: анализ текста и информационный поиск, коллаборативная фильтрация и рекомендательные системы, бизнес-аналитика, прогнозирование временных рядов. На их примере вы узнаете, как извлекать признаки из разнородных данных, какие при этом возникают проблемы и как их решать. Вы научитесь сводить задачу заказчика к формальной постановке задачи машинного обучения и поймёте, как проверять качество построенной модели на исторических данных и в онлайн-эксперименте. На каждой задаче мы изучим плюсы и минусы пройденных алгоритмов машинного обучения. Прослушав этот курс, вы познакомитесь с распространенными типами прикладных задач и будете понимать схемы их решения. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

人気のレビュー

KV

Jul 09, 2017

Курс интересен тем, что в нем рассматриваются примеры реальных задач, которые решаются в индустрии. Но мне он показался слишком простым по сравнению с 2,3 и 4 курсами. Можно усложнить его немного :)

PK

May 24, 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.

フィルター:

Прикладные задачи анализа данных: 51 - 75 / 101 レビュー

by Konstantin C

May 29, 2018

качество курса немного хромает по сравнению в предыдущими (менее "академичные лекции, pdf с материалом отсутствует). но в целом, лучшее из прошлых курсов сохранено.

by Gyrdymov I

Apr 01, 2017

В целом, курс интересен, однако была пара очень запутанных заданий, в частности, по временным рядам (тест) и по ранжированию (задание по программированию)

by Konstantin

Mar 17, 2017

лекции по компьютерному зрению и особенно задание по этой теме были ни о чём. "у вас нет линукса -- у вас нет зрения". даже немного обидно)))

by Игнатов К А

Oct 03, 2019

Большинство тем разобрано в качестве начального/обзорного уровня. Но есть полезные ссылки для более глубокого самостоятельного изучения.

by Любовь С

Aug 30, 2018

Очень уж галопом по Европам прошлись по нейросетям - отсюда ценность 2-й недели сомнительна. В остальном - хорошо.

by Pile I

Jul 24, 2018

Задача на последней неделе изрядно попила крови - хотелось бы , чтобы формулировка была более четкой

by Alexander P

Jan 20, 2019

It would be nice to have more practice with neuronets. Anyway it's very interesting course. Thanks!

by Роман

Oct 22, 2017

Курс слабоват в сравнении с предыдущими курсами, но все равно огромное спасибо его создателям!

by Беденко А А

Mar 17, 2018

Норм. Временные ряды клевые. Нейронные сети - IMHO не самая сильная тема. Но ниче, пойдет.

by Andrei S

Dec 07, 2019

Проблемным оказался курс по нейронным сетям. Теория и практика очень сильно отличаются.

by Artem L

Mar 23, 2018

Generally good and in-depth, but not quite accurate in providing information sometimes

by Nikolay E

Dec 28, 2017

Недели очень разные по сложности. 2 неделя про нейросети заслуживает отдельного курса.

by Dmitrii D

Mar 06, 2018

Хороший курс, но хотелось бы больше примеров кода с нейросетями.

by Романов Н

Aug 02, 2019

В целом курс хороший, но неделя с нейросетями - мрак.

by Корщиков М С

Apr 10, 2018

Отличный курс.

Минус только за тест Ранжирование

by Андрей М

Feb 19, 2017

Нейронные сеточки чет скомкано как-то были =(

by Ануфриев С С

Sep 02, 2017

Задания можно было немного посложнее делать.

by Yuriy

Nov 05, 2017

Мног неоднозначностей в данном курсе.

by Duman M

Mar 09, 2018

Нейронные сети не на должном уровне

by Maksim P

Oct 11, 2016

Спасибо за курс. Ближе к практике.

by Ruslan S

Jun 16, 2017

Кантора в отставку!

by Anvar A

Jun 23, 2018

Поставил 3 за плохую неделю с компьютерным зрением. Нейронные сети должны преподаваться отдельным курсом (слишком большая тема). В дополнение, формулировка задачи по ранжированию тоже ужасная. Пришлось помучиться с заданием. Из хорошего. Неделя по временным рядам классная. Неделя с текстами тоже интересная. В любом случае, спасибо за организацию курса и специализации!

by Stanislav L

Dec 05, 2017

В сравнении с предыдущими курсами, этот какой-то проходящий. Какого-то особого смысла я в нём не увидел. Некоторые задачи решались просто одним вызовом, без особого погружения в смысл, остальные - зачастую подбором ответов.

Очень понравился раздел по работе с текстами. Всё-таки, подача материала часто определяет впечатление от курса.

by Roman K

Dec 06, 2019

По сравнению с 4-м курсом этот курс слабоват: совсем мало практики, примеров. Более менее рассказано про временные ряды. Остальное - совсем по верхам. Где-то преподаватели даже поленились выложить лекции, есть только слайды (а они практически бесполезны без подстрочника). Видимо, под конец специализации все выдохлись)

by Arsenii M

Aug 02, 2017

Местами очень сыро и непонятно. Честно говоря, худший курс специализации, особенно подкачала вторая неделя. Зачем-то рассказывают о соревнованиях и сложных архитектурах, при это нет реальных примеров в Питоне, полезной информации очень мало. Я надеюсь, вы её переработаете.