Chevron Left
Математика и Python для анализа данных に戻る

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

4.8
5,175件の評価
864件のレビュー

コースについて

Анализ данных и машинное обучение существенно опираются на результаты из математического анализа, линейной алгебры, методов оптимизации, теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понимать, как устроены методы анализа данных. Задача этого курса — сформировать такой фундамент. Мы обойдёмся без сложных формул и доказательств и сделаем упор на интерпретации и понимании смысла математических понятий и объектов. Для успешного применения методов анализа данных нужно уметь программировать. Фактическим стандартом для этого в наши дни является язык Python. В данном курсе мы предлагаем познакомиться с его синтаксисом, а также научиться работать с его основными библиотеками, полезными для анализа данных, например, NumPy, SciPy, Matplotlib и Pandas. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

人気のレビュー

GD

Aug 09, 2018

Лучший вводный курс, который я видел. Есть мелкие огрехи в изложении математической части, но это ерунда по сравнению с четкостью и полнотой изложения программистской части и обилием примеров. Спасибо

KA

Feb 16, 2016

Прошел много курсов по Data Science, этот курс не разочаровал. Подается в лучших западных традициях. Неформально объясняется материал, много примеров. Надеюсь, и дальше специализация не подкачает.

フィルター:

Математика и Python для анализа данных: 676 - 700 / 832 レビュー

by Лебедев М

May 02, 2017

Супер!

by Тарасенко В В

Feb 19, 2017

Хорошо

by Pyltsin M

Apr 09, 2016

Круто!

by Polyakov S

Feb 17, 2016

greate

by Анастасия Е

Sep 05, 2020

круто

by Никита Б

Mar 25, 2019

круто

by Николай М

Mar 09, 2019

Супер

by Ilya K

Jan 21, 2019

super

by Осокина К В

Sep 03, 2018

супер

by Igor I

Jun 06, 2018

great

by Ковалев А

Jun 01, 2018

Класс

by Andrew M

Nov 15, 2016

10/10

by Karazeev A A

Oct 07, 2016

Cool!

by Акылбеков О Н

Jun 13, 2018

GOOD

by Байзигитова А

Feb 08, 2020

👍

by Afanasev S

Dec 05, 2016

5+

by ramon s

Mar 16, 2016

gg

by Леонтьев И С

Oct 21, 2019

-

by Aleksey C

Dec 27, 2018

.

by Deleted A

Oct 08, 2016

+

by Юлия Х

Apr 25, 2020

Мне понравилось содержание курса, так как можно было очень быстро повторить то, что давно забыл со времен института. Самое важное было схвачено, так же остались очень хорошие справочные письменные материалы, к которым можно быстро обратиться, чтобы вспомнить самое основное, вместо того, чтобы искать что-то в толстых учебниках по мат. анализу.

Но хотелось бы попросить доработать следующие технические аспекты:

1. Хотелось бы иметь возможность загружать Python Notebooks для Python 3 сразу в вормате IPYNB, не JSON.

2. Внутри тестов вместо матриц или формул часто видится только LaTex код для отображения них. Хотелось бы сразу видеть объект.

3. Было бы здорово, чтобы была решена проблема (либо сказано где-то внутри курса как это сделать) загрузки ноутбуков в формате pdf для текстов с кириллицей. Сейчас все русские буквы пропадают при сохранение в pdf.

4. Очень хочется видеть правильные ответы на вопросы в тестах и решение задач после того, как тест уже прошел. У меня была одна задача, которую я не смогла решить, а ответа на нее так и не узнала, хотя тест прошла (более 80% правильно овтетила).

5. Все методы хотелось бы видеть вместе с их английскими названиями. Это не всегда было так, а на практике постоянно приходится обращаться к англоязычным ресурсам.

6. Иногда в материалах к курсу (письменных) не было некоторых деталей, которые были в видео. Это, конечно, мелочь, но все же слегка замедляет работу с этими материалами.

7. Тесты не всегда были адаптированы под Python 3. Было бы здорово это исправить.

by Ivan K

Jan 26, 2017

Мне кажется, должно быть больше дидактического материла. охват курса большой и это круто. Но по ходу ознакомления возникает очень много вопросов по определениям и по каким-то аспектам, например, что такое ортоганальная матрица и почему она обладает такими свойствами, или что такое стандартное отклонение, что такое среднеквадратичное, может это тоже самое, а может и нет. То есть, на мой взгляд, информации дается урывочно и дополнительного материла для развития системы знаний нету. рекомендации по доп. материалу идут в конце курса, хотя логичнее было бы их давай по темам - где данная тема лучше все раскрыта, может быть в каком-то учебнике а может в каких-то лекциях, которые публикуются уже в интернете. Лучше давать на них ссылки. Конечно самый классный вариант самим подготовить, но это довольно большая работа. Поэтому на, мой взгляд отсылать к самому качественному и доступному материалу по теме нужно. А так же уместить основы алгебры, математического анализа, тервера со статистикой, основы питона и апи библиотек из питона в один месяц - довольно сложно. Вообще людям без какого-либо знакомства с этими дисциплинами будет очень не просто. Поэтому, мне кажется, курс нужно делать еще более доступным. И еще хотел сказать по поводу тестов, лучше бы было меньше тестов по некоторым теоретическим основам, которые дали в лекциях, а больше практических задач применения этих знаний под разными углами, чтобы у людей было понимае аспектов, тонкостей, основ применения конкретных понятий.

by Kirill M

Nov 16, 2016

В целом курс хороший, но есть ряд недочетов:

1. Главная проблема - сжатость изложения, особенно по сложным темам вроде вероятностей и статистик. В видео на несколько минут попытались впихнуть учебного материала на несколько часов. Необходимо добавить больший объем лекций и рассмотреть примеры решения задач для пояснения теоретической базы. Т.е. как это делается в хороших учебниках.

2. Конспект изложенного материала каждый раз предлагается к повторному ознакомлению _после_ прохождения итогового зачета по теме. Вообще то, любой нормальный студент повторно изучает учебный материал до зачета или экзамена, а не после (после изучают студенты, которых отправили на пересдачу). Почему авторы организовали структуру именно таким образом, можно только догадываться.

Всем рекомендую перед сдачей теста по каждой теме сначала еще раз просматривать конспект, который идет последней ссылкой в теме.

3. Вызывает удивление, а затем и недоумение, когда на видео по основам Python преподаватель через строку кода поспешно лепит опечатки и потом их исправляет. Если не получается с первого раза напечатать исходный код, то надо тренироваться и переснимать до тех пор, пока не удастся сделать качественное видео. Надо уважать свою аудиторию и снимать видео без такого количества опечаток.

by Макарова О Л

May 04, 2018

Что мне понравилось:

1 - краткие лекции с минимумом информации (это касается математики)

2 - наличие вопросов в лекциях (возьму себе на заметку) хороший вариант заставить прослушать материал

3 - некоторые преподаватели, с ними хочется продолжать общение и дальше

Что мне не понравилось:

1 - очень малое количество практических заданий, из их формулировок становится понятно, что ты уже должен знать математику (со статистикой пришлось открыть учебник), по языку пришлось найти дополнительный курс

2 - ряд преподавателей вещают довольно занудно (приходилось заставлять себя слушать их усилием воли)

3 - недели для выполнения программных реализаций не хватало только по двум причинам: вспомнить математику / изучить возможности языка и чисто субъективная причина - мы все работаем и у нас есть свои рабочие обязанности (мне пришлось из-за этого менять сессию)

4 - на главной странице курса невыполненное задание почему-то высвечивалось зеленым цветом, что под конец ввело меня в заблуждение о моем прохождении курса, но при заходе на конкретные недели (1 и 4, задания по проверке чужих работ) оказалось не все так просто...

ИТОГО: в целом было интересно, но "экстремально". Поэтому только "четверочка".

by Sergey

Mar 05, 2018

The course is excellent. I really like the syllabus and the practice tests. However, several improvements can be made. 1: I realize that you tried to choose a balance between correct mathematical proofs and redability of your lessons, and I think you did a great job in that task, but then your tests should maintain the same level of balance. It's somewhat unexpected to require very precise answers based on very relaxed concepts. 2: rounding numbers. Please specify more correctlty how would you like you answers to be typed in. In programming assignments, you require first to digits, whereas in the tests you demand rounding numbers, but you explicitly say neither of those. 3: peer-reviewed assignmens, in my opinion, is a great idea and a nice way to learn from each other. However, there is no need to review whatever a machine can check (like, in Andrew Ng's course). Therefore, would be nice to leave peer-rewieving only for conceptual assignments.

Overall, I like the course, especially your take on theory and practice. I think, this one is the best to make a jumpstart into statistics and data science. I am looking forward to taking the other courses of that specialization.