Chevron Left
Обучение на размеченных данных に戻る

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

4.8
2,436件の評価
325件のレビュー

コースについて

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина. В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

人気のレビュー

RN
2017年1月20日

Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.

AG
2019年11月14日

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

フィルター:

Обучение на размеченных данных: 1 - 25 / 307 レビュー

by Pavel A

2018年10月11日

Первые 4 недели более-менее, хотя с теми же недостатками что и первый курс: галопом по европам, быстро, шаблонно отчитать формулы. Но 5 неделя - перебор даже для вашего стиля, так неинтересно рассказать про NN - нужно особое умение. Слайд где нарисованы 3 желтых пятна разного размера и какая-то точка X* - это вообще "эталон" визуализации)) Постараюсь успеть до окончания подписки как можно больше, но продлять спецуху желание пропало.

by Кузьмин Ю

2017年8月6日

Без отличного математического бэкграунда (или просто отличного понимания всех понятий из первого курса - особенно, теория вероятности, операции в векторных пространствах и пр.), а также не понимая математики первых недель курса, всю математику курса понять вряд ли получится. Если такого бэкграунда нет - это будет неплохой обзорный курс, но его в любом случае нужно будет углублять уже самостоятельно. Для меня по содержанию - отлично.

Что не понравилось - урок "линейные модели: статистический взгляд" на 3-й неделе. Очень много времени "убил" на попытки понять, очень не хватало "мостиков" между понятиями, данными в уроке. В итоге остался неприятный осадок от этого урока. Урок по нейросетям я бы сделал поподробнее и несколько проще. Также, касается большинства тем курса, очень мало ответов от наставников по существу преподаваемого материала - в основном, по моим наблюдениям, отвечают на вопросы по задачам и тестам.

В принципе, если даже не получится усвоить всю математику, курс отлично показывает механики работы методов обучения с учителем и через интересные задания (но тоже не без огрехов) даёт углубленное понимание этих методов. Думаю, другие прошедшие курс согласятся, что он не сделает вас Data Scientist, но даст определённый понятийный набор и некоторый опыт для дальнейшего углубления.

По интенсивности - 5 недель, сложность возрастает с каждой неделей. Значительно сложнее 1-го курса. С полной занятостью на работе по 8-10 часов, окончив технический ВУЗ лет 10 назад и повторив основы в рамках первого курса специализации - тяжеловато, но подъёмно.

Коллективу желаю не бросать этот курс, а развивать его дальше. Есть к чему стремиться, но в целом очень неплохо уже сейчас.

by Oleg D

2016年5月25日

Очень понравился курс. Если формулы на слайдах появляются, то подробно разбираются. Спасибо, за задание "Градиентный бустинг своими руками". Это задание, действительно, помогло лучше разобраться в алгоритме. Отдельно хотелось бы отметить Евгения Соколова, его лекции было приятно слушать и материал усваивался легко.

by Andrei E

2018年8月18日

Слишком рано стало сложно, мало примеров и много формул.

by Резанов А Д

2019年7月26日

Курс хорош, но обладает рядом существенных проблем: нулевая поддержка курса (несуществующие ныне модули из sklearn, мертый pybrain, python 2.7 (который перестанет поддерживаться в следующем году), большая проблема получить поддержку на форуме от представителей курса) Можно было бы разбить последнюю неделю на две и увеличить количество материала по нейросетям и метрическим методам

by Илья П

2018年3月25日

Лекции и задаение по нейронным сетям - низкого качества, лучше убрать из курса и сделать ссылки на такие статьи, как:

https://habrahabr.ru/post/312450/

https://habrahabr.ru/post/313216/

by Konstantin K

2018年3月29日

Очень интересно, но очень трудновоспринимаемо

by Капустин А Н

2018年10月2日

Очень большая теоретическая нагрузка. Несмотря на то, что я "в теме" некоторые вещи пришлось открывать заново. Отдельно хотелось бы проехаться по примерам. Я так понял кур был подготовлен в 2016 году, с тех пор прошло 2 года - примеры надо бы обновить, т.к. часть библиотек питона обновилась (особенно sklearn) и некоторые методы ругаются, что скоро перестанут работать, в одном примере у меня совсем отказался строиться график.. ну не то, чтобы мне лень но технические проблемы курса при обучении решать - отнимает много ценного времени.. с временем у меня конкретные проблемы в силу занятости.

by Kira V

2017年6月8日

Наверное, второй курс - самый тяжелый из всей специализации в плане задач по программированию, но это не делает его менее интересным, нужно всего лишь преодолеть эти трудности :)

by Nikita G

2017年7月27日

Хороший курс, добротный, но хотелось бы увидеть больше информации о нейронных сетях, либо совсем тогда убрать эту тему из данного курса, ибо времени было уделено ей совсем мало.

by Maxim

2016年12月30日

Спасибо большое за курс!

Систематизировал и вспомнил свои знания по линейным моделям, узнал много нового и полезного про остальные модели, поработал наконец с нейронными сетями!

by Голубев К О

2017年7月23日

В некоторых заданиях по программированию не хватает конкретики, кое-где для внесения определенности при объявлении классификатора полезно было бы зафиксировать random_stare. Прекрасно было бы побольше рассказать про нейронные сети и их построение, разобрав популярные пакеты TensorFlow или Theano. Ну и, например, keras, как надстройку над ними.

Тем не менее, курс замечательный и дает хорошее представление о предмете. Проходил его после 7-недельного курса Воронцова по машинному обучению. Тем не менее, нашел много нового для себя.

Спасибо вам.

by Aleksandr S

2016年4月24日

В целом отлично, но с грейдером на третьей неделе пришлось очень помучиться. Надеюсь, что поправили.

by Филипп У

2017年8月9日

Каждый раз, когда приходилось заниматься подгонкой ответа под грейдер, у меня неистово бомбило. :(

by Антюфриева Л А

2018年12月3日

Очень неравномерное распределение нагрузки по неделям

by Oleg P

2016年4月29日

Мне кажется, что реальная оценка этого курса на сегодняшний день (апрель 2016) - три бала.

Конечно, работа, проделанная создателями курса огромна. Фактически, создан с нуля курс на русском языке по машинному обучению, который охватывает основные темы машинного обучения, более того, зачастую дает больше деталей и математики, чем тот же курс от Andrew Ng. Также я считаю, что этот курс лучше, чем похожий курс от Яндекса. Лекции действительно имеют отношение к теории.

С другой стороны, если смотреть на этот курс, как на продукт среди других, доступных на курсере, то видны и его недостатки. Курс сырой: много недочетов, плохо сформулированных вопросов. Грейдер не принимает ответ, но если запустить тот же код, но в интернете (try jupiter), то вдруг все правильно. Недостатком я считаю и то, что авторы курса не очень активно участвуют в форуме.

Заключение: реальная оценка, по-моему, это 3. Среди русскоязычных курсов по машинному обучению это лучший курс, но если смотреть рационально, сравнивая с другими курсами (и не только по машинному обучению), то еще очень много надо над ним работать. Если авторы планируют развивать этот курс, я думаю, он может очень хорошим, действительно лучшим.

by Бунятов А И

2019年1月28日

До четвёртой недели всё хорошо, на 4 неделе про градиентный бустинг задача невнятная, 5 неделю можно было растянуться на 2-3 и дать нормальное объяснение нейронным сетям. Pybrain включить отдельное приключение. Вопросы на форумах месяцами лежат, так что лучше сразу гуглить.

В целом хорошие впечатления от курса, но требует доработки.

by Vlad B

2016年10月14日

Курс дает общее представление о машинном обучении. В заданиях много ошибок и инструкции к заданиям написаны нечетко, время тратится на понимание постановки задачи, а не на выполнение самого задания и приобретения каких-то навыков по обработке данных

by A B

2020年5月27日

Старый, неактуализированный, мертвый курс как по материалам, по коду в ноутбуках, так и по форуму.

Код часто не рабочий, на форумах никто не отвечает

by Maria

2016年4月18日

Очень непонятные и запутанные объяснения. Понять может только человек, который уже проходил где-то весь этот материал.

by Sergei B

2016年7月8日

Замечательный курс, который дает массу знаний и навыков по теме анализа данных.

Были очень интересные практические задания. Некоторые из них потребовали довольно много времени, но это того стоило. Параллельно пришлось подтягивать математику, что очень полезно само по себе. Тем, кто будет проходит этот курс в будущем, рекомендую освежить знания по статистике и теории вероятностей - это сильно пригодится.

Из преподавателей отдельно отмечу Евгения Соколова, который очень просто и доступно объяснил тему решающих деревьев. Еще запомнилась одна из лекций Эмели Драль, где она на примерах показала типичные ошибки начинающих специалистов по анализу данных. Остальные ребята тоже отлично справились со своим делом.

Единственное, мне не очень понравилось, как была раскрыта тема нейронных сетей. Это мега-интересная область, но ее подали очень сухо, непонятно и скомкано. Не хватало простых жизненных примеров, которые бы разобрали по шагам. Для сравнения у Andrew Ng этот материал дается гораздо понятнее и интереснее. Скажу честно — если бы я не прошел его курс, то здесь бы ничего не понял и потерял бы интерес к нейронным сетям.

Но все равно курс очень крутой. Ни разу не пожалел, что записался.

P.S. Маленькое пожелание — хочется больше активности на форуме со стороны преподавателей/менторов. Иногда этого очень не хватает.

by Задойный А

2016年6月10日

Очень непростой, но интересный курс.

Если вам было сложно на 1 курсе специализации, то тут вероятно потребуется гораздо больше работать (в том числе самостоятельно).

Критичной будет успех на 3 неделе – там очень большая и непростая курсовая работа, многие этапы которой даются с огромным трудом. В случае возникновения трудностей стоит поискать ответы на форуме.

Удивительным откровением стала неделя по нейросетям. Как оказывается просто они устроены. Когда в университете через определение «персептрона» нейросети читали, только путали. Не надо никаких муравьёв, аналогий с живыми системами – формула тут очень простая и объясняет всё гораздо проще, чем неуместные аналогии.

Множество методов, показанных в курсе буквально завораживают – для практически любой задачи можно найти что-нибудь «своё». Так и хочется броситься решать практические задачки, кажется, что ты теперь всемогущий (градиентный бустинг в какой-то момент вызывает ассоциации с BFG9000, для тех, кто понимает).

Мне потребовалось больше 2 месяцев – явно не хватало подготовки (как в плане python, так и по математике).

Но самое главное, что курс очень интересный!

Алексей З.

by Петренко А

2020年3月11日

Для начала, выражаю благодарность авторам за курс.

Курс позволяет получить базовое представление об основных алгоритмах машинного обучения с теоретической и программной (очень хорошо разобраны модели из sklearn-библиотеки) стороны, особенно если не лениться и задавать себе вопросы по ходу лекций / упражнений и находить на них ответы. При таком подходе можно получить знания значительно глубже. Однако слушателям, слабо владеющим высшей математикой, тервером, матстатом придется не сладко. Основная часть теории на курсе дается так, будто слушатель все это уже знает или знал, но просто подзабыл и нужно всего-то сакцентировать его внимание на некоторых вещах. Лично мне потребовалось значительно больше 5 недель, чтобы завершить курс, а параллельно подтянуть тервер, матстат, ...

by Николай К

2020年8月3日

Даже слабая 5-я неделя не испортила впечатлений. Отличный курс, в большинстве своём очень интересные задания. Соколов - боженька! Получаю удовольствие от его лекций сравнимое с прослушиванием любимой музыки. Просто невероятно.

by Timur B

2018年4月21日

Хороший курс, позволяющий ознакомиться в алгоритмами. Дает примерное представление как работают алгоритмы, какие вообще алгоритмы бывают и как их нужно использовать в sklearn. Соколов - "explanator" from the God.