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
2,549件の評価
342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: 26 - 50 / 325 レビュー

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.

by Zakharenkov A

2017年7月21日

Курс просто фантастика. Отличное преподавание, много нового. Столько что еще переваривать и переваривать. Немного сжата последняя неделя и на нейронные сети нужно больше времени. Спасибо.

by Чайников К

2020年5月9日

Было трудно, но я наконец освоил этот курс. Были бессонные ночи и дикие негодования о не принятии системой моих ответов, но после того как я это прошёл, я рад что учился на этом курсе.

by Burobin I V

2019年7月10日

Курс интересный. Правда местами складывалось впечатление что переход от простых вещей к более сложным отсутствует.

by Vasiliy B

2021年4月15日

Неоднозначные впечатления от курса. С одной стороны был полезным для меня, с другой – не могу его назвать хорошим курсом.

Не рекомендую его проходить людям, у которых нет твердых знаний и понимания матанализа и статистики. В целом преподавание за редким исключением ведется в традициях советско-российской школы, т.е. тебе начитывают материал с зубодробительными формулами в сути которого тяжело разбираться, если нет озвученных ранее знаний. Верю, что преподаватели толковые и знающие ребята в своих областях, но хороший ученый не всегда становится хорошим преподавателем. Пришлось потратить много времени, чтобы изучить дополнительные материалы для понимания курса. Более того, прошел пару других курсов, чтобы пройти этот )

Материалы курса плохо поддерживаются. Примеры кода зачастую нерабочие, т.к. функции и библиотеки уже давно устарели. Некоторые задания сформулированы некорректно, т.е. если точно следовать инструкциям, то невозможно получить правильный ответ, который примет программа. На это тратится много времени и сил.

by Maria L

2020年7月24日

Спасибо за курс! В целом несмотря на минусы курс очень полезен для тех, кто уже имеет базовые навыки программирования, рекомендую! Плюсы курса/что понравилось: 1)объяснения преподавателей Е Соколова, Э Драль. 2) Недели 1, 2,4 обучения (курс поможет понять деревья решений и бустинг и с нулевыми знаниями по теме! ) 3) полезные практические задания в питоне

Минусы: 1) Вялые лекции Кантора, преподаватель убивает интерес к обучению. 2) Неделя 5 обучения - лучше убрать про нейронки, оставив ссылки для изучения. 3) В начале курса не объясняют про скачивание файлов json для питона 3 - пришлось узнать это в группе Телеграмм. 4) Излишняя перегруженность теорией в неделях 3 и 5. Итоги: Курс имеет недостатки, но очень полезен для развития в Data Science. Спасибо!

by Usenko S

2017年11月17日

В целом хорошо, но теория далеко не всегда очевидна. Ее изложения, конечно, хватает для того чтобы сдать тесты, однако цельная картина не всегда складывается. Сложность заданий нелинейная: что-то с первого раза без ошибок делается, а что-то только после прочтения форума. Есть проблема с принятием ответов в практике. Но курс хорош практикой и вовлекает в поиск способов решения возникающих проблем.

by Alexander A

2020年3月22日

Достаточно информативный и интересный курс. Но версия python 2.7 по тихоньку устаревает и некоторые задачи уже трактуются не корректно, не смотря на то что в самом начале курса это оговаривалось. Я бы предложил обновить курс под python 3

by Сокольцов В Ю

2017年6月12日

Я отдаю деньги, а потом мне еще и ребусы в заданиях разгадывать. Если вы уж делаете этот курс для людей, которые успешно работаю в сфере анализа данных - так вы хотя бы пишите об этом. Не все ваши студенты закончили МФТИ!

by Daniel B

2019年5月11日

Интересный курс, но сложность заданий не всегда соответствует излагаемому материалу, да и порядок изложения не всегда логичен. Хорошо, что у sklearn подробная доступная документация :)

by Андрей А Н

2017年9月17日

Отличный курс для общего понимания Обучения на размеченных данных. Но иногда бывает резкое углубление в математику, что под силу не для всех.

by Фомин А Г

2018年6月17日

Было трудно

by Anton

2021年4月8日

Курс устарел и явно не поддерживается. Да, задания обновлены до 3ьей версии питона, но часть решений можно было сделать только с помощью коллективного разума, который находиться в обсуждениях - например, как поставить ту или иную библиотеку, какие параметры использовать, чтобы задание зачлось. Блин, хочется сделать задачу, а не подгонять ее под параметры! По поводу лекторов - нейросети и вторая часть про байес - очень унылы, просто зачитывают выкладки со слайдов. Более молодые преподаватели куда более живые и объясняют гораздо более понятно.

by Zamoshin P

2019年10月4日

Из-за вечного разгадывания ребусов в заданиях (а какие параметры они не указали на этот раз) пропадает всякое желание заниматься курсом. Боюсь, продлять еще раз его уже не буду. Тем не менее, спасибо.

by Kozlovtsev A

2016年7月28日

Хороший курс. Поначалу казалось, что темы освещаются слишком уж "по вершкам", но по окончании курса, понял, что глубже и не нужно - весь необходимый практический минимум курс дает, а за теорией лучше все же обратиться к соответствующей литературе (или к специализированным курсам).

Теперь придирки :) В некоторых практических заданиях и тестах куча времени уходит на вычитывание мелких нюансов в условии. То есть написанный код верен, но грейдер не принимает ответ, потому что, например, во всех заданиях ранее мы стандартно делили выборку случайно, а в этом задании нам нужны именно последние 25%, на мой взгляд это требование в задании нужно как минимум выделять жирным шрифтом. Таких мест в задачах мало, но именно в силу своей внезапности, они сильно портят настроение.

В целом же, все понравилось, огромное спасибо преподавателям и всей команде курса!

by milo h

2016年5月17日

Курс неплохой, интересный. Много практики. Нагрузка, все же, довольно высокая, особенно для работающего человека, поэтому бывает тяжело. Особенно огорчают ошибки в грейдере (на третьей деле, если не ошибаюсь, столкнулся), из-за них убивается действительно гигантское количество времени. Еще один минус - некоторые моменты в лекциях освещаются очень поверхностно, а порой на слушателя просто вываливаются большие формулы, а пояснение дано к ним в двух словах. В этом плане классический ml class с Andrew Ng мне понравился больше, т.к. теория там дана была более подробно, но зато было меньше практики (а тут плюс текущему курсу).

Например, если в теоретическом материале преподаватель скажет почему функция потерь, например, log-loss получается именно такой, то этот материал станет интересней в квадрате! :)

Тем не менее спасибо, было интересно.

by Колобов И А

2019年9月13日

Курс отличный! Правда, пятая неделя оказалась достаточно непонятной в плане консистентности материала относительно других недель, особенно распределения в рамках наивного байеса. В целом, отмечу плюсом для себя именно наличие похожих заданий в разных неделях - построение линейных моделей, к примеру - уже доводится до определенного автоматизма и точно не забудется. Также порадовали вставки разных особенных функций в синтаксисе питона (например, zip или concat) - то есть не просто повторение и копипаста, а освоение и особенностей языка. В целом, конечно, теоретические моменты со временем, если не работать непосредственно с ними часто, могут забыться, но хотя бы стало меньше каши в голове относительно тех или иных методов. Спасибо!

by Павельев А В

2020年1月12日

Хороший курс. Сформировал понимание, какие задачи решает обучение на размеченных данных, познакомил с достаточно разными моделями, применимыми на практике, дал много важной информации по библиотеке sklearn.

Были затронуты достаточно важные темы о подборе гиперпараметров модели и контроле качества на отложенной выборке/кросс-валидации.

Несколько огорчила неактуальность библиотеки для задания по нейронным сетям, которые в этом курсе затрагиваются лишь обзорно.

В целом очень благодарен команде курса за проделанную работу. Это в каком-то смысле уникальные и актуальные знания и умения, которые тяжело получить где-то еще.

Особенно хочется отметить Евгения Соколова, Эмели Драль и Виктора Кантора как замечательных преподавателей.

by Kirill V

2017年4月26日

Прекрасный курс!

Большое спасибо преподавателям за доступное изложение материала! В курсе много практических заданий, которые позволяют потрогать руками различные методы обучения на размеченных данных, что вкупе с хорошей теоретической базой дает слушателям возможность осознанно применять инструменты для решения различных задач по анализу данных. Кстати, отдельно хочется отметить, что преподаватели дают еще и множество практических советов по предобработке данных и применению методов машинного обучения.

Из недостатков: на 5 неделе дается вводное занятие по нейронным сетям. Задание по программированию по этой теме основано на библиотеке pybrain, которая на сегодняшний день является устаревшей.

by Valeriia N

2018年1月31日

The course overall is very good, especially if to read all the additional materials and google things to know more.

The only thing I personally did not like is non-uniformness of different parts. For example, in my opinion, the neural network part was much weaker than others: nothing was easy to understand in the videos and the practical task was just boring. However I need to notice that gradient boosting part and methods review part were really good.

Also a little thing that I did not like is that some of the tasks were in ipynb, and the others were not. It was just a bit imperfect.

Thank you for the course very much! I really enjoyed it and learned the things I did not know before.

by Vasiliy Z

2016年6月8日

В курсе подробно разобраны базовые методы машинного обучения с учителем.

Рассмотрены линейные модели, деревья, композиции алгоритмов. Ко всему материалу дана математическая база, практическая реализация на Python с использованием соответствующих библиотек и задачи на закрепление материала.

Много внимания уделено правильно подготовке и работе с данными, рассмотрены различные реальные проблемы и возможные решения, весь материал подкреплен практическими заданиями.

Курс не очень сложный, отлично совмещает практику и теорию, рекомендую всем кто интересуется темой.

by Yuriy Z

2020年3月19日

Лично для меня "Обучение на размеченных данных" был очень информативным курсом. До этого курса единственное что я умел делать на размеченных данных были нейронные сети. Благодаря этому курсу я узнал и попробовал лассо регрессию, ридж регрессию, решающие деревья, случайные леса. Очень сильно удивился увидев использование байесовской статистики для разделения данных. Сразу скажу, что вреия отведенное на курсы для меня оказалось неподйомным и над курсом я просидел значительно дольше чем запланировано. Обучение помогло получить победу на одном с конкурсов.

by Тенишев Т В

2021年1月14日

Это просто замечательный курс по машинному обучению. Не думал, что кто-то может так легко объяснить концепты машинного обучения с горой математических формул. Он конечно, самый объемный из всей специализации, так что после его преодоления можно смело браться за соревнования по data science. Разочаровала тема нейронных сетей, к сожалению - тут создатели курса подкачали и мало понятно. Однако в остальных алгоритмах машинного обучения (линейная регрессия, бинарная классификация, случайный лес градиентный бустинг) - курс отличный и очень глубокий

by Vladislav K

2018年11月17日

Хороший курс для введения в машинное обучение. Знакомит с основными понятиями и со множеством алгоритмов машинного обучения, как и простых, так и не очень. Хочется отметить, что в курсе соблюдается баланс между теорией и практикой. Конечно, для получения более детального представления о некоторых алгоритмах придется воспользоваться другими источниками, но всю информацию в 5-ти недельный курс не уместить. Из минусов могу отметить только уж очень беглое рассмотрение нейронных сетей, оно явно носит лишь ознакомительный характер.