Chevron Left
Поиск структуры в данных に戻る

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

4.7
1,443件の評価
164件のレビュー

コースについて

В машинном обучении встречаются задачи, где нужно изучить структуру данных, найти в них скрытые взаимосвязи и закономерности. Например, нам может понадобиться описать каждого клиента банка с помощью меньшего количества переменных — для этого можно использовать методы понижения размерности, основанные на матричных разложениях. Такие методы пытаются сформировать новые признаки на основе старых, сохранив как можно больше информации в данных. Другим примером может служить задача тематического моделирования, в которой для набора текстов нужно построить модель, объясняющую процесс формирования этих текстов из небольшого количества тем. Такие задачи назвают обучением без учителя. В отличие от обучения с учителем, в них не предполагают восстановление зависимости между объектами и целевой переменной. Из этого курса вы узнаете об алгоритмах кластеризации данных, с помощью которых, например, можно искать группы схожих клиентов мобильного оператора. Вы научитесь строить матричные разложения и решать задачу тематического моделирования, понижать размерность данных, искать аномалии и визуализировать многомерные данные. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

人気のレビュー

PK
2018年5月3日

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

AS
2016年5月22日

Изначально хотел поставить 3 или 4, но тематические модели спасли. Материал очень полезный. И изложение на высоте. Спасибо.

フィルター:

Поиск структуры в данных: 1 - 25 / 158 レビュー

by Шаланкин М Д

2019年3月14日

Курс достаточно старый, возникает много конфликтов версий, данные не обновляют. Ещё пока релевантная информация. UPD: (прошёл 5 курсов из этой специализации, никому не советую проходить больше двух первых, потому что цена - качество не соответсвуют)

by Kapitanov A

2019年10月29日

Курс интересный, но к сожалению есть много жирных минусов:

1) Последняя неделя - преподается скомканно и сумбурно. Лекций много, а практические материалы - недоработаны

2) Задание по программированию на 4 неделе (с gensim) - не адаптировано под современные версии. Для решения задач требуются танцы с бубнами и установка отдельных окружений со старыми версиями (правильную ещё и поискать надо!)

3) Последнее задание, которое не влияет на оценку (Постнауки) также неадаптировано и сделано на коленке. BigARTM это просто ужас. Местами вообще не понятно, что от обучающегося хотят.

4) Сама концепция использоваться старые и заброшенные библиотеки - так себе. В итоге у человека остается осадок в виде "как танцевать с бубном", а не как понижать размерность, кластеризовать данные и прочее.

5) В тетрадках на Python 3 в шапке указывают на каких версиях библиотек проверены задачи. Но по факту - они не проверены. В частности, так и не удалось победить NaN-ы в seaborn pairplot (при этом бОльшая часть сокурсников просто скопипастила чужие решения).

В остальном - курс неплохой, без этой части в ML и DS просто никуда. Отдельное спасибо Соколову Е. и Воронцову К. за качественную подачу материала.

by Рогозин А

2020年4月9日

Большинство лекторов понятно объясняют материал - иными словами, говорят на человеческом языке. Домашние задания позволяют пощупать разнообразные методы, которые на самом деле применяются на практике - и это круто.

Проблемы с восприятием материала возникают только от лекций Воронцова про тематическое моделирование, так как он большую часть времени кидается формулами и матаном без плавного перехода к ним. Сразу заметен старый стиль преподавания из университета. Благо тема обработки текста лучше раскроется в пятом курсе этой специальности уже с другим лектором)

P.S. BigARTM - тихий ужас, так и не удалось его установить(

by Mamedov M

2019年11月19日

Большая-большая работа. Спасибо преподавателям, МФТИ, Яндексу за возможность изучать предмет таким невероятно крутым способом

by Мария Е Ч

2018年7月25日

Курс всем хорош, но три звезды только за задание с анализом текстов, где нужна была устаревшая версия gensim. Об этом не предупредили в тексте задачи, а грейдер не принимал ответы, выдаваемые новой версией. Потратила много времени.

by Artem G

2019年12月22日

Все круто! Но хотелось бы использования более новых версий библиотек по тематическому моделированию!

by Konstantin A

2018年10月31日

Хорошая теоретическая основа, видео. Но задания все пора обновлять. Используются старые версии библиотек. В видео по установке и работе с библиотеками сильно устаревшая информация. Впрочем, это не сильно мешает понять тематическое моделирование.

by Новоселов Е Д

2020年6月27日

Все время просят установить python 2.7, кошмар, зачем мне ставить эту версию, только для выполнения конкретного задания? могли бы и обновить версию для третьего питона, почему курс не обновляется, до сих пор не понимаю....особенно это касается BigARTM. еще, в целом по пройденным курсам специализации видео с практическими занятиями также на втором питоне, а третьему ничего никакого внимания не уделяется от слова вообще. интересно, когда на это, наконец, обратят внимание авторы специализации, ведь годы материал де-факто не обновляется((

by Alex Z

2020年6月7日

Старые версиии библиотек, курс не обновляется. Если не получается установить artm - делайте через гугл колаб, там все просто с установкой. Лекции Воронцова по тематическому моделированию состоят из голой теории, нет практических примеров, хотя тема очень интересная и примеры легко найти или придумать. Задания странные, половина проходится даже без знания курса, фит-предикт сделать на моделях и немного программирования.

by Баранов В М

2020年11月16日

Начали за здравие, а кончили за упокой. Последняя неделя очень сырая. Большая часть материала проговаривается как заученный текст, без примеров и т.п. одни лишь двухэтажные формулы. ноутбуки с примерами недоделаны. И почему-то никто не хочет переделать задание для актуальной версии gensim. Это конечно опыт, но уж слишком болезненно он дается)

by A B

2020年6月16日

Старый, не поддерживаемый курс. Старый код, библиотеки, танцы с бубном.

by Покровский П В

2020年11月5日

Стыдно вообще брать деньги за такое. Курс (особенно четвертая неделя) построен на безнадежно устаревших библиотеках, в заданиях предлагается "присылать на ручную проверку". Чтобы грейдер отработал - нужно неделю возиться с костылями в виде специфических версий библиотек, ставить питон 2.7 (конец 2020 алё!) и еще не факт, что сойдется. Разочарован.

by Timur B

2018年5月13日

Первые три недели интересные и методы рассмотрены важные. Тематическое моделирование, на мой взгляд, штука достаточно специфичная и многим она не понадобится совсем. Хотелось бы чего-то более общего. А так курс неплохой.

by milo h

2019年11月22日

Я прекрасно понимаю, что материал расчитан на широкую аудиторию с разной степенью подготовки, но если вы поверхностно излагаете суть работы того или иного алгоритма, то будте добры не запутывать слушателя еще больше. Не надо вскользь употреблять каких-то глубоких терминов (прям сейчас могу вспомнить только "апостериорная вероятность"), это очень запутывает и демотивирует слушателя. Евгений, какой смысл в лекциях о теории вероятности показывать математические выкладки на слайдах и ничего о них не рассказывать? Вы только еще больше с толку сбиваете. Больше всего подгорает именно от ваших лекций.

Хотел поставить два, но из-за довольно полезных практических занятий ставлю три.

by Задойный А

2016年6月10日

После 2 курса здесь почти отдыхаешь (но именно что почти, многие задачи гораздо коварнее, чем кажутся на первый взгляд).

Курс не требует материала из 2, а вот 1 очень пригодится (разве что вы уже хорошо знакомы с python и не успели забыть линейную алгебру и матан со времён ВУЗа).

Курс не для новичков. С наскока не пройти. Но примеры, которые даются в курсе очень жизненные, а потому чувствуешь, что это не сухая академическая наука, а настоящая жизнь, то что применяется каждый день вокруг тебя почти везде: поиск, рекомендации фильмов, контекстная реклама в почте, «с этим товаром покупают» и «выбор редакции».

Отдельно довольно занятно то как с помощью описанных методов удаётся оптимизировать пространство признаков и превратить огромные массивы «информационного мусора» во вполне понятные и интерпретируемые даже человеческим глазом данные, графики, гистограммы, схемы…

Алексей З.

by Шляхов А В

2020年7月9日

Отличный курс!

Мне понравился, поскольку задачи подобного характера зачастую нестандартные.

Объяснение тоже понравилось, хоть в 1 задании грейдер ожидал результат по итогу работы более старой версии библиотеки)

by A D

2017年1月9日

Интересный курс, замечательные преподаватели. Есть моменты когда лекция довольно сложная, а тест простой, это оставляет тревожное ощущение недоученности :)

by Валерия Р

2018年3月29日

Для меня как новичка в Питоне, было увлекательно, и временами сложно, но оно тог стоило, спасибо!

by Dmitry K

2017年9月23日

Полноценно понравилась только первая неделя с интересным практическим заданием.

На остальных неделях был просто ужасный перегруз теоретической информацией, поэтому лекции прослушивались фактически только "для галочки" и их познавательная ценность стремилась к нулю. Осознать материал из лекций человеку с базовыми знаниями линейной алгебры просто нереально.

Последняя неделя это вообще торжество теории над практикой: при всем моем уважении к Константину Воронцову лекции читались как будто для людей, которые уже потратили пару месяцев на плотную работу с тематическим моделированием. Обилие специфичной терминологии, отсутствие каких-либо полноценных ассоциаций с практическим применением описываемой теории полностью перечеркивают полезность курса.

Практические задания по большей части выполнялись по принципу "китайской комнаты": я что-то пишу по инструкциям, но понимание напрочь отсутствует.

by Petr K

2019年1月10日

По-моему, отличный курс.

Лично для меня последняя неделя по тематическому моделированию оказалась очень длительной для изучения (потратил пару недель, тогда как первые три недели прошел меньше чем за неделю). В принципе, совсем не обязательно было углубляться, но я не устоял перед соблазном и поразбирался с EM-алгоритмом на будущее.

Курс рекомендую - отлично дополняет второй курс про обучение с учителем. Посмотрим, что будет дальше.

by Kirill V

2017年6月2日

Хороший курс, все очень понравилось!

Отличное введение в методы кластеризации, отбор признаков, матричные разложения, поиск выбросов, визуализацию и тематическое моделирование.

Немного не хватило практики на 2 и 3 неделях, что, однако, компенсируется очень подробными теоретическими материалами.

Хочу сказать спасибо организаторам и преподавателям! Каждый следующий курс специализации радует все больше!

by Natalia A

2018年1月9日

Курс замечательный, хорошие задания, подводит обновляемость грейдера с учетом новых версий библиотек, и некоторые исполняемые ноутбуки не всегда корректно работают с новыми версиями библиотек. Хотелось бы большем мобильности в обратной связи.

Мне курс в целом понравился, коментарии коллег на форуме курсеры и в Slack помогают разобраться в некоторых тонкостях заданий и тем.

Спасибо!

by Anton R

2018年9月14日

Курс достаточно насыщен. Понятно, что что трудно сделать его полнее без увеличения длительности. Из пожеланий, хотелось бы больше ссылок на описания алгоритмов. Возможно, есть статьи на русском языке. Да, просьба здесь и дальше: в конспектах указывать англоязычные термины и ссылки на базовые статьи. Спасибо))!

by Хабибуллин С

2021年6月16日

Н​адо много пыхтеть самому, читать форум, смотреть документацию, просто гуглить, не забывать про здравый смысл. Оцениваемые задания (по % к завершению курса) не всегда явно отражают этот % - возможно и нельзя сделать равносложные задачи. Но в целом курс интересный, полезный.

by Горячев В Д

2019年4月22日

Все остальное отлично! Преподаватели хорошо рассказывают

Последнее задание c BiaARTM не удалось сделать, т.к. не смог установить данную библиотеку.

И ответы в некоторых заданиях пора изменить, т.к. бывает, что ответы Python 3 не принимаются(рассчитано ведь на Python 2.7)