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
1,149件の評価
116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. Задания и видео курса разработаны на Python 2....

人気のレビュー

PK

May 04, 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.

AA

Jan 09, 2017

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

フィルター:

Поиск структуры в данных: 26 - 50 / 111 レビュー

by Задойный А

Jun 10, 2016

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 Sergey M

May 20, 2016

Интересный курс для тех, кто на практике закрепить умение анализировать различные наборы данных.

by Grigory S

Jun 09, 2016

5+

by Кирилл В

Jun 02, 2017

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 Alexey S

May 23, 2016

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

by Полушин В О

Jul 07, 2017

Отличное изложение материала, математика "в полный рост" (поэтому, не вспомнив теорию вероятности, работать по курсу очень тяжело), и практические примеры. Отличный курс

by Eldar M

Jan 26, 2017

Отличный курс!

by Vadim G

Apr 29, 2017

Курс мне очень понравился.

by Konstantin T

Jun 01, 2016

Отличны курс! Спасибо большое создателям! Отличная подача материала, хорошие практические примеры и вообще всё просто классно! Категорически рекомендую, в том числе начинающим :)

by Ilnur G

Feb 03, 2018

Отличный курс! Есть лишь одно замечание: стоит обновить грейдер под актуальные версии библиотек.

by Елфимов Д И

Nov 21, 2017

Замечательный курс, в прочем, как и все в данной специализации!

by Kirill M

Sep 11, 2016

Отличное введение в обудение без учителя.

by Радионов А

Sep 20, 2017

Отличный курс. Порадовало полномасштабное объяснение того, как и для чего применяется кластеризация.

Тот факт, что затронули байесовские методы, тоже порадовал: они достаточно необычны, и предоставленное здесь объяснение позволит не потеряться в них в дальнейшем.

by Рамиль Б

Apr 05, 2018

Супер лекции, непонятно почему кто-то жалуется.

by Alexander

Jan 09, 2017

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

by Tkachenko D

Aug 08, 2017

Довольно увлекательный и непростой курс

by Крикливый А В

Dec 06, 2016

Прекрасный курс для задач кластеризации и визуализации данных, а также для работы с признаками и построения тематических моделей.

by Valentina C

Apr 05, 2017

Замечательный, хотелось бы еще больше знаний и практики.

by Kira V

Jun 08, 2017

Замечательный курс (как и вся специализация)!

Отдельное спасибо за интересные задачи, особенно про выбор мест для установки рекламных баннеров и про тематическое моделирование на примере кулинарной книги.

by Natalia A

Jan 09, 2018

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 Alex K

Nov 16, 2017

воронцов топ

by Аникин С А

Nov 11, 2016

Погружение в тему с головой, было интересно.

by Роман

Jul 09, 2017

Отличный курс!

Замечательные преподаватели, интереснейший материал и задания!

by Максутов

Dec 22, 2016

Было здорово. Особенно интересным в плане контента показались кластеризация и визуализация.

Рекомендую курс всем начинающим data scientist'ам. Преподаватели последовательно и интересно излагали материал, а задания были несложными, но контролирующими понимание.

by Ленар С

Feb 08, 2018

Было бы хорошо, если бы создатели курса писали, какими версиями библиотек надо пользоваться, а то на последней неделе запарился с третьим заданием, которое правильно считает только определенная версия gensim