Chevron Left
Zurück zu Обучение на размеченных данных

Kursteilnehmer-Bewertung und -Feedback für Обучение на размеченных данных von Moscow Institute of Physics and Technology

4.8
1,978 Bewertungen
260 Bewertungen

Über den Kurs

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. Задания и видео курса разработаны на Python 2....

Top-Bewertungen

RN

Jan 21, 2017

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

YD

Aug 08, 2018

Отличный курс. Меньше чем за месяц появилось базовое понимание обучения на размеченных данных и принципов ML.\n\nМного практики, грамотные преподаватели и качественные pdf сделали своё дело.

Filtern nach:

1 - 25 von 242 Bewertungen für Обучение на размеченных данных

von Pavel A

Oct 11, 2018

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.

von Кузьмин Ю

Aug 06, 2017

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.

von Andrei E

Aug 18, 2018

Слишком рано стало сложно, мало примеров и много формул.

von Капустин А Н

Oct 02, 2018

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.

von Филипп

Aug 09, 2017

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

von Aleksandr S

Apr 24, 2016

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

von Антюфриева Л А

Dec 03, 2018

Очень неравномерное распределение нагрузки по неделям

von Бунятов А И

Jan 28, 2019

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.

von Konstantin K

Mar 29, 2018

Очень интересно, но очень трудновоспринимаемо

von Timur B

Apr 21, 2018

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.

von Sergei B

Jul 08, 2016

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.

von Задойный А

Jun 10, 2016

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.

von Oleg D

May 25, 2016

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.

von Kira V

Jun 08, 2017

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 :)

von Nikita G

Jul 27, 2017

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.

von Maxim

Dec 30, 2016

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!

von Burobin I V

Jul 10, 2019

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

von Нестеров А А

Sep 17, 2017

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

von Фомин А Г

Jun 17, 2018

Было трудно

von Сокольцов В Ю

Jun 12, 2017

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!

von Usenko S

Nov 17, 2017

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.

von Голубев К О

Jul 23, 2017

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.

von Daniel B

May 11, 2019

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

von Petrukhin I

Mar 25, 2018

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/

von Alexander A

Mar 21, 2018

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