Chevron Left
Zurück zu Обучение на размеченных данных

Learner Reviews & Feedback for Обучение на размеченных данных by Moscow Institute of Physics and Technology

4.8
1,922 Bewertungen
257 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:

201 - 225 of 239 Reviews for Обучение на размеченных данных

von Sergey

Mar 14, 2019

Overall, it's a good course.

I enjoyed the choice of topics to be covered, the structure of the course, and especially the theoretical part. A minor comment: I think, theory transcripts, tests, and programming assignments would only benefit from bringing some extra clarity. Specifically, before any equations it would be reasonable to annotate and/or briefly explain the variables; in multiple choice tests, it won't hurt to formulate the questions in a way that reduces ambiguity; in programming assignments, it would help a lot to specify what you mean exactly when you say 'dataset' (perhaps, in fine print).

A major concern is that the course developers do not keep up with Python development. It doesn't bother me at all to create a virtual environment with Python 2, and to install an obsolete version of sklearn; however, you at least have to specify the correct compatibilities. Specifically, the assignments would state that the scripts run on sklearn 0.15 and newer, but that's not true. The import specifications and function names have changed drastically shortly after v0.15. Although some (unconvincing) reasoning for using python 2 is out there, I don't see how anyone could benefit from leaning the deprecated sklearn namespace. It's especially striking given that you charge for the course.

Overall, the benefits of the theoretical part outweigh the minor points mentioned above.

I look forward to starting the following courses of the specialization.

von Шаланкин М Д

Mar 14, 2019

Хороший сложный курс, насыщенная программа и интересные задания.UPD: (прошёл 5 курсов из этой специализации, никому не советую проходить больше двух первых, потому что цена - качество не соответсвуют)

von Petr R

Mar 16, 2019

Такой хороший курс и так слили последнюю неделю. Сделайте уже что-нибудь с ней. Все в лучших традициях Воронцова : миллион формул на слайде, куча интегралов, выводы какие-то в две строки и "очевидные преобразования", далее задание на 5 минут, которое слабо связано с тем что происходило в лекции. Очень долго не мог закончить этот курс именно из-за этой недели, постоянно прокрастинировал её.

В итоге оценка за 1-4 неделю% 5 из 5

За 5 неделю : 1 из 5

von Антон Г

Oct 24, 2018

Отличный курс, но хотелось бы больше про нейросети

von Dmitry D

Nov 09, 2018

Курс отличный! В меру теории и практики. Только 5я неделя подкачала - очень скомканно.

von Ilya P

Aug 01, 2017

Второй курс специализации Яндекса (по ИИ) оставил противоречивые впечатление. С одной стороны, сделать продукт такого качества совсем не просто, и в русскоязычном пространстве вряд ли найдется более качественная специализация по ML. С другой стороны, подход Физтеха порой чересчур академичен, да и не расскажешь все за одну специализацию. Если параллельно подсматривать курсы на Udacity, например Deep Learning от Google, очень хорошо получается.

von Alexey S

May 23, 2016

Не смотря на то, что курс "сыроват" я почерпнул много полезного для работы и лично для себя

von Eugene M

Feb 05, 2017

В целом курс понравился, было много интересных и сложных задач, периодически приходилось хорошенько напрягать извилины. Материалы опираются на предыдущий курс и практически не требуют постоянного гугления, что тоже плюс. Впечатление немного испортила последняя неделя. Не очень понятно, зачем было в одну неделю укладывать столько разношерстных материалов. В итоге окончание получилось сумбурным. Если бы не этот казус и немного размытые постановки задач, в которых приходится долго думать над тем, чего от тебя хочет автор, вместо того, чтобы решать задачу, то курс бы заслужил полноценные 5 баллов. А в общем-то, большое спасибо за это крутое путешествие!

von Ivan O

May 02, 2018

Хороший курс, здесь совсем мало нейронок, но очень хорошее введение в целом в алгоритмы машинного обучения. На практике может занять больше заявленных 5 недель, ну и встречаются задания в которых нужно поплясать с бубном, чтобы ответ приняли.

von Vladimir Y

Feb 14, 2018

Хороший курс, но есть ряд замечаний к практическим заданиям. Мне кажется они нуждаются в дополнительной проработке и им необходима более широкая лекционная поддержка.

von Dmitriy R

Jun 28, 2017

Практическая работа по нейронным сетям не дала никаких навыков по работе с ними. Просто copy-paste предыдущих строчек кода в этом же ipython notebook.

von Basil S

Oct 15, 2017

not bad

von Вернер А И

Jul 26, 2017

В целом курс очень полехный. Теоретический материал изложен очень хорошо, с большим количеством примеров, облегчающих понимание. Наличие конспектов экономит время, что тоже немаловажно. Единственное замечание по курсу - сложность заданий по программированию. На мой взгляд они зачастую являлись очень сложными, а поскольку решений этих заданий не имелось, приходилось часами, а порой и по нескольку дней, работать над каждым из них, что сильно замедляло процесс обучения и снижало мотивацию прохождения курса. Предлагаю авторам курса принять к сведению последнее замечание, и выложить в свободном доступе решения заданий, для тех обучающихся, которые затрудняются самостоятельно выполнить эту обязательную часть курса.

von Arsenii M

Jul 22, 2017

В конеце курса немного скомканно подаётся материал, особенно на пятой неделе. В остальном всё отлично!

von Чернышев А О

Sep 18, 2017

Про нейронные сети мало рассказывается, "галопом по Европе"

von Беденко А А

Jan 23, 2018

Жалко, что нейронные сети остались за бортом. С другой стороны - полученных знаний вполне хватает чтобы понимать учебники по НС. Так что наверстаем. 4 первых недели прекрасны. Последняя неделя - IMHO винегрет. Потому 4 из 5.

von Nikolay S

Mar 24, 2018

Некоторые задания были плохо составлены. Было слишком много ошибок/багов/опечаток. В остальном было полезно.

von Stanislav

Feb 22, 2018

Замечательный курс, узнал много важных вещей. Но последняя неделя показалась несколько поверхностной. Надеюсь, что её материал будет рассмотрен подробнее в следующих курсах специализации.

von Vadim K

May 29, 2018

Supervised learning part is much better than the first one in terms of the lessons, however it's not perfect. Neural networks lessons and assignments are really poor. I also find some things to not be expressed in enough details, it seems like not all pictures in the slides are correct. As I remember it was about uniform vs distance in KNN or SVM where overfitting graph is for distance(1) instead of uniform(1/d).

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

von Павлов Е В

Jul 09, 2017

Не очень понятно изложено про XGBoost и нейронную сеть.

von Студенников В Ю

Oct 25, 2016

Не все используемые понятия объясняются. Очень мало внимания уделено нейронным сетям.

von Радионов А

Sep 20, 2017

Курс отличный: грамотно подаются практические аспекты обучения с учителем. Правда, впечатление несколько портит использование Python 2 и странное задание с PyBrain. Но это не критично.

von Vadim T

Mar 25, 2017

Велика разница между преподавателями. Особенно неудачно, на мой взгляд, освещались темы Байесовской классификации и регресии и метрические алгоритмы

von Амиров Р М

Apr 24, 2017

Отличный курс! Жаль, что мало практики по нейронкам.