Курс позволяет погрузиться в основы data-science и машинного обучения, достаточно неплохой объем данных разложен удобно для понимая. Вся теория идет попутно с практическими примерами которые помогают сразу самостоятельно попробовать и усвоить новую информацию
Хороший курс для знакомства с машинным обучением.
1. Чему научился, что нового узнал Я научился рассчитывать токоограничивающий резистор по закону Ома (на примере ИК-светодиода). Узнал, как подключать светодиоды к цифровым пинам Arduino Uno и почему нельзя превышать ток пина. Освоил управление несколькими светодиодами с помощью массива и цикла for, а также подключение ЖК-дисплея 16x2 через библиотеку LiquidCrystal. Понял, что такое библиотеки и как их подключать, и начал разбираться в работе с матричной клавиатурой и в создании калькулятора. 2. Что понравилось Понравилось, что теория сразу закрепляется практикой в симуляторе Wokwi: можно собрать схему и проверить код без реальных деталей и риска что-то сжечь. Также понравилось, что темы идут по нарастающей: от одного светодиода к дисплею и калькулятору. 3. Что не понравилось, что можно улучшить Здесь напишите то, что действительно заметили. Возможные варианты: добавить больше примеров с разбором типичных ошибок, давать развёрнутую обратную связь по практическим заданиям, а не только баллы, добавить больше заданий повышенной сложности. 4. Критерии выбора курса Я выбирал курс по нескольким критериям: понятная программа для новичка, практические задания вместо одной теории, возможность учиться в своём темпе и без покупки оборудования (благодаря симулятору), а также итоговый проект (калькулятор), который можно показать как результат. Этот курс подошёл по всем пунктам.
отличный курс, спасибо авторам!
Я освоил базовые навыки необходимые для Data Science и научился не бояться ML. Получил много теоретических знаний и немного практики. Временами было довольно много текста, но авторы курса позаботились о том, чтобы резюмировать такие места конкретными примерами и цифрами. В качестве замечания, я бы хотел указать на то, что практики было маловато и представляла она собой просто копирование кода в свой Колаб. Было бы здорово, если бы перед проходящими курс ставились конкретные задачи и принимались результаты на проверку (или, например, в формате теста с вариантами ответов). Однако лично меня этот недостаток практики побуждает к самостоятельному экспериментированию с ML и Data Science. Спасибо за курс!
Хороший курс для начала изучения Data Science. После прохождения я научился на базовом уровне пользоваться инструментарием scikit-learn и xgboost. В курсе простыми словами и без сложно математики преподносятся основные темы машинного обучения. Я бы хотел, чтобы в этот курс включили ещё другие алгоритмы и задачи, которые можно решать с помощью машинного обучения. В курсе в основе своей рассматривается задачи регрессии (предсказания какого-то численного значения), но отсутствуют другие задачи такие, как классификация, кластеризация и т.п. Хотелось бы добавить ещё вопросы для закрепления. Я выбрал этот курс, потому что сейчас углубляюсь в аналитику данных, где часто применяется машинное обучение.
Замечательный курс для старта в этой области. Спасибо огромное автору! Мне, как врачу-биохимику, курс оказался самым подходящим для общего ознакомления, чтобы продолжать развивать свои исследовательские компетенции в этой области)
Благодарю за доверие и высокую оценку! Ваш комментарий как врача-биохимика — лучшая награда за работу. Рад, что курс помог систематизировать общую картину. Удачи в исследованиях и дальнейших успехов!
Отличный курс! Спасибо автору за обратную связь в комментариях. Желаю дальнейшего развития этого курса и удачи всем!
Просто автору за труд!