Отлично дано именно понимание основных терминов и концепций в машинном обучении, объяснение формул, есть примеры. Респект автору!
Спасибо, рад что курс оказался полезен!
Мне понравилось. С помощью этого курса появилось понимание именно структуры ML.
Спасибо, желаю успехов в вашем пути!
Хороший путеводитель. Кратко, но емко (как по мне). Пожелания создателю(-ям). В первой части иногда встречаются отсылки у "уроку 24, 32, 57 и т.д." Но сами уроки пронумерованы 4-3, 5-6, 7-4 и т.д. Было бы лучше привести то и другое к "общему знаменателю".
Неплохо для вводного курса
Спасибо, Илья! Рад, что курс зашёл. С момента запуска он заметно вырос — теперь это 11 модулей: от баз и метрик до рекомендательных систем, ML в продакшене и блока по AI и LLM. Так что если заглянешь снова — материала ощутимо прибавилось. Вопросы и идеи всегда можно закинуть в чат сообщества ML Road 🙌
1. После прохождения курса научился понимать сущность моделей в машинном обучении, отличие регрессии от классификации. 2. Понравилось четкая подача материала. 3. Незначительный охват материала. 4. Наиболее удачный курс.
Андрей, спасибо за подробный отзыв — это ценно! Пункт про охват справедлив: когда вы проходили, курс был ещё в ранней версии. С тех пор он сильно подрос — сейчас 99 уроков и 11 модулей, от данных, метрик и моделей до Feature Engineering, рекомендательных систем, ML в продакшене и основ AI/LLM. Так что если вернётесь — найдёте заметно больше. А за слова про чёткую подачу отдельное спасибо: для меня это главное, ради чего всё и затевалось 🙌
Интересно получилось
Спасибо! Рад, что было интересно. Курс продолжает расти — заглядывайте, теперь там сильно больше материала 🙌
Курс понравился своей спокойной и понятной подачей. Он не пытается перегрузить новичка сложной теорией с самого начала, а постепенно собирает базу по ML в цельную картину. Видно, что это ещё ранняя версия, но фундамент уже хороший: материал последовательный, дружелюбный и удобный для входа в тему