Курс понравился. Материал изложен последовательно и доступно, сложные темы объясняются достаточно просто. Хорошо, что много практических примеров - помогает разобраться в применении методов на реальных данных. В целом полезный и качественный курс.
Курс подойдет для тех, кто вообще не разбирается в теме. В самом начале у вас будет гореть от того, что ничего не подкрепляется данными, но это только первые 3 дня. Потом ваше отношение к курсу меняется, становится положительным, т.к. автор дает и данные и объясняет полезные темы. Потом у вас снова начинает гореть, т.к. автор дает супер кривые данные, на исправление которых у меня ушло 30-40% времени прохождения курса. Потом вы привыкаете к этому и чувствуете вовлеченность к курсу. Чем ближе вы к финалу, тем больше у вас снова начинается разгораться, т.к. автор поверхностно разбирает полезные статистические методы, работы моделей и просто приводит код, ну типа "на, пользуйся, вот я тебя научил", а также все решение сводится к тому, чтобы вы скопипасти код из обучаещего блока и применили его к новому датасету(даже не меняя код и названия). В самом конце становится тяжело, т.к. некоторые датасеты вообще отсутствуют, и приходится генерировать их через гпт по картинке. Есть задачи, которые не объяснены в теории и никаких подсказок нет ни в комментариях, ни в описании к заданию. Все вопросы не содержат правильные ответы, в них проверяется только наличие текста, т.е. вставляйте туда бред и будете получать балы. А если вы вдохновились блоком пронозирование курса биткоина, то получить 40 баллов за него легко -- вставьте любой в текстовые блоки и пройдете весь курс. На комментарии и вопросы конечно же никто в процессе прохождения уже давно не отвечает. Автор обещал еще давно поправить материалы, но не сделал этого. К сожалению, не имея достаточного опыта в теме time series analysis я был вынужден купить этот курс и пройти его, чтобы разобраться с основами. Если вы также не разбираетесь в этой теме, то я советую купить курс, а во время прохождения отмечать места, которые вам показались непонятными, после прохождения -- закрыть слабые места самостоятельно. Скажу честно, курс мне помог, т.к. я не знал ничего, а смотреть видео на ютубе мне было лень. А тут за неделю-две уложились основы, но я понял, что такое неважение к студенту.
Курс понравился. Много графиков, это помогало наглядно во всём разбираться. Теория и практика сбалансированы, без лишней воды. Рекомендую для практического изучения.
Курс оказался очень полезным и практичным. Я раньше почти не сталкивался с временными рядами, но теперь понимаю базовые принципы и основные подходы. Теория дается компактно, без лишней воды — это хорошо, потому что можно быстро уловить суть. Практические задания помогают закрепить материал, хотя некоторые задачи были сложноваты для новичка. Но в этом и смысл — лучше разобраться в теме через реальные примеры. Преподаватель действительно оперативно отвечает на вопросы, что ценно когда запутаешься в материале. Мне понравилось, что рассмотрели разные методы — от классической статистики до нейросетей. Теперь я хотя бы понимаю, в каких случаях использовать ARIMA, а когда смотреть в сторону LSTM или TCN. Конечно, для глубокого погружения нужно еще самостоятельно практиковаться, но курс дает хороший фундамент. Хорошо, что были примеры с реальными данными — это помогает понять, как методы работают на практике. Временами не хватало более развернутых объяснений по некоторым сложным темам, но в целом соотношение теории и практики balanced. Для старта в теме временных рядов — отличный вариант.
Благодарю вас за такой развернутый и конструктивный отзыв! Мы очень рады, что курс оказался для вас полезным и дал хороший фундамент. Мы постоянно работаем над улучшением курса: как раз сейчас добавляем новые практические задания и детально перерабатываем объяснения по сложным темам, чтобы материал был еще более доступным. Ваши замечания очень ценны для этого процесса. Надеемся увидеть вас снова на наших следующих курсах)
Задумка хорошая, но реализация подвела. Я прошел этот курс с надеждой систематизировать знания по прогнозированию временных рядов. К сожалению, ожидания не оправдались, и курс оставил смешанные чувства. Со стороны плюсов можно отметить попытку автора охватить большой пласт знаний — от классических моделей (ARIMA, SARIMA) до нейросетей (LSTM, TCN). Однако на этом достоинства заканчиваются, и начинаются серьезные недостатки реализации: 1. Поверхностность теории. Курс не дает глубокого понимания принципов работы. Все темы рассмотрены по верхам, без должного погружения. 2. Бессмысленные задания. Большинство из них — это простые вопросы к только что прочитанному тексту. Ответ находится копированием, думать не нужно. Это проверяет память, а не развивает навыки. 3. Критическое отсутствие проверки решений. В практических задачах по программированию нет проверки кода. Система примет любой ответ (даже "test"). Вы не получаете обратной связи и не знаете, правильное ли у вас решение, что полностью обесценивает практику. 4. Несвязность программы. В заданиях модуля встречаются вопросы по темам, которые не были раскрыты в уроках. 5. Модуль "Прогнозирование с ML" является беглым обзором базовых понятий ML, не связанных с временными рядами. 6. Модуль "Нейронные сети" — это краткий обзор архитектур. Подробно разобраны только LSTM и TCN, при этом задания по LSTM не имеют к нему никакого отношения. Итог: Курс может дать лишь самое общее представление о теме для полного новичка. Если же вы хотите получить реальные практические навыки, глубокое понимание и уверенность в работе с временными рядами, этот курс вам их не даст из-за отсутствия структуры, глубины и, главное, адекватной проверки знаний.
Благодарим за детальный отзыв. Мы понимаем ваши претензии к глубине материала и формату заданий. Нашей целью было создать доступный по цене в своей категории курс, который широко освещает ключевые подходы к анализу временных рядов — от классических подходов до современных методов машинного обучения. Что касается заданий с открытым ответом (например, по декомпозиции STL), мы ограничены возможностями автоматической проверки Stepik. Она не может интерпретировать произвольные выводы или графики. Для получения персональной обратной связи вы всегда можете задать вопрос в комментариях, прикрепив код или выводы из ноутбука — мы оперативно на них реагируем. Теоретические тесты — это осознанный элемент структуры, предназначенный для фиксации ключевых концепций перед переходом к практике. Мы считаем этот подход методически оправданным для закрепления материала. Ваш фидбэк очень важен. Мы уже планируем доработки, чтобы усилить практическую составляющую. Мы понимаем, что ваша оценка отражает текущее состояние курса. Если наши пояснения и планы по доработке изменили ваше восприятие, мы были бы очень признательны за пересмотр оценки. Для нас важен каждый сигнал от внимательных слушателей🙏. Спасибо за конструктивную критику. Мы всегда открыты для диалога.