Для базы хороший курс. Недостатки - материал от разных преподавателей не связан друг с другом. Некоторые теоретические уроки не имеют практического закрепления и вообще непонятно зачем даны (например, про дивергенции Брегмана).
Курс хороший, но очень не хватило про нейронные сети. Также хотелось бы какую-то сводную таблицу по алгоритмам МО
Второй курс показался сложнее из-за python. Если на первом курсе все разбиралось, в том числе код. Кроме того, сложные задачи (типа Кошачьей) разбирались на спец.вебинарах, то тут многие задачи не разбираются. И нет понимания, сделал криво-косо или нормально. Нет образа правильного и красивого решения. Кроме того, часто в заданиях или примерах сложный код. Для которого не хватает знаний языка с первого курса. Стоило бы сделать доп.модуль по расширенным знаниям питона. Какие-нибудь pipeline, преобразователи данных и прочее. Так же, конечно, по нейросетям никуда не годится модуль. Я даже не говорю, что он маленький. Но давать задание, которые не работает в python'ах выше 3.6. Это не дело. Я так и не прошел его, хотя угрохал несколько часов на танцы с бубнами. Переделайте задание под какие-то более современные библиотеки, пожалуйста. Девушка, которая читает по питину задания - ООЧЕнь быстро все пролетает. Вот в прошлом модуле куратор очень качественно все раскладывал. Но в целом, курс, конечно, очень объемный и полный материала. Очень важного и полезного. Так что спасибо большое! По мнение одного из ваших студентов, самый полезные с практической точки зрения:) Поэтому, большое спасибо!
Благодарю за материал. Местами было жутко непонятно, но в итоге добил курс. Банально подготовить данные и обучить модель теперь могу, качество оценить. Только не сложилось чёткого понимания о Pipeline и Baseline в контексте DS, может дальше будет яснее. По нейронкам и Байесу максимальный провал, т.к. лекции по ним "на бегу" подаются, было бы круто скорректировать материал по данным темам.
Курс в целом хороший. В качестве пожелания хорошо бы более подробно рассмотреть нейронные сети
Годный курс, но часть про нейронные сети удаляйте. Это провал.
Курс понравился. Особенно полезной считаю для себя практическую часть. После прохождения курса стало заметно проще работать с scikit-learn, numpy. Очень хорошо освещены методы линейной регрессии, методы, основанные на деревьях. Крайне недостаточно и не понятно для меня освещены нейронные сети, поэтому поставлю 4 звезды.
2й модуль хорошо наполнен практикой. Понятно, как работают методы обучения моделей. Порадовало объяснение "на пальцах", что, как и почему работает. Субъективно, огромное количество методов и подходов создали небольшой сумбур в голове и нет чёткого понимания, в каких ситуациях использование каких методов будет наиболее эффективно. Полагаю, это вопрос времени и практики. 5 неделя "нейронные сети и обзор методов", на мой взгляд, провалилась. Её либо нужно убирать, либо переделывать. Если нет цели погрузить студентов в детали, то стоит сделать верхнеуровневые презентации по каждой теме "что это, как работает, какие задачи решает" (Бонусный урок по такой схеме смотрится неплохо). Сейчас выглядит как попытка рассказать всё-всё за 5 минут + много формул и мало жизни. Общее впечатление - отлично!
Все отлично.
Курс дался мне лично нелегко. Ну и как всегда ))) сначала о том, что не понравилось: 1. Было бы хорошо, если бы больше было практических заданий для закрепления изученного. Именно задач. Не тестов. Пусть они будут небольшими, буквально несколько шагов. Но так будет усваиватся гораздо надежнее. 2. Раздел про нейронные сети. Если честно, очень слабо понял. Да, аргумент про то, что в курсе делается упор на классические алгоритмы и что нейронки представлены обзорно я слышал. Но даже после обзора должны остаться в голове какие-то знания. Лично у меня же четкое понимание - я ничего не понял)). Очень много формул для обзора, очень мало простых, доступных для начинающего понятий и определений. А так, в общем от курса, впечатления положительные. Радует, что в тех заданиях, где необходимо ввести значение в виде ответа, не приходится подбирать (т.е. если у меня ошибка - то после испрввления система принимает.), задания продуманы в этом плане (т.е. учтены влияние разных версий библиотек, ОС и пр. Спасибо команде курса!