Курс на Stepik
В данном курсе мы рассказываем об основных и продвинутых подходах для анализа данных, а затем переходим к построению простых моделей машинного обучения. При этом параллельно осваиваем инструменты разработчика, которые активно исползуются в работе Data Scientst'a: терминал, Git и Docker
| Показатель | Текущие показатели | Рост | |||
|---|---|---|---|---|---|
| Значение | 🏆 Рейтинг | 3 дн | 7 дн | 30 дн | |
 Учеников на курсе |
435 | ||||
 Сертификатов выдано |
50 | ||||
 Отзывов получено |
7 | ||||
 Рейтинг курса |
4.857 | ||||
 Количество уроков |
24 | ||||
 Количество квизов |
55 | ||||
 Количество задач с кодом |
10 | ||||
 Время прохождения курса |
— | ||||
 Стоимость курса |
1 900 ₽ | — | |||
 Обновления курса |
— | — | |||
 Дата публикации курса |
— | — | — | — | |
| Последнее обновление |
— | — | — | — | |
| Сложность | easy | — | — | — | — |
Потрясающий курс!! Я, конечно, прохожу его совместно с Практическим Machine Learning от этого же коллектива авторов и эти курсы прекрасно дополняют друг друга! Хочу отметить, что курс предполагает обращение к другим источникам информации, порой хочется, чтоб было полегче или поподробнее... Но!! Задачи здорово мотивируют, выполняя их, реально набиваешь руку именно на решении вопросов. По итогу рекомендую, как и другие продукты авторов!
хороший курс.
Для меня самым ценным оказалась возможность не только научиться проводить разведочный анализ, но и разобраться с элементами разработки, такими как docker, git, linux.
Спасибо за курс! Поторил все этапы EDA и построил интерактивный дашборд. Также в курсе разбирается docker и элементы разработки (сделал, но мне это сложно далось). Курс отличный
Великолепный курс для ознакомления с анализом данных. Также купил другие курсы данного автора и ни капли не пожалел 12/10
1. В ходе курса сложился подробный план того, как нужно делать EDA, до этого в голове была каша. Но что более важно, удалось в достаточно простой форме ознакомиться с основами Linux, git и docker (последнее очень тяжело дается) 2. Очень понравилась форма подачи материала, на вебинарах преподаватели старались донести материал, объясняя по несколько раз. Также была постоянная поддержка в чате. Практически в любое время (разве что кроме глубокой ночи) можно было задать вопрос и очень быстро получить возможные варианты ответа 3. Что можно улучшить. Пожалуй, я бы хотела после каждой темы страничку с доп. материалом, куда можно копать дальше. Много ссылок давалось в чате, но они там быстро теряются. А самой найти нужное в гугле не всегда удавалось 4. Пришла на курс с практического ML, который покорил меня и сформировал большой кредит доверия к создателям, так как подача материала у них самая простая из всех, что я встречала) Собственно, все ожидания сбылись, курс понравился, купила доступ к следующему интенсиву. Очень жду курсов по DL UPD: в конце курса есть урок с ссылками на доп. материалы. Получается, у меня даже нет каких-либо предложений по улучшению:) Всё понравилось)
1. Повторил алгоритм выполнения eda- анализа. Вспомнил и попрактиковался в построении матрицы корреляций, а также в применении разных критериев, в том числе хи-2 и anova. Освоил установку virtual box, работу с терминалом windows, основные команды Linux. Попрактиковался в работе с git'ом! 👍 2. Супер понятно изложен материал на степики и в вебинарах! 3. Понравилось всё, сто было в первой половине курса. Возможно, было бы интересно по разбираться в различиях между тестами: хи-2, anova и другими. В каких случаях применяются; с какими типами данных. 4. Получение теоретических знаний и практических навыков в работе с git, Linux, docker, а также подготовка модели в прод.
