Мне очень понравился этот курс. Из теории я узнал, как работает градиентный спуск, чем отличаются Batch Gradient Descent, Mini-batch Gradient Descent и Stochastic Gradient Descent, где и когда лучше их использовать, а также в чём принципиальная разница между итерационными и аналитическими методами. Помимо теории, было много практики, а в конце курса меня ждала объёмная домашняя работа, которая закрепила мои знания. Большое спасибо преподавателю за колоссальную проделанную работу и чёткую структуру обучения.
Очень крутой курс. Идеально подходит для новичков, которые хотят освоить основы машинного обучения с нуля. Материал подаётся тщательно и последовательно, без перегрузки сложной математикой. Код разбирается несколько раз - построчно, с подробными объяснениями и в разных вариациях, что помогает действительно понять логику алгоритмов, а не просто повторить решение. Отличный старт для уверенного входа в ML учитывая,что алгоритм ГД это базовый алгоритм в нейросетях