Chevron Left
Back to Обучение на размеченных данных

Learner Reviews & Feedback for Обучение на размеченных данных by Moscow Institute of Physics and Technology

4.8
stars
2,583 ratings
343 reviews

About the Course

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина. В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Top reviews

RN
Jan 20, 2017

Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.

AG
Nov 14, 2019

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

Filter by:

1 - 25 of 327 Reviews for Обучение на размеченных данных

By Pavel A

Oct 11, 2018

Первые 4 недели более-менее, хотя с теми же недостатками что и первый курс: галопом по европам, быстро, шаблонно отчитать формулы. Но 5 неделя - перебор даже для вашего стиля, так неинтересно рассказать про NN - нужно особое умение. Слайд где нарисованы 3 желтых пятна разного размера и какая-то точка X* - это вообще "эталон" визуализации)) Постараюсь успеть до окончания подписки как можно больше, но продлять спецуху желание пропало.

By Кузьмин Ю

Aug 6, 2017

Без отличного математического бэкграунда (или просто отличного понимания всех понятий из первого курса - особенно, теория вероятности, операции в векторных пространствах и пр.), а также не понимая математики первых недель курса, всю математику курса понять вряд ли получится. Если такого бэкграунда нет - это будет неплохой обзорный курс, но его в любом случае нужно будет углублять уже самостоятельно. Для меня по содержанию - отлично.

Что не понравилось - урок "линейные модели: статистический взгляд" на 3-й неделе. Очень много времени "убил" на попытки понять, очень не хватало "мостиков" между понятиями, данными в уроке. В итоге остался неприятный осадок от этого урока. Урок по нейросетям я бы сделал поподробнее и несколько проще. Также, касается большинства тем курса, очень мало ответов от наставников по существу преподаваемого материала - в основном, по моим наблюдениям, отвечают на вопросы по задачам и тестам.

В принципе, если даже не получится усвоить всю математику, курс отлично показывает механики работы методов обучения с учителем и через интересные задания (но тоже не без огрехов) даёт углубленное понимание этих методов. Думаю, другие прошедшие курс согласятся, что он не сделает вас Data Scientist, но даст определённый понятийный набор и некоторый опыт для дальнейшего углубления.

По интенсивности - 5 недель, сложность возрастает с каждой неделей. Значительно сложнее 1-го курса. С полной занятостью на работе по 8-10 часов, окончив технический ВУЗ лет 10 назад и повторив основы в рамках первого курса специализации - тяжеловато, но подъёмно.

Коллективу желаю не бросать этот курс, а развивать его дальше. Есть к чему стремиться, но в целом очень неплохо уже сейчас.

By Oleg D

May 25, 2016

Очень понравился курс. Если формулы на слайдах появляются, то подробно разбираются. Спасибо, за задание "Градиентный бустинг своими руками". Это задание, действительно, помогло лучше разобраться в алгоритме. Отдельно хотелось бы отметить Евгения Соколова, его лекции было приятно слушать и материал усваивался легко.

By Резанов А Д

Jul 26, 2019

Курс хорош, но обладает рядом существенных проблем: нулевая поддержка курса (несуществующие ныне модули из sklearn, мертый pybrain, python 2.7 (который перестанет поддерживаться в следующем году), большая проблема получить поддержку на форуме от представителей курса) Можно было бы разбить последнюю неделю на две и увеличить количество материала по нейросетям и метрическим методам

By Daria K

Jul 12, 2020

Курс был создан несколько лет назад, и с тех пор многие библиотеки поменялись. Например, обновились параметры по умолчанию. Из-за этого возникает масса геморроя со сдачей заданий, так как ответы, получаемые сейчас, не совпадают с получаемыми ранее при том же коде. Ну и некоторые лабы вообще не запускаются сейчас без танцев с бубном.

О вышеуказанных проблемах студенты курса сообщают уже очень давно, но создатели положили на это болт. Учитывая, что курс платный, ставлю оценку 2 за такое отношение.

By Andrei E

Aug 18, 2018

Слишком рано стало сложно, мало примеров и много формул.

By Илья П

Mar 25, 2018

Лекции и задаение по нейронным сетям - низкого качества, лучше убрать из курса и сделать ссылки на такие статьи, как:

https://habrahabr.ru/post/312450/

https://habrahabr.ru/post/313216/

By Oleg P

Apr 29, 2016

Мне кажется, что реальная оценка этого курса на сегодняшний день (апрель 2016) - три бала.

Конечно, работа, проделанная создателями курса огромна. Фактически, создан с нуля курс на русском языке по машинному обучению, который охватывает основные темы машинного обучения, более того, зачастую дает больше деталей и математики, чем тот же курс от Andrew Ng. Также я считаю, что этот курс лучше, чем похожий курс от Яндекса. Лекции действительно имеют отношение к теории.

С другой стороны, если смотреть на этот курс, как на продукт среди других, доступных на курсере, то видны и его недостатки. Курс сырой: много недочетов, плохо сформулированных вопросов. Грейдер не принимает ответ, но если запустить тот же код, но в интернете (try jupiter), то вдруг все правильно. Недостатком я считаю и то, что авторы курса не очень активно участвуют в форуме.

Заключение: реальная оценка, по-моему, это 3. Среди русскоязычных курсов по машинному обучению это лучший курс, но если смотреть рационально, сравнивая с другими курсами (и не только по машинному обучению), то еще очень много надо над ним работать. Если авторы планируют развивать этот курс, я думаю, он может очень хорошим, действительно лучшим.

By Бунятов А И

Jan 28, 2019

До четвёртой недели всё хорошо, на 4 неделе про градиентный бустинг задача невнятная, 5 неделю можно было растянуться на 2-3 и дать нормальное объяснение нейронным сетям. Pybrain включить отдельное приключение. Вопросы на форумах месяцами лежат, так что лучше сразу гуглить.

В целом хорошие впечатления от курса, но требует доработки.

By Konstantin K

Mar 29, 2018

Очень интересно, но очень трудновоспринимаемо

By Vlad B

Oct 14, 2016

Курс дает общее представление о машинном обучении. В заданиях много ошибок и инструкции к заданиям написаны нечетко, время тратится на понимание постановки задачи, а не на выполнение самого задания и приобретения каких-то навыков по обработке данных

By A B

May 27, 2020

Старый, неактуализированный, мертвый курс как по материалам, по коду в ноутбуках, так и по форуму.

Код часто не рабочий, на форумах никто не отвечает

By Maria

Apr 18, 2016

Очень непонятные и запутанные объяснения. Понять может только человек, который уже проходил где-то весь этот материал.

By Капустин А Н

Oct 2, 2018

Очень большая теоретическая нагрузка. Несмотря на то, что я "в теме" некоторые вещи пришлось открывать заново. Отдельно хотелось бы проехаться по примерам. Я так понял кур был подготовлен в 2016 году, с тех пор прошло 2 года - примеры надо бы обновить, т.к. часть библиотек питона обновилась (особенно sklearn) и некоторые методы ругаются, что скоро перестанут работать, в одном примере у меня совсем отказался строиться график.. ну не то, чтобы мне лень но технические проблемы курса при обучении решать - отнимает много ценного времени.. с временем у меня конкретные проблемы в силу занятости.

By Artem G

Nov 15, 2019

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

By Kira V

Jun 8, 2017

Наверное, второй курс - самый тяжелый из всей специализации в плане задач по программированию, но это не делает его менее интересным, нужно всего лишь преодолеть эти трудности :)

By Nikita G

Jul 27, 2017

Хороший курс, добротный, но хотелось бы увидеть больше информации о нейронных сетях, либо совсем тогда убрать эту тему из данного курса, ибо времени было уделено ей совсем мало.

By Maxim

Dec 30, 2016

Спасибо большое за курс!

Систематизировал и вспомнил свои знания по линейным моделям, узнал много нового и полезного про остальные модели, поработал наконец с нейронными сетями!

By Vasiliy B

Apr 15, 2021

Неоднозначные впечатления от курса. С одной стороны был полезным для меня, с другой – не могу его назвать хорошим курсом.

Не рекомендую его проходить людям, у которых нет твердых знаний и понимания матанализа и статистики. В целом преподавание за редким исключением ведется в традициях советско-российской школы, т.е. тебе начитывают материал с зубодробительными формулами в сути которого тяжело разбираться, если нет озвученных ранее знаний. Верю, что преподаватели толковые и знающие ребята в своих областях, но хороший ученый не всегда становится хорошим преподавателем. Пришлось потратить много времени, чтобы изучить дополнительные материалы для понимания курса. Более того, прошел пару других курсов, чтобы пройти этот )

Материалы курса плохо поддерживаются. Примеры кода зачастую нерабочие, т.к. функции и библиотеки уже давно устарели. Некоторые задания сформулированы некорректно, т.е. если точно следовать инструкциям, то невозможно получить правильный ответ, который примет программа. На это тратится много времени и сил.

By Голубев К О

Jul 23, 2017

В некоторых заданиях по программированию не хватает конкретики, кое-где для внесения определенности при объявлении классификатора полезно было бы зафиксировать random_stare. Прекрасно было бы побольше рассказать про нейронные сети и их построение, разобрав популярные пакеты TensorFlow или Theano. Ну и, например, keras, как надстройку над ними.

Тем не менее, курс замечательный и дает хорошее представление о предмете. Проходил его после 7-недельного курса Воронцова по машинному обучению. Тем не менее, нашел много нового для себя.

Спасибо вам.

By Aleksandr S

Apr 24, 2016

В целом отлично, но с грейдером на третьей неделе пришлось очень помучиться. Надеюсь, что поправили.

By Филипп У

Aug 9, 2017

Каждый раз, когда приходилось заниматься подгонкой ответа под грейдер, у меня неистово бомбило. :(

By Антюфриева Л А

Dec 3, 2018

Очень неравномерное распределение нагрузки по неделям

By Anton

Apr 8, 2021

Курс устарел и явно не поддерживается. Да, задания обновлены до 3ьей версии питона, но часть решений можно было сделать только с помощью коллективного разума, который находиться в обсуждениях - например, как поставить ту или иную библиотеку, какие параметры использовать, чтобы задание зачлось. Блин, хочется сделать задачу, а не подгонять ее под параметры! По поводу лекторов - нейросети и вторая часть про байес - очень унылы, просто зачитывают выкладки со слайдов. Более молодые преподаватели куда более живые и объясняют гораздо более понятно.

By Sergei B

Jul 8, 2016

Замечательный курс, который дает массу знаний и навыков по теме анализа данных.

Были очень интересные практические задания. Некоторые из них потребовали довольно много времени, но это того стоило. Параллельно пришлось подтягивать математику, что очень полезно само по себе. Тем, кто будет проходит этот курс в будущем, рекомендую освежить знания по статистике и теории вероятностей - это сильно пригодится.

Из преподавателей отдельно отмечу Евгения Соколова, который очень просто и доступно объяснил тему решающих деревьев. Еще запомнилась одна из лекций Эмели Драль, где она на примерах показала типичные ошибки начинающих специалистов по анализу данных. Остальные ребята тоже отлично справились со своим делом.

Единственное, мне не очень понравилось, как была раскрыта тема нейронных сетей. Это мега-интересная область, но ее подали очень сухо, непонятно и скомкано. Не хватало простых жизненных примеров, которые бы разобрали по шагам. Для сравнения у Andrew Ng этот материал дается гораздо понятнее и интереснее. Скажу честно — если бы я не прошел его курс, то здесь бы ничего не понял и потерял бы интерес к нейронным сетям.

Но все равно курс очень крутой. Ни разу не пожалел, что записался.

P.S. Маленькое пожелание — хочется больше активности на форуме со стороны преподавателей/менторов. Иногда этого очень не хватает.