Chevron Left
返回到 Прикладные задачи анализа данных

學生對 莫斯科物理科学与技术学院 提供的 Прикладные задачи анализа данных 的評價和反饋

4.4
682 個評分
103 條評論

課程概述

Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалисты по анализу данных редко оказываются в такой идеальной ситуации. Обычно перед ними ставят задачи, которые нуждаются в уточнении формулировки, выборе метрики качества и протокола тестирования итоговой модели. Данные, с которыми нужно работать, часто представлены в непригодном виде: они зашумлены, содержат ошибки и выбросы, хранятся в неудобном формате и т. д. В этом курсе мы разберем прикладные задачи из различных областей анализа данных: анализ текста и информационный поиск, коллаборативная фильтрация и рекомендательные системы, бизнес-аналитика, прогнозирование временных рядов. На их примере вы узнаете, как извлекать признаки из разнородных данных, какие при этом возникают проблемы и как их решать. Вы научитесь сводить задачу заказчика к формальной постановке задачи машинного обучения и поймёте, как проверять качество построенной модели на исторических данных и в онлайн-эксперименте. На каждой задаче мы изучим плюсы и минусы пройденных алгоритмов машинного обучения. Прослушав этот курс, вы познакомитесь с распространенными типами прикладных задач и будете понимать схемы их решения. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

熱門審閱

KV

Jul 09, 2017

Курс интересен тем, что в нем рассматриваются примеры реальных задач, которые решаются в индустрии. Но мне он показался слишком простым по сравнению с 2,3 и 4 курсами. Можно усложнить его немного :)

PK

May 24, 2018

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

篩選依據:

1 - Прикладные задачи анализа данных 的 25 個評論(共 101 個)

創建者 Павел С

Jul 23, 2018

В курсе много поверхностных вещей, хотя в целом он полезный

Анализ изображений - очень много болтовни и мало практики, но там хотя бы упражнение полезное и интересное

А вот анализ текстов мне совсем не понравился

Пример и задание поверхностные и не интересные. Вместо того чтобы углубиться в характерные для анализа текстов вещи - лемматизация, стемминг, учет биграмм, стоп-слова, word2vec и т.д., дали оценку обычных классификаторов над какими то признаками, которые, кстати, в этом модуле вообще не обсуждались. А те особенности которые обсуждались - не показаны. В данных примерах почти ничего нового!

За тест по ранжированию в первом модуле недели 4 тоже жирный дизлайк. Там одни и те же ответы переформулированные, при этом все в некотором смысле могут быть правильными. Проблема с этим тестом известна уже более 2х лет судя по форуму, почему бы не переделать?

創建者 Vadim K

Jan 04, 2019

Один из самых лёгких курсов программы. Понравилась обзорность курса, но вот полезность с точки зрения практики около нулевая. Первая неделя рассказала про прогнозирование временных рядов конкретными моделями, но не рассказано насколько эти модели приближены к реальности, даже с заработной платой оказалось, что прогноз далёк от реальности, не рассказано и про регрессию на основе каких-то базовых показателей типо ВВП, инфляции итд итп. Вторая неделя про компьютерная зрения раскрывает интересную тему, но задания оторваны от лекций, а сами лекции толком ничего не рассказывают, опять таки годится в качестве обзора, но не годится в качестве обучения. Третья неделя выделяется в положительную сторону. Четвертая неделя оставила двоякое впечатление, квиз на 3 задание которого все жалуются, и последнее задание, в котором из-за порядка данных решение не принимается. В последнем задании так же неясна практическая ценность. В общем, хотелось бы, чтобы над этим курсом ещё поработали, он выглядит очень сырым.

創建者 Somov O

Jul 25, 2018

Самый легкий курс за всю специализацию, самое полезное на мой взгляд - анализ временных рядов

創建者 Oleg P

Dec 02, 2016

Я прочитал отзывы других людей и после прохождения курса решил оставить свой. Мне кажется, для оценки курса нужно разделить работу, которую проделали создатели курса, от собственно материала этого курса. Действительно, создать целую специализацию с нуля - это невероятно. Большое вам спасибо за эту специализацию и за ваше время, вы - первые среди русскоязычных курсов и сделали все очень замечательно.

Но, если говорить именно об этом курсе, то сделан он не очень хорошо.

1. Это не прикладные задачи анализа данных. Скорее его надо назвать: "Обо всем, о чем не рассказали в прошлых курсах". Это как другие курсы этой специализации, то есть, про разнообразные методы, но еще и довольно плохо объясненный.

2. Единственный кусочек этого курса, который действительно про прикладные задачи - сделан Эмели Драль на первой неделе. Спасибо большое, Эмели! Можно брать и идти работать.

3. Лекция про нейронные сети начинается, "что такое нейронные сети, было разобрано в предыдущих лекциях". Нет, этого разобрано не было.

4. Такое ощущение, что этот курс был сделан раньше всех остальных курсов специализации. Авторы предположили, какой материал учащиеся уже должны будут знать к пятому курсу специализации, и начали свои объяснения не с базовых вещей. А примерно с середины. В итоге - не понятно, очень отрывочно, сыро. Такие знания никуда не приложишь.

5. Третья неделя курса - гораздо лучше объяснена в курсе "Поиск структуры в данных". Четвертая неделя курса - невероятно сумбурная. Много формул, но немного спасло домашнее задание.

Делать этот курс можно ради первой недели (вторая - интересная, но самостоятельно сделать что-то, ее прослушав, не получится) или ради того, чтобы добраться до финального проекта.

Пока так..

創建者 Лавренов Д В

Oct 11, 2019

Слишком обзорный материал на лекциях по некоторым темам курса. И задачки есть интересные, а есть явно не соответствующие по уровню материалам лекций. Я бы сказал, что только с прогнозированием временных рядов было интересно работать. Остальные задачи слишком упрощены.

Отдельный негатив по компьютерному зрению. Тут вообще сплошной негатив. Материал лекций слишком поверхностный, никакого понимания применяемых архитектур сетей, принципов их применения не появилось даже близко. Практическая задача так же слишком простая. Делается даже не прослушав лекции, никакого понимания не требует. В общем, от недели по компьютерному зрению сухой остаток равен нулю.

Из положительных впечатлений - уроки про прогнозирование временных рядов, про анализ текстов, про рекомендательные системы. Тут по крайней мере материалы лекций были очень полезны.

創建者 Dmitry K

Dec 28, 2016

Качественно представлена информация по анализу временных рядов (Евгений, как всегда, - на высоте) .

Информация по нейронным сетям- поверхностный экскурс, усложненный инсталляцией Python 3.5, вызвала не только разочарование, но и раздражение необходимостью самостоятельного поиска дополнительных инструкций для установки Tensorflow под Windows7. Тема, достойна отдельного курса, но не в такой (сырой) форме изложения .

Отсутствие конспектов лекций превратили многие тестовые задания в "угадайку"...

В сравнении с 1-4 курсами качество этого курса заметно ниже (

創建者 Domnin V

Mar 13, 2019

По моему мнению курс не дотягивает до уровня предыдущих серий специализации ни по информативности, ни по полезности. Исключение - неделя 1, про временные ряды очень увлекательно.

До конца не понял, зачем этот курс здесь.

創建者 Petr K

May 24, 2018

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

創建者 Ivan S

Jan 21, 2019

Замечательный курс, полный примеров из реальной жизни для получения опыта. Очень полезные и понятные лекции, конспекты. Очень рад, что смог пройти этот курс.

創建者 Кузьмин Ю

Feb 04, 2018

Самое последнее задание - если вы не слишком уверенно знаете Pandas, лучше отвести на него 2-3 дня. Очень криво и местами неверно написано условие, много разных подсказок на форуме (без них я бы, наверное, ещё неделю пытался разобраться). Самое сложное, на мой взгляд, задание на все 5 курсов... Но, при этом, оно чётко даёт понять, что Data Science - не всегда красивые формулы и интересные модели: иногда это - муторная работа с данными и почти никакой математики.

Очень понравилась неделя 1 - анализ временных рядов. Супер!

Компьютерное зрение - поверхностный курс, а также требуются довольно сложные манипуляции, чтобы просто приступить к задаче.

Остальное не слишком интересно и не слишком сложно (2-3 недели закончил за 2 выходных), кроме самой последней задачи. За последнюю задачу, тем не менее, спасибо - если авторы решили этим показать "другую сторону медали". Мне пришлось сделать над собой усилие, чтобы её закончить (на все остальные я тратил не более 3-4 часов, как правило, а тут - несколько дней точно убил).

創建者 Egor G

May 09, 2019

Недели 1 и 3 интересные.

На неделе 2 огромная пропасть между содержанием лекций и практическим заданием. Все равно, что лектор рассказывал бы "Какая красивая Луна, многи люди мечтают туда слетать", показывал бы фото Луны... - а в задании нужно было расчитать формулу тяги двигателя ракеты, летящей на Луну, без подготовки.

На неделе 3 задание по программированию не снабжено детальными рекомендациями и примером кода. Занимает очень много времени, т.к. непонятно, что именно нужно делать. Одно из самых трудозатратных заданий по программированию всей специализации. Я не помню, чтобы где-то в специализации, например, объяснялось, как сортировать значения одного массива на основе порядка другого массива (а, может, нужно было вообще не так делать...)

創建者 Рогозин А

Apr 21, 2020

Во всей специализации от этого курса самые смешанные впечатления. Курс явно сырой.

Плюсы: хорошо объяснили временные ряды, обработку текста, ранжирование и рекомендательные системы.

Минусы:

- полный провал по компьютерному зрению. Лекции были больше обзорными, они не раскрывали глубоко тему компьютерного зрения. С задачей, судя по форуму, около 3 лет есть проблемы - ответы со старых версий библиотек принимаются грейдером, а с новых - нет.

- В самой специальности с нейронными сетями туго - их не объясняли толком.

- Задание по рекомендательным системам трудно объяснили, из-за чего пришлось повозиться и почитать форум, чтобы разобраться в его логике.

創建者 YaMolekula

Jan 08, 2019

Совет по курсу: слушать со скоростью 2х

Мое мнение по курсу:

1) Первая неделя интересная, про временные ряды маловато. Хотелось услышать про (G)ARCH и другие методы анализа временных рядо

2) Вторая неделя - мрак, все испортила

創建者 Denis L

Dec 05, 2017

По сравнению с прошлыми курсами - галопом пронеслись через все интересное и в конце уткнулись в жестокое, беспощадное и малоослмысленное практическое задание

創建者 Gleb S

Jun 12, 2018

Начало курса было интересным, но откровенно разочаровали практические задания. Вторая половина курса оказалась очень поверхностной и реального опыта не дала

創建者 Sergey K

May 20, 2018

Самый неудачный курс специализации. Лекции поверхностные, формулировки заданий неоднозначные. Квиз из 4 недели вообще угадайка.

創建者 Artur K

Dec 04, 2016

В данном курсе рассматриваются такие темы, как анализ и прогнозирование временных рядов, применение нейросетей к распознаванию изображений, анализ текстов, ранжирование и рекомендательные системы. В целом осталось очень хорошее впечатление от курса, хотя некоторые темы обсуждаются слишком поверхностно (например нейросети), но этого не избежать при таком ограничении на продолжительность курса. По-хорошему, по всем этим темам лучше прослушать отдельные углубленные курсы.

Манера изложения материала понравилась. Преподаватели, как мне кажется, нашли баланс между доступностью и полнотой изложения.

Единственное, на что хотелось бы обратить внимание команды курса - задание по программированию по рекомендательным системам из 4 недели допускает несколько неоднозначных трактовок условий и формулировок (в части, например, precision@k). См. обсуждение в форуме.

創建者 Sergei B

Oct 30, 2016

Хороший курс. Было очень интересно узнать о прогнозировании временных рядов (ARIMA). И анализ текстов понравился - полезный материал.

Из минусов. Часто было ощущение, что идем как-то по верхам теории, хотелось больше примеров. В частности это относится ко второй неделе (компьютерное зрение). Тема мега-интересная, но чего-то не хватило. Может быть, стоило более глубоко разобрать какую-то одну конкретную задачу по шагам.

Напоследок, несколько добрых слов :) За 5 курсов специализации у меня сформировался хороший кругозор в теме машинного обучения и анализа данных. При необходимости могу быстро решить почти любую типовую задачу. Хотя, начинал проходить специализацию с нуля и местами было тяжело. В общем огромное спасибо всем преподавателям! Жду дипломный проект :)

創建者 Chesnokov M

Nov 15, 2016

Хотел сказать большое спасибо организаторам и лекторам за замечательный курс и отличную специализацию! На 5 курсе, на мой взгляд, лучше всего проработаны недели про анализ временных рядов и текст майнинг - они запомнились и материалы из них можно будет использовать в дальнейшем. Стоит отметить, что недели про обработку изображений и рекомендательные системы проработаны немного хуже чем вышеупомянутые. Цельного рассказа про нейронные сети, на мой взгляд, в этом курсе не получилось.

В целом курс отличный, поэтому хочу еще раз поблагодарить организаторов и лекторов за те знания, которыми они делятся=)

創建者 Artem D

Jan 21, 2019

Финальный проект очень понравился (делал "Идентификация интернет-пользователей")! Реальная практика применения моделей, а также сабмишна на Каггле.

Если ваши заания длительное время не проверяют, не переживайте, к концу сессии народ точно появится.

Еще раз: проект очень классный и инересный! Не без шероховатостей, но все решаемо, в т.ч. с помощью форума.

創建者 Evgeniy S

Mar 15, 2017

Отличный курс. Наконец-то я дождался анализа временных рядов) По сравнению с первыми курс дается легче в плане решения задач, но это от того, что все направления показаны скорее для ознакомления, чтобы каждый мог выбрать то, что ему по душе. А там уже можно погружаться сколь угодно долго. Жаль что специализация близится к концу!

創建者 Zhassulan S

Apr 10, 2020

Крутой курс! Даёт возможность вкатиться в работу с различными постановками задач и типами данных (временные ряды, изображения, текстовые данные, ранжирование). В целом будет полезно в качестве холодного старта, а также расширения кругозора.

創建者 Ленар С

Jun 02, 2018

интересный курс. правда неделя про машинное зрение скорее не про машинное зрение, а про легкое введение в tensorflow, нет ощущения, что по этой теме получаешь знания из programming assignment. а так в целом полезные и итересные задания

創建者 Kira V

Jul 09, 2017

Курс интересен тем, что в нем рассматриваются примеры реальных задач, которые решаются в индустрии. Но мне он показался слишком простым по сравнению с 2,3 и 4 курсами. Можно усложнить его немного :)

創建者 Nikolai L

Jan 18, 2017

Лучший курс специализации по части сложности и интересности задач. В видео лекций есть проблемы с версткой — не всегда виден текст, либо он закрыт картинкой.