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
661 個評分
97 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:

51 - Прикладные задачи анализа данных 的 75 個評論(共 95 個)

創建者 Корщиков М С

Apr 10, 2018

Отличный курс.

Минус только за тест Ранжирование

創建者 Андрей М

Feb 19, 2017

Нейронные сеточки чет скомкано как-то были =(

創建者 Ануфриев С С

Sep 02, 2017

Задания можно было немного посложнее делать.

創建者 Yuriy

Nov 05, 2017

Мног неоднозначностей в данном курсе.

創建者 Duman M

Mar 09, 2018

Нейронные сети не на должном уровне

創建者 Maksim P

Oct 11, 2016

Спасибо за курс. Ближе к практике.

創建者 Ruslan S

Jun 16, 2017

Кантора в отставку!

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 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 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 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 Anvar A

Jun 23, 2018

Поставил 3 за плохую неделю с компьютерным зрением. Нейронные сети должны преподаваться отдельным курсом (слишком большая тема). В дополнение, формулировка задачи по ранжированию тоже ужасная. Пришлось помучиться с заданием. Из хорошего. Неделя по временным рядам классная. Неделя с текстами тоже интересная. В любом случае, спасибо за организацию курса и специализации!

創建者 Stanislav L

Dec 05, 2017

В сравнении с предыдущими курсами, этот какой-то проходящий. Какого-то особого смысла я в нём не увидел. Некоторые задачи решались просто одним вызовом, без особого погружения в смысл, остальные - зачастую подбором ответов.

Очень понравился раздел по работе с текстами. Всё-таки, подача материала часто определяет впечатление от курса.

創建者 Roman K

Dec 06, 2019

По сравнению с 4-м курсом этот курс слабоват: совсем мало практики, примеров. Более менее рассказано про временные ряды. Остальное - совсем по верхам. Где-то преподаватели даже поленились выложить лекции, есть только слайды (а они практически бесполезны без подстрочника). Видимо, под конец специализации все выдохлись)

創建者 Arsenii M

Aug 02, 2017

Местами очень сыро и непонятно. Честно говоря, худший курс специализации, особенно подкачала вторая неделя. Зачем-то рассказывают о соревнованиях и сложных архитектурах, при это нет реальных примеров в Питоне, полезной информации очень мало. Я надеюсь, вы её переработаете.

創建者 Шумилкин А Ю

Jan 09, 2018

Самый неудачный курс в специализации. Предыдущие четыре были замечательными, здесь понравились только временные ряды и анализ текстов. Все остальное либо рассказано странно, либо сопровождается странными заданиями, либо еще что-либо

創建者 Александр

Nov 20, 2017

Многократные попытки ответить на контрольные вопросы (точнее на один из них) опираясь на материал лекции ни к чему не привели. Либо лекция не раскрывает тему достаточно для правильного ответа, либо формулировка вопросов некорректна.

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 Yuriy K

Jan 23, 2017

В общем и целом курс хороший, но тема про ранжирование сделана очень плохо. Особенно хочу отметить квиз про ранжирование. За него отдельное "спасибо".

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 Vladimir A

May 25, 2019

Полезно, но поверхностно. Часть про временные ряды скучновата, зато про нейронные сети слушать было одно удовольствие.

創建者 Поздняков Ю О

Dec 29, 2018

Тесты очень напрягают. Хотелось бы иметь больше примеров задач и разборов решений с цифрами от а до я.

創建者 Пропастин К Ю

Dec 02, 2019

Вторая неделя очень плохо сделана. Материал сложный и плохо объясненный. Задание вообще ужасное.