Материалы в лекциях и конспектах в курсе Математика и Python для анализа данных (4я неделя) не объясняют вопросы в тестовых заданиях и вопросах. Почти всегда приходится обращаться к сторонним источникам по вопросам теории вероятности и статистики.

Пока что курс Machine Learning от Andrew Ng более понятный с моей точки зрения.

Очень общий и короткий рассказ о фундаментальных вещах, которые хотелось бы понимать глубже. Мало примеров. Можно было бы давать ссылки на дополнительные материалы сразу в соответствующей теме.

Приходится тратить кучу времени на поиск информации в интернетах.

Информация поверхностная. За такие деньги ожидал гораздо более глубокого изложения со сложными задачами, на которые на самом деле нужно потратить время.

Не подойдет для тех, кому надо восстанавливать мат.знания

Невозможно выполнить некоторые задания на основе информации курса. Зачем тогда вообще курс? Пусть мне будет непонятно, но хотя бы пример , по подобию которого я бы смог сделать задание ДОЛЖЕН быть, за это платятся деньги. Учитывая еще тот факт, что задания проверяются такими же студентами, т.е верное решение объяснено получено не будет. В итоге демотивация и нежелание продолжать.

Лекторы , на мой взгляд, для преподавания слишком молоды. Не хватает пояснений на более грубых примерах, т.е. заботы о лучшем/легком восприятии в ущерб точности. Материал излишне сокращен.

Мало примеров и визуализации в ходе пояснений(касается мат. пояснений, не питона)

Сам нашел иной источник по изучению Машинного Обучения, так же присматриваюсь к иным курсам от других преподавателей на этой платформе.

Из-за фокусировки на проблеме подачи материала знания в голове не структурируются, в таком случае эффективнее прекратить работать с этим источником и искать иной, подходящий. Видно , что лекторы(касается именно мат. лекций) знают свою область, но преподаванием им заниматься не стоит, пусть лучше общаются с коллегами.

Ужасно скучная и нудная подача материала, через 5-6 минут видео начинает тянуть в сон. Вспоминаю своего преподавателя по программированию в университете, которая в таком же формате пыталась рассказать про C++. В итоге у всего курса знаний - 0 ! Здесь все очень сжато подается, по сути лекторы зачитывают конспекты/тезисы, которые они знают или подготовили для данного курса. Еще раз убеждаюсь в том, что знание предмета и преподавание - это две совершенно разные вещи. Моя оценка курсу - 1, жаль, что не успел вернуть деньги.

Очень неприятные впечатления оставил данный курс. Несмотря на то две последние недели были и полезны, и понятны. Задача на схожесть текстов со второй недели поставила меня не просто в тупик, а оставила очень негативные впечатления.

Материалов не только недостаточно, но и не понятно где можно почитать дополнительно о методах заполнения той же матрицы, или подсчёта элементов. Вместо пары часов угробил на эту задачу времени больше ем на весь курс.

Никому не рекомендую! !

Курс ни в коем случае не для новичков. Для людей с опытом в анализе данных будет бессмысленен. Обучение по принципу "вот молоток - иди сделай ракету", время на прохождение курса сильно растягивается из-за этого. Математика из учебников, описание Python и библиотек из документации на Python и библиотеки. Разве что конспект лекций в PDF может быть полезен так как на удивление информация там подана хорошо. Писать код для анализа данных с нуля тут НЕ научишься.

Worst course I have ever seen. Explanations are unclear, examples are not demonstrative and tasks are stated so, that you have to read someones mind to figure out what you have to do.

Увидел, что курс построен на питоне 2 и, со спокойной душой, отписался. Почти часовое введение с рекламой тоже не особо интригует

Без примеров, без разборов, без нормального объяснения, дорого, ограниченное время на прохождение.

Старая среда разработки , никак не установить ее , с старой задания невозможно воспринимать

This is a Russian course so it'd be better if I continue in Russian to :)

Цель этого курса - подготовить к непосредственно началу изучения Машинного Обучения.

В отношении меня цель была выполнена - я восполнил пробелы в тервере, матстате и numpy+pandas. Остальные темы знал довольно хорошо, т.к. уже что-то повторял + прошел курс от Andrew Ng. Из-за этого скорость прохождения была неравномерной - это нормально. Так что будьте тоже готовы, что какие-то темы пролетят очень легко и быстро, а на каких-то чуть подзависнете.

Очень понравился темп и глубина изучения. Темп очень спокойный, темы специально чередуются. Изучение довольно поверхностное, но при этом нужные слова упоминаются, оставляя возможность доизучать самому. С одной стороны курс не перегружается, с другой - обозначены термины для самообучения.

Здесь чувствуется некоторая свобода - просто завершить курс легко и быстро, большого труда не составит. Задания и практические семинары составлены таким образом, что есть много свободы для "поковыряться" самому.

Спасибо большое ребятам за отличный курс! Уже вовсю изучаю следующий))

Хороший вводный курс в специализацию, позволяет понять набор тем, которые будут впоследствии затронуты и освежить их в памяти, не сильно зарываясь в детали. Конечно, если есть, что освежать) Но курс именно что вводный и явно не для новичков в программировании и математике, так что если у вас по этим темам только забытые школьные знания, то вы в нём вряд ли что-то поймёте, придётся много учиться самостоятельно по университетским учебникам, или взять курс попроще. Но лично для меня это был плюс, математическое образование и работа программистом за плечами всё таки)

Ещё из несущественных минусов - курс до сих пор на Python 2.7, хотя до окончания его официальной поддержки осталось меньше года. Впрочем, вам ничего не помешает использовать python 3, как я и сделал. Единственное неудобство - некоторые предоставляемые в курсе примеры и notebook'и придётся немного править, чтобы запустить их в 3 версии питона.

Хороший курс, позволил вспомнить вышку, и понять, как её можно использовать в своей профессии. Серьёзный минус преподавателям в универе - и думаю, не только в моём - это то, что математика даётся совершенно абстрактно. В итоге несколько лет учёбы, если студент дальше сразу не уходит в math-related область, оказываются просто потеряны. А ведь могли бы добавить чуть проблемоориентированности и прикладных моментов, и поднять как качество образования, так и престиж учреждения, на новую планку.

Из минусов данного курса - очень высокий темп передачи информации. Первые лекции зашли хорошо, но дальше всё объясняли более и более кратко, и теорию вероятности и статистику, например, пришлось пересматривать по нескольку раз, параллельно разыскивая краткий и по-человечески написанный материал на тему. Но ставлю всё равно "отлично", так как получилось здорово и познавательно!

GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT!

Отлично заставляет вспомнить универ и напоминает базовые понятия матанализа, линейной алгебры, теории вероятности и статистики. Доступным языком, сжато и понятно (почти везде). Правда, из-за сжатого формата лекций приходится иногда обращаться к внешним источникам, но это только "плюс", если ты нацелен на развитие, а не просто получение сертификата. Интересные практические задания и тесты углубляют понимание и заставляют по-новому взглянуть на, казалось бы, понятные вещи и понятия.

В работе тоже помогает - и как улучшение профессиональных навыков аналитика и как дополнительное развитие в целом. Для тех, кто никогда не программировал и не изучал матан/линейку/тервер может быть сложновато учиться, совмещая учёбу с полной занятостью на работе.

Побольше бы по python - использование алгоритмов, опора именно на синтаксис, которые не реализуется в других языка, а то ведь я, например, писал код "теми же граблями", что и в других языках, а если посерфить в i-net - классные вещи люди вытворяют;

явно поменьше б пределов, производных - тут ведь не школьники все же, и других базовых глав мат дисциплин; Теорвер - далеко не самое лучше разъяснение материала, ну может это вследствие лимитированности видео-записей, но тогда: а зачем они вообще, если свою функцию не выполняют, а если говорить: ну материал же простой - тогда зачем на него время тратить, а лан - тут одна демагогия...

Спасибо, теперь только ipython notebook буду использовать

Спасибо всей команде-разработчиков данного курса! Было очень интересно его проходить.

Понравилось, что знания математики тут же находили реализовывались в Python.

Очень понравилось последнее задание про проверку ЦПТ, когда ты видишь на реальных выборках и реальном коде работу теории. Теория подкрепляется практикой, это очень круто.

Еще раз спасибо вам!

Одно маленькое замечание про то, что в первых двух неделях знания по Python очень не ложились.

То есть много было теории, а чтобы научиться, нужно попробовать. Да, после были задания написать код на Python, но все равно, мне кажется, много что я пропустила мимо ушей из первых лекций потому, что не попробовала написать код.

Хороший курс для того чтобы получить/освежить знания по математике и Python. Конечно, многие темы затрагиваются лишь поверхностно, но вы всегда можете более подробно почитать о них в рекомендуемой литературе. Задания неплохие, показалось что даже слишком легкие, но если вы новичок в Python, то у вас могут возникнуть трудности, да и в принципе хотелось бы больше заданий по программированию. Отдельно хочется отметить конспекты: они очень хороши, уверен, что буду пользоваться ими, для того чтобы освежить знания. Из минусов могу отметить использования 2-й версии языка Python, я сдавал 3 и особых проблем не возникло, но все же решил об этом упомянуть.

В обучении в рамках данного курса все понравилось.

Есть один нюанс - я начинаю совсем с "0". 11 лет назад окончила Физтех УПИ и с тех пор по профессии не работала, сейчас начинаю все сначала. В программировании опыта совсем нет, поэтому было бы здорово увеличить объем информации именно по программированию, как таковому. Понимаю, что в основном на такое обучение приходят не новички, но может быть для нулевых пользователей вы сделаете допраздел с большим количеством информации по программированию, заданиями на технику программирования, на оптимизацию кода и т.д.

В остальном, все понравилось. Иду учиться дальше на следующие курсы.

В таком сжатом, а главное, понятном виде суметь изложить основы мат. анализа, линейной алгебры и мат. статистики с теорией вероятности, да еще и с практическим применением полученных знаний в Python - это по-настоящему круто! С помощью этого курса я освежила подзабытые знания и сумела понять некоторые вещи, которые остались непонятными в процессе получения очного высшего образования в университете. И это классно, когда лекции настоящих профессионалов можно слушать дома, когда тебе удобно, и можно пересмотреть столько раз, сколько нужно, чтобы действительно понять материал, а не просто прослушать ради галочки.

Прекрасный курс от лучшего университета нашей страны (МФТИ) и лучшей ИТ-компании РФ (Яндекс)! Отмечу высокую концентрацию знаний - пришлось "вспомнить всё" из университетских курсов: мат. анализ, линейную алгебру, мат. статистику, теорию вероятности, методы оптимизации, а также изучить много того, что не знала раньше. Порой было очень непросто, но зато азартно и увлекательно, огромное спасибо! Отдельная благодарность всем преподавателям и разработчикам курса, а также менторам, которые терпеливо отвечали на вопросы на форуме. Мне особенно помогли рекомендации Алексея Задойного, спасибо!

Спасибо за курс!

Идеально подойдёт для тех кто изучал математику в универе, слушая "одним ухом" и толком не вдаваясь в детали. У меня было так, потому что просто не понимал, зачем могут быть нужны все эти матрицы, векторы, кроме как для фундаментальных теоретических исследований, которые меня мало интересовали. Оказалось, это может быть полезно и на практике. Курс хорошо освежает в памяти забытые формулы и понятия. Однако, из-за предельной краткости и лаконичности изложения некоторые вещи остаются не понятными и приходится обращаться к дополнительным источникам, но это вполне нормально.

Курс позволяет получить необходимую базу, без которой не получится в дальнейшем в полной мере изучать линейные модели, регрессию, деревья и т.п. В редких местах было непонятно, благо есть замечательный сайт Mathprofi, который я помню ещё со студенческой скамьи, и справочники в интернете по Питону. Увы, курс изучал больше, чем месяц)

Хотелось бы больший акцент на numpy - мне показалось, что ему уделили не так много внимания, хотя это мощный инструмент для работы с векторами.

Спасибо за курс, было познавательно.

P.S. Без базовых знаний матана будет сложно, берегитесь)

Курс хороший. Мне помог вспомнить, что я забыла со времен университета. Но я часто ловила себя на мысли, что, если бы мне надо было не вспоминать, а изучать весь материал с нуля, было бы сложно. Задания интересные и отлично возвращают в забавное состояние, когда ты одновременно знаешь, что требуется сделать в целом, и останавливаешься на какой-нибудь мелочи, вроде квадратиков вместо русских букв, и вынужден пересматривать лекции вновь и вновь, потому что точно помнишь, что где-то там объясняли, что делать, чтоб так не случилось, но ты, конечно же, пропустила.