Курс достаточно старый, возникает много конфликтов версий, данные не обновляют. Ещё пока релевантная информация. UPD: (прошёл 5 курсов из этой специализации, никому не советую проходить больше двух первых, потому что цена - качество не соответсвуют)

Хорошая теоретическая основа, видео. Но задания все пора обновлять. Используются старые версии библиотек. В видео по установке и работе с библиотеками сильно устаревшая информация. Впрочем, это не сильно мешает понять тематическое моделирование.

Курс всем хорош, но три звезды только за задание с анализом текстов, где нужна была устаревшая версия gensim. Об этом не предупредили в тексте задачи, а грейдер не принимал ответы, выдаваемые новой версией. Потратила много времени.

Большая-большая работа. Спасибо преподавателям, МФТИ, Яндексу за возможность изучать предмет таким невероятно крутым способом

Все круто! Но хотелось бы использования более новых версий библиотек по тематическому моделированию!

После 2 курса здесь почти отдыхаешь (но именно что почти, многие задачи гораздо коварнее, чем кажутся на первый взгляд).

Курс не требует материала из 2, а вот 1 очень пригодится (разве что вы уже хорошо знакомы с python и не успели забыть линейную алгебру и матан со времён ВУЗа).

Курс не для новичков. С наскока не пройти. Но примеры, которые даются в курсе очень жизненные, а потому чувствуешь, что это не сухая академическая наука, а настоящая жизнь, то что применяется каждый день вокруг тебя почти везде: поиск, рекомендации фильмов, контекстная реклама в почте, «с этим товаром покупают» и «выбор редакции».

Отдельно довольно занятно то как с помощью описанных методов удаётся оптимизировать пространство признаков и превратить огромные массивы «информационного мусора» во вполне понятные и интерпретируемые даже человеческим глазом данные, графики, гистограммы, схемы…

Алексей З.

Для меня как новичка в Питоне, было увлекательно, и временами сложно, но оно тог стоило, спасибо!

Первые три недели интересные и методы рассмотрены важные. Тематическое моделирование, на мой взгляд, штука достаточно специфичная и многим она не понадобится совсем. Хотелось бы чего-то более общего. А так курс неплохой.

Курс интересный, но к сожалению есть много жирных минусов:

1) Последняя неделя - преподается скомканно и сумбурно. Лекций много, а практические материалы - недоработаны

2) Задание по программированию на 4 неделе (с gensim) - не адаптировано под современные версии. Для решения задач требуются танцы с бубнами и установка отдельных окружений со старыми версиями (правильную ещё и поискать надо!)

3) Последнее задание, которое не влияет на оценку (Постнауки) также неадаптировано и сделано на коленке. BigARTM это просто ужас. Местами вообще не понятно, что от обучающегося хотят.

4) Сама концепция использоваться старые и заброшенные библиотеки - так себе. В итоге у человека остается осадок в виде "как танцевать с бубном", а не как понижать размерность, кластеризовать данные и прочее.

5) В тетрадках на Python 3 в шапке указывают на каких версиях библиотек проверены задачи. Но по факту - они не проверены. В частности, так и не удалось победить NaN-ы в seaborn pairplot (при этом бОльшая часть сокурсников просто скопипастила чужие решения).

В остальном - курс неплохой, без этой части в ML и DS просто никуда. Отдельное спасибо Соколову Е. и Воронцову К. за качественную подачу материала.

По-моему, отличный курс.

Лично для меня последняя неделя по тематическому моделированию оказалась очень длительной для изучения (потратил пару недель, тогда как первые три недели прошел меньше чем за неделю). В принципе, совсем не обязательно было углубляться, но я не устоял перед соблазном и поразбирался с EM-алгоритмом на будущее.

Курс рекомендую - отлично дополняет второй курс про обучение с учителем. Посмотрим, что будет дальше.

Хороший курс, все очень понравилось!

Отличное введение в методы кластеризации, отбор признаков, матричные разложения, поиск выбросов, визуализацию и тематическое моделирование.

Немного не хватило практики на 2 и 3 неделях, что, однако, компенсируется очень подробными теоретическими материалами.

Хочу сказать спасибо организаторам и преподавателям! Каждый следующий курс специализации радует все больше!

Курс замечательный, хорошие задания, подводит обновляемость грейдера с учетом новых версий библиотек, и некоторые исполняемые ноутбуки не всегда корректно работают с новыми версиями библиотек. Хотелось бы большем мобильности в обратной связи.

Мне курс в целом понравился, коментарии коллег на форуме курсеры и в Slack помогают разобраться в некоторых тонкостях заданий и тем.

Спасибо!

Курс достаточно насыщен. Понятно, что что трудно сделать его полнее без увеличения длительности. Из пожеланий, хотелось бы больше ссылок на описания алгоритмов. Возможно, есть статьи на русском языке. Да, просьба здесь и дальше: в конспектах указывать англоязычные термины и ссылки на базовые статьи. Спасибо))!

Все остальное отлично! Преподаватели хорошо рассказывают

Последнее задание c BiaARTM не удалось сделать, т.к. не смог установить данную библиотеку.

И ответы в некоторых заданиях пора изменить, т.к. бывает, что ответы Python 3 не принимаются(рассчитано ведь на Python 2.7)

Отличный курс. Порадовало полномасштабное объяснение того, как и для чего применяется кластеризация.

Тот факт, что затронули байесовские методы, тоже порадовал: они достаточно необычны, и предоставленное здесь объяснение позволит не потеряться в них в дальнейшем.

Все как всегда было очень интересно и увлекательно! Не без мелких косяков конечно с заданиями, но вдвойне мотивировало учиться с ребятами искренне интересующимися специализацией. Без сомнения пройду оставшиеся курсы специализации и жду новых интересных заданий

Было здорово. Особенно интересным в плане контента показались кластеризация и визуализация.

Рекомендую курс всем начинающим data scientist'ам. Преподаватели последовательно и интересно излагали материал, а задания были несложными, но контролирующими понимание.

Отличный курс! Тематика и содержание полностью соответствуют аннотации. Дает достаточно глубокие теоретические и практические навыки. Формирует прочную базу для дальнейшего самостоятельного освоения предметной области.

Спасибо авторам!!!

Замечательный курс! Очень помог в изучении и освоении алгоритмов обучения без учителя. Теперь чувствую себя более уверенно в работе с данными и их обработкой. Может, смогу сделать что-нибудь прикладное в данной области.

Очень интересный и познавательный курс. Материал изложен доступно и достаточно подробно. Большое спасибо команде курса. Единственный недостаток - очень сложное второе задание по программированию за последнюю неделю.

пожелание, чтобы везде четко прописывались версии библиотек, используемых в демонстрациях.иначе сложно разобраться, где результат не воспроизводится из-за версии, а где ошибка из-за зависимостей в разных версияъ

Было бы хорошо, если бы создатели курса писали, какими версиями библиотек надо пользоваться, а то на последней неделе запарился с третьим заданием, которое правильно считает только определенная версия gensim

Замечательный курс (как и вся специализация)!

Отдельное спасибо за интересные задачи, особенно про выбор мест для установки рекламных баннеров и про тематическое моделирование на примере кулинарной книги.

Отличны курс! Спасибо большое создателям! Отличная подача материала, хорошие практические примеры и вообще всё просто классно! Категорически рекомендую, в том числе начинающим :)

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