Chevron Left
Voltar para Прикладные задачи анализа данных

Comentários e feedback de alunos de Прикладные задачи анализа данных da instituição Instituto de Física e Tecnologia de Moscou

4.4
624 classificações
95 avaliações

Sobre o curso

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....

Melhores avaliações

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.

IS

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.

Filtrar por:

1 — 25 de {totalReviews} Avaliações para o Прикладные задачи анализа данных

por 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?

por Somov O

Jul 25, 2018

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

por 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.

por 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.

por 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.

por 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.

por 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 (

por Гридасов И И

Feb 05, 2019

Курс даёт широкий взгляд на то, какие бывают задачи в анализе данных, с подробными pipelin-ами решений. В целом курс не сложный, но крайне полезный.

por Артем К

Apr 18, 2017

Отлично, как и все предыдущие курсы!

por 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

por 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!

por 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.

por Igor I

Aug 14, 2017

GREAT

por 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 :)

por Bakyt

Oct 09, 2017

очень полезный курс для тех, кто хочет освоить прикладные задачи машинного обучения

por Artyom S V

Feb 10, 2018

Интересный курс, и очень полезный.

por Alex S

Mar 20, 2017

Наконец-то узнал основы анализа изображений и пощупал руками TensorFlow, прикольно, надеюсь дальше будет только интереснее.)

por Anatoli Y

Nov 30, 2017

Good course however quite small from information perspective

por 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.

por Anton B

May 29, 2017

Отличный курс.

por 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 :)

por 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=)

por Виталий С

Apr 13, 2018

Хороший курс. Помог разобраться с проблемрй

por 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.

por Yuriy S

Nov 19, 2017

Супер, как всегда!