Chevron Left
Retour à Обучение на размеченных данных

Avis et commentaires pour d'étudiants pour Обучение на размеченных данных par Institut de physique et de technologie de Moscou

4.8
étoiles
2,584 évaluations
344 avis

À propos du cours

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина. В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Meilleurs avis

RN
20 janv. 2017

Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.

AG
14 nov. 2019

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

Filtrer par :

51 - 75 sur 327 Avis pour Обучение на размеченных данных

par Valeriia N

31 janv. 2018

The course overall is very good, especially if to read all the additional materials and google things to know more.

The only thing I personally did not like is non-uniformness of different parts. For example, in my opinion, the neural network part was much weaker than others: nothing was easy to understand in the videos and the practical task was just boring. However I need to notice that gradient boosting part and methods review part were really good.

Also a little thing that I did not like is that some of the tasks were in ipynb, and the others were not. It was just a bit imperfect.

Thank you for the course very much! I really enjoyed it and learned the things I did not know before.

par Vasiliy Z

8 juin 2016

В курсе подробно разобраны базовые методы машинного обучения с учителем.

Рассмотрены линейные модели, деревья, композиции алгоритмов. Ко всему материалу дана математическая база, практическая реализация на Python с использованием соответствующих библиотек и задачи на закрепление материала.

Много внимания уделено правильно подготовке и работе с данными, рассмотрены различные реальные проблемы и возможные решения, весь материал подкреплен практическими заданиями.

Курс не очень сложный, отлично совмещает практику и теорию, рекомендую всем кто интересуется темой.

par Yuriy Z

19 mars 2020

Лично для меня "Обучение на размеченных данных" был очень информативным курсом. До этого курса единственное что я умел делать на размеченных данных были нейронные сети. Благодаря этому курсу я узнал и попробовал лассо регрессию, ридж регрессию, решающие деревья, случайные леса. Очень сильно удивился увидев использование байесовской статистики для разделения данных. Сразу скажу, что вреия отведенное на курсы для меня оказалось неподйомным и над курсом я просидел значительно дольше чем запланировано. Обучение помогло получить победу на одном с конкурсов.

par Тенишев Т В

14 janv. 2021

Это просто замечательный курс по машинному обучению. Не думал, что кто-то может так легко объяснить концепты машинного обучения с горой математических формул. Он конечно, самый объемный из всей специализации, так что после его преодоления можно смело браться за соревнования по data science. Разочаровала тема нейронных сетей, к сожалению - тут создатели курса подкачали и мало понятно. Однако в остальных алгоритмах машинного обучения (линейная регрессия, бинарная классификация, случайный лес градиентный бустинг) - курс отличный и очень глубокий

par Vladislav K

17 nov. 2018

Хороший курс для введения в машинное обучение. Знакомит с основными понятиями и со множеством алгоритмов машинного обучения, как и простых, так и не очень. Хочется отметить, что в курсе соблюдается баланс между теорией и практикой. Конечно, для получения более детального представления о некоторых алгоритмах придется воспользоваться другими источниками, но всю информацию в 5-ти недельный курс не уместить. Из минусов могу отметить только уж очень беглое рассмотрение нейронных сетей, оно явно носит лишь ознакомительный характер.

par Рустам Б

17 mars 2020

Прекрасный курс! По сравнению с первым курсом специализации выросла сложность как теоретического материала, так и практических заданий. Единственное что хотелось бы поменять - это доработать критерии приёма работ в заданиях на программирование, в одном задании так и не удалось подобрать нужный ответ из целого множества правильных ) На форумах заданий эта проблема активно обсуждается, но не все недостатки ещё исправлены.

par Георгий Ф

27 mai 2017

Отличный курс! Много практики. Не очень понравилась 5-я неделя - рассказ про нейросети, как мне показалось, был чрезмерно поверхностным, но при этом довольно сложным. Не очень понятно для чего это было сделано - для того, чтобы показать, что они существуют это было как-то сложно, для тех, кто уже с ними знаком - это наверняка было итак известной информацией, а для тех, кто впервые о них узнал - слишком трудно.

par Shamil K

15 janv. 2018

Отличный курс. Сам не эксперт, но алгоритмов разных, в ознакомительном порядке, в нём по-максимуму.

Даёшь больше байесовской статистики! Было бы классно задачу какую-нибудь, из серии спрогнозировать движение такси показаниям по GPS и спидометра. Вообще, пока ощущение, что это метод королей, но нет "мяса".

В целом получил положительных эмоций от чего-то, что работает) С нетерпением иду дальше по специализации

par Петров И В

15 sept. 2018

Курс был очень полезный. Изложение материала отличное. Были иногда непонятки с заданиями, но они решались. Единственная часть курса, которая не очень понравилась была посвящена нейросетям, лектор, на мой взгляд, не так качественно освятил эту тему, как другие лекторы остальные темы, а задание по ней делалось в не самой популярной библиотеке для построения нейронных сетей.

par Pavel A

6 mai 2019

Замечательный курс для первичного знакомства с анализом данных, преподаватели стараются объяснить все максимально понятно для неподготовленного слушателя, ощущается их труд при составлении курса. Вся информация с лекций законспектрована, так что есть возможность всегда освежить знания, полученные при прохождении специализации. Огромноное спасибо авторам!

par Sergey K

11 févr. 2019

I have finally finished this course and am glad... no... i am happy. The course requires from participants a lot of effort.

This course is definitely a challenge. I congratulate all participants who have also come to the end. I also would like to appreciate the mentors whose help is very intense and the teaching staff for sharing their knowledge.

par Митюшина Е С

12 mars 2018

Отличный курс! Подходит для слушателей с разным уровнем подготовки, пробуждает интерес углубиться в рассматриваемые темы, дает достаточное понимание предмета, чтобы продолжить самостоятельное изучение. Для меня главной трудностью была острая нехватка навыков программирования - на практические задания 2 и 3 недели было потрачено немало времени.

par Поляков Г В

4 déc. 2019

Всем привет. Отличный курс, выверенные задания. Были знания к моменту прохождения курса. Уже давно смотрю на него, тогда не было тетрадок на python3, теперь появились. Очень комфортно. Полученные знания позволят понимать базовые алгоритмы машиннного обучения в отношении supervised learning. Достойные примеры и практика.

par Алексей К Д

25 mars 2018

Отличный курс. За короткий срок рассматривается очень много методов машинного обучения, но при этом объясняются они доходчиво и доступно. Множество практических, разнообразных задач позволяют закрепить навыки и укрепить теоретические знания. Ищите меня на kaggle, буду практиковаться на задачах ;)

par Konstantin T

11 mai 2016

Очень, очень хороший курс! Нет, он великолепен!!!111 Отличное изложение материала, внимание к деталям, интересные примеры приложений к реальным задачам. Буду настоятельно рекомендовать данный курс к просмотру всем знакомым. Большое спасибо создателям курса, у вас всё отлично получилось!

par Проценко С В

23 juil. 2017

Я не могу сказать, что курс был простым, но он довольно интересный. Периодическая отсылка на прошлые материалы помогает закрепить пройденное. И в целом, сложность заданий может показаться сразу завышенной, но стоит вчитываться и внимательно смотреть лекции, сам все конспектирую.

par Maria A

25 déc. 2016

I'm very grateful to everybody who prepared that course! It's very useful, extremely interesting and super practical. It is very concise and coherent with the the materials from the previous courses from the specialization. I will recommend this course to my friends for sure.

par Матиенко А П

28 mai 2020

Супер! Все отлично! Особенно понравились мини-лекции Соколова: все очень подробно объяснено, интересно слушать, интерес подогревается. Есть разобранные примеры. Задачки, на которых можно попрактиковаться. Преподаватели отличные! Материал интересный. Практика есть. 20 из 10!

par Данил

25 juil. 2017

Спасибо! Курс очень понравился, из замечаний, лично на мой взгляд, хотелось бы чуть более сложных и глубоких практических заданий по программированию, еще лекции по нейронным сетям показались какими-то смазанными и не до конца понятными, но в целом все очень хорошо)

par Dremina A

29 mai 2017

Хороший курс, где все разложено по полочкам. Понятная теория, интересное изложение, хорошо подобранные задачи, справки по функциям и даже есть подсказки, если отправленный ответ не совпадает с правильным. Понравились лекторы, рассказывали с огоньком в глазах :)

par Коноплев В Е

5 sept. 2020

Очень хороший курс. Большую часть рассказывает Евгений Соколов, и у него это очень хорошо получается! 5 Неделя скомканная, все остальные очень интересные. По поводу проблем с установкой pybrain на 3 питон : смотрите советы в канале в телеграмме.

par Maxim B

9 avr. 2017

Предупреждайте людей, что иногда нужно разбивать выборку не с помощью train_test_split, а руками. Иначе ответ не сходится.

Кроме того, что перед бинаризацией надо конвертить категориальные признаки в строки на всякий случай.

В остальном все круто!

par Petr K

11 déc. 2018

Отличный курс по соотношению глубины погружения и скорости продвижения. Живо, подробно, с практикой, позволяющей немного набить руку в sklearn и numpy. Чрезмерного разжевывания тоже нет - это все-таки все еще начало пути в Машинном Обучении.

par Ivan S

7 sept. 2018

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

par Зубачев Д С

10 nov. 2017

Хороший курс. Узнал много нового и интересного. Жаль, что мало материала по нейронным сетям. Очень понравился случайный лес и градиентный бустинг над решающими деревьями. Авторам огромное спасибо за проделанную работу!