Chevron Left
Retour à Поиск структуры в данных

Avis et commentaires pour d'étudiants pour Поиск структуры в данных par Institut de physique et de technologie de Moscou

4.7
étoiles
1,449 évaluations
164 avis

À propos du cours

В машинном обучении встречаются задачи, где нужно изучить структуру данных, найти в них скрытые взаимосвязи и закономерности. Например, нам может понадобиться описать каждого клиента банка с помощью меньшего количества переменных — для этого можно использовать методы понижения размерности, основанные на матричных разложениях. Такие методы пытаются сформировать новые признаки на основе старых, сохранив как можно больше информации в данных. Другим примером может служить задача тематического моделирования, в которой для набора текстов нужно построить модель, объясняющую процесс формирования этих текстов из небольшого количества тем. Такие задачи назвают обучением без учителя. В отличие от обучения с учителем, в них не предполагают восстановление зависимости между объектами и целевой переменной. Из этого курса вы узнаете об алгоритмах кластеризации данных, с помощью которых, например, можно искать группы схожих клиентов мобильного оператора. Вы научитесь строить матричные разложения и решать задачу тематического моделирования, понижать размерность данных, искать аномалии и визуализировать многомерные данные. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Meilleurs avis

PK
3 mai 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.

AS
22 mai 2016

Изначально хотел поставить 3 или 4, но тематические модели спасли. Материал очень полезный. И изложение на высоте. Спасибо.

Filtrer par :

26 - 50 sur 159 Avis pour Поиск структуры в данных

par Радионов А

20 sept. 2017

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.

par Nadezhda K

9 déc. 2019

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

par Максутов

22 déc. 2016

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.

par Pavel S

10 août 2017

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!!!

par Ivan S

7 sept. 2018

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.

par Вернер А И

12 sept. 2017

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.

par Anatoly R

27 juin 2018

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

par Ленар С

8 févr. 2018

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

par Kira V

8 juin 2017

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.

par Петренко А

5 juil. 2020

Тем, кто честно прошел 1-й и 2-й курсы специализации, данный курс зайдет с удовольствием. После прохождения курса лично у меня сложилось системное представление об обучении без учителя. Рекомендую.

par Konstantin T

1 juin 2016

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

par Petr K

4 mai 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.

par Майоров К Н

4 mars 2019

Хотел бы поблагодарить организаторов и преподавателей курса! Материал дается очень доступным и понятным способом! С нетерпением жду прохождения новых курсов специализации!

par Полушин В О

7 juil. 2017

Отличное изложение материала, математика "в полный рост" (поэтому, не вспомнив теорию вероятности, работать по курсу очень тяжело), и практические примеры. Отличный курс

par Artem D

20 déc. 2018

Хороший курс, но без поиска доп. информации в интеренете почти по всем темам не обошлось.

С другой стороны, это естественный процесс при самообразовании. Так что все ок.

par Зубачев Д С

30 nov. 2017

Интересный и важный курс. Много полезных практических задач из жизни. Особенно понравилась задача с размещением баннеров и ПостНаука :) Спасибо огромное авторам!

par Жданюк А А

22 oct. 2017

Прием ответов заточен на определенные версии библиотек.

Можно было указать конкретные библиотеки, или скорректировать ответы, так как библиотеки дорабатываются.

par Коротков В Е

22 mars 2020

Отличный курс! Особенно понравилось задания последних двух недель - из-за того, что выработался навык самостоятельной настройки рабочего окружения

par Igor M

14 mai 2019

Отличный курс, хорошо изложена теория, практические задания интересны и хорошо помогают глубокому пониманию и усвоению материала.

par Крикливый А В

6 déc. 2016

Прекрасный курс для задач кластеризации и визуализации данных, а также для работы с признаками и построения тематических моделей.

par Alexey S

23 mai 2016

Изначально хотел поставить 3 или 4, но тематические модели спасли. Материал очень полезный. И изложение на высоте. Спасибо.

par Ульянова М Г

2 nov. 2019

Немного не хватает практических заданий на Python по кластеризации. В целом, как и предыдущие курсы, замечательный!

par Егор К

1 déc. 2019

Стоит немного доработать последние два задания под современный условия. В остальном, всё отлично. Спасибо за курс!

par Коротких М С

11 juin 2017

Честно говоря, прослушивал многие темы по два раза. И это дало плоды!

В общем было сложно, интересно и классно!

par Zakharenkov A

18 janv. 2018

Очень круто. Все как всегда на высоте. Немного задания были тяжеловаты, но в целом можно разобраться. Спасибо.