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 :

126 - 150 sur 159 Avis pour Поиск структуры в данных

par Олеся Р

25 févr. 2020

Курс интересный, но огорчает то, что на результат выполненных заданий влияет версия модулей и языка Python.

par Nikolay K

12 avr. 2018

Сделайте что-нибудь с заданием по Тематическому Моделированию, чтобы оно не зависело от версий библиотек

par Гришмановский Е В

27 janv. 2022

Отличный курс, однако хотелось бы чуть более развернутую часть в области тематического моделирования!

par Nikolay E

22 nov. 2017

В целом хороший и полезный курс, но есть проблемы с совместимостью библиотеки BigARTM разных версий

par Лазарев А В

27 avr. 2018

Задачи в Тематическом моделировании нуждаются в более глубоких пояснениях.

В целом курс понравился.

par Чернышев А О

13 nov. 2017

Про тематические модели Константин Воронцов очень бегло рассказывает и непонятно, к сожалению.

par Елизаров И А

14 juil. 2020

Некоторые задания безнадежно устарели, т.к. создатели забили на этот курс. Но в целом хорошо

par Алексей П

9 oct. 2017

не очень приятно подбирать версии gensim и numpy, чтобы выполнить задание

par Vasiliy B

25 sept. 2021

Подача информации последней недели отличается от остальных частей курса

par Mike K

13 déc. 2019

Курс неплохой, но желательно адаптировать его к 3 версии Питона

par Исаев Д В

11 mars 2019

Не понравилась неделя тематического моделирования.

par Иван Ч

27 sept. 2016

Неделя с тематическим моделированием не зашла.

par Rustem Y

1 déc. 2018

Классный курс, но есть проблемы с домашками

par Курочка А Ю

29 oct. 2018

Не удается установить Bigartm

par Филипп У

9 août 2017

что за трэш с грэйдером? :(

par Бурдзиев А К

7 nov. 2020

Все хорошо :)

par Георгий Б

7 janv. 2020

-

par Антон М

29 oct. 2019

В целом очень хорошо описана теория и понятные видео уроки, но большой минус заключается в очень низкой поддержке курса, переработке материалов и исправлении ошибок. Одни и те же ошибки которые создатели допустили в составлении заданий остаются неисправленными на протяжении долгого времени и нет никаких гарантий что кто-то возьмется их исправлять. Часто задания формулируются весьма нечетко и начинающим понять очень сложно что именно требуется, это касается всех курсов данной специализации, в свое время я поэтому и забросил данную специализацию спустясь 2 года решил вернуться и стало гораздо более понятно.

par Нурдинов Д А

26 janv. 2020

Слишком много сухой академической информации, просто смотреть на формулы не интересно, так же не радует то, что в данном курсе все заточено под недавно почивший python 2, приходится костылями устанавливать библиотеки на python 3. При этом заданий, где нужно что-то делать руками крайне мало, 1-2 на неделю в лучшем случае, при этом в большинстве случаев все написано за тебя, нужно только слегка доделать, что практически никак не дает ощутить теорию полученную в видео на практике

par Заспа А Ю

29 mars 2021

Очень средненький курс, подробности не хватает, чем ближе к концу - тем больше по верхам все проходится. Лучше дать меньше материала, но чтобы он был освоен, и человек его стал применять. Чем просто кучу всего вывалить - типо ты теперь знаешь, а человек знает теперь только называния моделей.

par Илья П

23 avr. 2018

Большая часть курса посвящена тематическому моделированию. Плохо рассмотрены проблемы кластеризации и поиска аномалий. Качество заданий по программированию, особенно в том же тематическом моделировании невысокие. Слишком много математимитики в видео, при этом крайне скудные лекции

par Гетьман Г А

8 juin 2020

последняя неделя подкосила, очень трудный материал, который излагается в труднодоступной форме. В остальном все прекрасно)

par lu n

15 déc. 2019

lack of support during completion of tasks. grader says "check random seed" which is not enough to address complex topics

par Провилков И С

10 sept. 2017

Плохая документация по установки BigARTM и неоднозначности постановки задач в некоторых номерах.

par Лепин В В

14 nov. 2020

Курс неплохой, но заброшен. Используются старые версии библиотек, это очень неудобно.