Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.
Спасибо за курс. Хороший материал. Отличные задания.\n\nЕсть желание пройти курс "Практическое машинное обучение" с большим количеством примеров и практик от авторов этого курса.
교육 기관: Leonid B
•Вполне пристойное введение в предмет.
교육 기관: Vladimir M
•Теория немного оторвана от практики
교육 기관: Шубин Н Ю
•Спасибо! Было познавательно.
교육 기관: Anton R
•Порог входа очень большой.
교육 기관: Рыжов М С
•Some problems with tasks.
교육 기관: Сидоров К О
•Не для новичков такое.
교육 기관: Pavlov A
•Good intro
교육 기관: Alexey K
•В целом не плохой курс, дает представление о машинном обучении. Охватывает много тем, один из немногих на русском языке. Очень понравился финальный проект на реальных данных. Большой недостаток курса проявляется еще до его начала - это неточное описание сложности, слишком мягкие требования к слушателям. Читаем: "нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования." На самом деле математика в курсе явно не для человека который просто "знает об основных понятиях", в этих понятиях надо хорошо разбираться, чтобы не возникло проблем с пониманием теоретической части. Базовых навыков программирования вам так же не хватит, придется осваиваить все на ходу.
Что еще не понравилось:
По теории - её очень много, но она вообще не используется в практических задания. В практике почти везде используются готовые библиотеки, использование которых возможно вообще без тех знаний, что даются в лекциях. Лекции читаются в типичной университетской манере, когда лектор уверен в достаточности знаний у аудитории, идет по материалу быстро, не вдаваясь в глубокие разъяснения. Именно слушать такие лекции смысла не много, с тем же успехом их можно было просто выложить в виде мини-учебника вместе со слайдами, эффект был бы тот же.
По практике - в лекциях не ни слова по практике на Python, выполняя практические задания придется ориентироваться только на не всегда полные текстовые описания и все время читать документацию по библиотекам языка (sklear, pandas, numpy). Из-за этого задания, оцененные на 3 часа выполнения, превращаются во все 9 часов, а по началу и более, пока вы не освоите язык и не накопите кодовую базу, куски из которой позже можно будет использовать повторно.
Если вы хорошо знаете высшую математику на уровне 2-3 курса технического вуза, вы не новичек в программирование, то этот курс для вас. Конечно, курс можно протий и так, но часть теории останется для вас загадкой, а на практику вы потратите в разы больше заявленного врмени.
교육 기관: Pavel A
•Курс новый, и хотя очень интересный, весьма сырой. Не считая всяких мелких технических ошибок, которые авторы исправляют достаточно быстро, всё даётся совсем по верхам. Без толкового описания что к чему и зачем. Примеров явно не достаточно. А практические задания весьма далеки от теории. Не в том смысле что они не о том, а скорее в них нужно выполнить работу, делая системные вызовы некоторых библиотек питона. При этом прямой связи почему эти вызовы, а не другие, почему так, и что там должно происходить либо не повествуется, либо умалчивается :)
Но я рад что прошёл и закончил этот курс. Рад также что "пришлось" познакомиться с Python (моё мнение о нём немного улучшилось).
교육 기관: Vladimir L
•Сначала было интересно... Но потом, - встречаются ошибки в тексте. Темы начинаются с видео, потом переходят в загруженный отдельно PDF. Какая-то сборная солянка. В видео идут общие теоретические знания - аля как важен Machine Learning в общих фразах, а чтобы решить задачу предлагается изучить ссылки на другие курсы для работы с Python Notebook и pandas - зачем тогда ваш курс если все приходиться самому изучать на английских сайтах?
Невозможно пройти простейшие тесты из-за ошибки в принятии правильного ответа. Сложные ответы были приняты. Система приема ответов не продумана по сравнению с другими курсами Coursera. Типичный Яндекс.
교육 기관: Андрей П
•Курс должен называться "Введение в математические основы машинного обучения". Много сухой теории без примеров из реальной жизни. Да могу я теперь написать регрессию с нуля, только толку то? Зашел на kaggle взялся за титаник и понял, что я ничего не знаю о тех самых основах предобработки данных и их визуализации, выбора фич и их создания. Да конечно неплохо понимать, что происходит когда стучишь молотком по гвоздю, но все же думаю логично сначала научить правильно пользоваться молотком, а потом уже углубляться, чтобы можно было пилить собственные молотки.
교육 기관: Баранов В М
•Курс не для новичков. Вам здесь не будут всё разжевывать (объяснять формулы, приводить учебные примеры, учить писать код). Вы должны знать хотя бы про линейную регрессию, неплохой навык программирования на Python, язык запросов SQL в первом приближении, если вы не знакомы с pandas. Иначе вы на первых неделях просто сольетесь. Лично я, перед тем как начать этот курс, прошёл курсы "Основы программирования на Python" и "Эконометрика". Мне было не просто. Если хотите познать ML пробуйте, читайте статьи, смотрите видео. Старт вы получите. Успехов.
교육 기관: Dmitry Y
•Курс сыроват. Складывается ощущение, что делали его "на коленке" и в последний момент.
Материал очень интересный, но подан очень своеобразно.
Что ожидалось? Хотелось рассмотреть теорию, попробовать реализовать это на практике, и затем сравнить на реальной задаче свой велосипед и готовые пакеты. Что вышло - четко разделенная сухая теория и совершенно библиотеко-ориентированная практика.
교육 기관: Semen K
•не хватает глубины обзора материала, лекции Воронцова на сайте яндекс, кажутся гораздо подробнее, структурированнее и понятнее.
задания часто не согласуются с лекциями, без предварительных знаний python и scikitlearn не обойтись
скрипты проверки скриптов с ошибками(
осталось впечатление что курс очень сырой(
교육 기관: Dmitriy S
•Курс вполне неплох. Уровень преподавателей в соответствующей области высок, но название "Введение..." не соответствует содержимому, чтобы лучше понять нужно быть хорошо подкованным в математике, а также уже иметь представление об МЛ.
교육 기관: Nikolay B
•Лекции очень короткие и насыщенные, порой задумываешься над формулой, а пропустил уже 3 новых. Всет-ки есть какой-то лимит по времени воспринимания информации, нельзя все формулы уместить в 5 минут не потеряв часть аудитории
교육 기관: Коротков В Е
•Много теории, при этом мало визуализации - не всегда понятно, что имеет в виду лектор. Совсем нет лекций с примерами решения схожих задач. Мало задач (в идеале должно быть 10от простых (на 10-20 минут) к сложным
교육 기관: Drozhnikov A
•Курс требует хорошего знания Python. В лекциях в основном теория без примеров с кучей формул. В практических модулях реализация метода средствами Python. Нюансы настройки метода не объясняются.
교육 기관: Evgenii D
•На мой взгляд, в качестве начального обучения курс тяжеловат, более-менее понимаешь о чём идёт речь только к концу. Поэтому рекомендую для освежения просмотреть курс второй раз.
교육 기관: Гаманец Р А
•Вот смотрю я видео, и понимаю, что ничего не понимаю. А беру задания, выполняю, и начинаю понимать. Но главное не понимаю, а зачем нужна какая модель. А это очень грустно.
교육 기관: Аминов А Ф
•Лекции непонятные (кроме асперов). Практика неплохая, но несколько устаревшая - она написана на втором питоне, и копипаст формул часто выдает ошибку.
교육 기관: Narek
•Хорошие задание по практите. Теория конечно для продвинутых дается, но в целом какое представление о предмете появляется, но очень слабое.
교육 기관: Victor A
•Что плохо:
Очень мало практики
Теория сильно оторвана от практики
По Нейросетям нет практики
Что хорошо:
Всё остальное
교육 기관: Peter K
•Need very strong skills and experience in Python. Also, some basic knowledge in ML also is necessary.
교육 기관: Ustinov M
•Очень сухой стиль изложения. Почти ничего не рассказано о существенно используемом в курсе python.