Обучение на размеченных данных

Практическая работа по нейронным сетям не дала никаких навыков по работе с ними.

Кстати, отдельно хочется отметить, что преподаватели дают еще и множество практических советов по предобработке данных и применению методов машинного обучения.Из недостатков: на 5 неделе дается вводное занятие по нейронным сетям.

Обязательно продолжу обучение по специализации Отличный курс, жаль, что в универе не все вещи объяснялись так же понятно и просто :) Самый полезный курс в специализации для соревнований на Kaggle Слишком сумборно был подан материал по нейронным сетям, много непонятного осталось Отличный курс, очень интересно и доходчиво.

Несколько огорчила неактуальность библиотеки для задания по нейронным сетям, которые в этом курсе затрагиваются лишь обзорно.В целом очень благодарен команде курса за проделанную работу.

В целом хорошо, но по нейронным сетям слишком мало было рассказано.

Но по нейронным сетям большой минус.

most updated knowladge , code is very good Отличный курс по введению в обучение на размеченных данных.Жалко что нет модуля по работе с признаками, их очисткой и дискретизацией Great content, but there is no point to keep automated-grading closed for auditing students.

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.

Меньше чем за месяц появилось базовое понимание обучения на размеченных данных и принципов ML.Много практики, грамотные преподаватели и качественные pdf сделали своё дело.

Сформировал понимание, какие задачи решает обучение на размеченных данных, познакомил с достаточно разными моделями, применимыми на практике, дал много важной информации по библиотеке sklearn.Были затронуты достаточно важные темы о подборе гиперпараметров модели и контроле качества на отложенной выборке/кросс-валидации.

Как обзор - подойдет, но в нем немного смысла, ведь мы все равно забудем эти вещи.Я все равно рад, что прошел "Обучение на размеченных данных".

Очень подробно рассмотрены линейная регрессия, решающие деревья, композиции алгоритмов, но нейронные сети, Байес и kNN "свалены" в одну неделю, хотя материала по ним хватит на отдельный курс.

Прекрасно было бы побольше рассказать про нейронные сети и их построение, разобрав популярные пакеты TensorFlow или Theano.

Немного сжата последняя неделя и на нейронные сети нужно больше времени.

Нейронные сети немного не оправдали ожиданий))) Отличный курс.

Хотя не без недостатков: не все задания переделаны под Python 3, ну, и нейронные сети недостаточно освещены.

Продолжаю идти по специализации Отличный курс!Не понравился только раздел про нейронные сети: рассмотрено очень поверхностно и абстрактно.

Отличный курс для понимания основных методов работы с размеченными данными.Хотелось бы побольше про нейронные сети.

Особенно неудачно, на мой взгляд, освещались темы Байесовской классификации и регресии и метрические алгоритмы Все отлично, но 5-ю неделю лучше разбить на два модуля.

То есть написанный код верен, но грейдер не принимает ответ, потому что, например, во всех заданиях ранее мы стандартно делили выборку случайно, а в этом задании нам нужны именно последние 25%, на мой взгляд это требование в задании нужно как минимум выделять жирным шрифтом.

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.

Но вот некоторые блоки - нейронки, байесовские методы - на мой взгляд даны очень уж вкратце.

Так и хочется броситься решать практические задачки, кажется, что ты теперь всемогущий (градиентный бустинг в какой-то момент вызывает ассоциации с BFG9000, для тех, кто понимает).Мне потребовалось больше 2 месяцев – явно не хватало подготовки (как в плане python, так и по математике).Но самое главное, что курс очень интересный!Алексей З. В курсе подробно разобраны базовые методы машинного обучения с учителем.Рассмотрены линейные модели, деревья, композиции алгоритмов.

Знакомит с основными понятиями и со множеством алгоритмов машинного обучения, как и простых, так и не очень.

Среди русскоязычных курсов по машинному обучению это лучший курс, но если смотреть рационально, сравнивая с другими курсами (и не только по машинному обучению), то еще очень много надо над ним работать.

Хотелось бы чего-то более детального и сложного.

Отличный курс, но хотелось бы больше про нейросети Отличный курс, спасибо!

Отдельно хотелось бы проехаться по примерам.

Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

Не все вопросы были достаточно понятными, хотелось бы более нормальных вопросов.

Спасибо большое за курс!Систематизировал и вспомнил свои знания по линейным моделям, узнал много нового и полезного про остальные модели, поработал наконец с нейронными сетями!

+ Интересно, много нового!+ Классно объяснены математические модели!

Тем не менее, спасибо.

Если так будет идти дальше, то до четвертого я не доберусь)) Курс отличный!

Весьма полный и подробный курс, задания можно в принципе выполнять и на python 3, но лучше чтобы все таки создатели курса полностью адаптировали под последний питон Курс отличный!

Очень качественный курс Отличный курс.