logo
Ещё
avatar
Диана
25 апреля
Не фонтан, но брызги есть
Цель моего прохождения курса — освежить знания о базовых концепциях ML и их применении. В конечном счете цель была достигнута, но расскажу чуть подробнее про сам процесс. Платформа, на которой проходят занятия, и прилагающиеся инструменты показались мне достаточно удобными и юзер-френдли, чтобы без проблем находить то, что мне нужно (именно с точки зрения навигации). Курс делится на 4 модуля, три из которых на мой взгляд довольно неплохи, чего не скажешь про четвертый. Сначала о приятном: модули «Прикладная разработка на Python», «Машинное обучение и приложения», «Статистика и А/В-тесты» для начинающего ML-щика / дата-аналитика сделаны весьма сносно, хотя фундаментальные основания часто заметались под ковер. Мне, как человеку с базовым мат. Образованием, иногда это резало слух, но думаю среднему человеку, проходящему курс, так даже лучше. Порадовало, что присутствовал блок со статистикой и практическими примерами, а также была «пробежка» по airflow, git и прочим вещам, которые лично у меня в работе случаются всегда редко, но метко) Были замечены 5-10 опечаток/ошибок по ходу курса, но я списываю это на замыленность глаза создателя. В целом после каждого модуля начинающий может начать (неуверенно, но все же) писать какой-то программный код на Python, работать с БД, строить простейшие модельки (без глубокого на мой взгляд понимания ситуации изнутри), сравнивать их качество и определять значимые улучшения, и даже выкатывать свой сервис с простейшими запросами и ответами. Блок «обзор основ deep learning», на мой взгляд, лучше было не добавлять совсем. Совершенно непроработанная программа, для новичка это 100% будет сравнимо с абракадаброй. У меня конкретно опыт с deep learning (опять же, с фунд. Математикой) имелся, и как человек с опытом, делюсь мнением, что так преподносить информацию не стоит. Преподаватель старался, это было видно, и первые 4 урока даже шли довольно бодро, но воткнуть с 5-го по 10-й уроки кучу разных шаблонных сетей — не лучшее решение. Не запоминается ничего. К тому же, задания из этого блока нужно было выполнять на kaggle, где есть некоторые проблемы с регистрацией (у меня она отняла минимум неделю). Своих инструментов для работы в этом модуле платформа не предоставляет. Мне попадались негативные отзывы в чате «студентов» курса именно об этом блоке, так что думаю, что я не исключение) Отдельно расскажу про систему автооценивания — она хороша, но не совершенна. Иногда текст ошибки ограничен словом «неверно» и трудно представить, где искать промах. Мне понравилось, что сертификат получить непросто. Нужно выполнить первые две части фин проекта на максимальный балл и в целом за курс набрать хотя бы половину баллов. Это не просто. Расстроило, что в эталонных (!) Ответах, открывающихся преподавателями студентам после дедлайнов, есть ошибки, и просто запустить код из ipynb не получится, нужно потрудиться и исправить промахи. Составители курса — такого точно допускать нельзя! А в целом выражаю благодарность авторам, рассказчикам и всем, кто трудился! Вышло на твердую 4 из 5. Спасибо!
avatar
Karpov.Courses
Аналитика
«Start ML»
ПроверенМосква

Ещё никто не оставил комментарий, вы можете быть первым

чтобы оставить комментарий.

Другие отзывы

Оставьте отзыв

Расскажите о своём опыте использования образовательных услуг в Karpov.Courses
Как мы работаем с отзывами
Отзыв проходит модерацию
Представитель онлайн-школы отвечает на отзыв
Решение проблемы на сайте
avatar
Karpov.Courses
оценок