Отзыв о курсе «Машинное обучение» от Нетологии: от логистической регрессии до генеративных моделей нейронных сетей

Очень хороший теоретический курс с богатой практикой. От простейшего к сложному, с опорой на суть (математику) разворачивается картина развития методов численного анализа с использованием вычислительных машин для решения прикладных задач.

Практических заданий достаточно для закрепления материала. Во время обучения выполнить все задания просто нереально по времени, поэтому число заданий, которые необходимо выполнить на зачет, ограниченно, и вполне выполнимо с учетом параллельной занятости на работе. Много заданий, в том числе «дополнительных», остается для последующей самостоятельной подготовки.

Математику в пределах первого курса профильной высшей школы желательно понимать, иначе придется просто «верить».

Программирование на Python надо знать хотя бы на начальном уровне. Совместить изучение Python с качественным обучением на курсе не выйдет.

Некоторые широко применяемые прикладные темы, например, AB-тестирование, на курсе не раскрыты, зато темы по нейросетям покрывают по теории практически весь материал. Теоретические основы, полученные на курсе, позволяют эти конкретные темы и актуальные аспекты бурно развивающихся нейросетей изучать самостоятельно.

Курс дает основательный фундамент именно по машинному обучению и понимание его общего движения в сторону нейросетей.

От курсов по аналитике данных отличается отсутствием «сопутствующих» тем по SQL, Big Data, ELT и подобному. От курсов по нейросетям отличается углубленным изучением основ машинного обучения и показывает, как по мере роста вычислительных мощностей и количества доступных данных нейросети выделились в отдельную перспективную группу. При этом будет понимание, что в большом количестве случаев методы классического машинного обучения более эффективны, а иногда и безальтернативны, и почему.

И для пытливых, и для прагматически настроенных умов рекомендую. Для меня он подошел почти идеально. Курсу ставлю 5.

Для хорошего усвоения требует понимания основ из матанализа, теории вероятности, тензорной алгебры и тензорного анализа.

Требует достаточного знания Python для выполнения домашних заданий в почти автономном полете.