Очень не хватало помощи и каких-то более конкретных указаний как бороться с SARIMAX в 3й и 4й неделе, можно было много времени сэкономить.

Проект Юрий Кашницкого прекрасен, остальные проекты практически заброшены, менторов нет. Оценки ставятся как попало. При возникновении спорной ситуации поддержка предлагает просто ресабмит, без вариантов, хотя там объективная неправота оценивающих. Начали за здравие, а закончили тяп-ляп.

Отличный финальный проект. В декабре 2016 - январе 2017 он состоял из четырех проектов. Для прохождения финального проекта достаточно было завершить один, но можно было проходить сразу любое количество. И выбор велик: можно решать очень практическую задачу по прогнозированию оттока, можно решать очень интересно и очень хорошо сделанный проект по идентификации пользователей. Иногда при устройстве на работу / курсы могут попросить показать проекты, которые вы когда-либо делали. В таком случае проект "такси" - очень подходит. Много данных, визуализация, сложные задания. А еще был проект по сентимент-анализу. Очень хорошо для тех, кто хочет освоить компьютерную обработку языка.

В итоге: спасибо большое создателям за эту специализацию. Мне очень понравился финальный проект. До встречи!

Отличный вводный курс, как и вся специализация. Достаточно простые, но при этом объемный задачи, чтобы попробовать себя в роли аналитика данных. Но жаль, конечно, что предложенные задачи в качестве финального проекта неравносильны как по сложности, так и по времени их решения, и что их прохождение очень сильно зависит от наличия других участников, решающих туже самую задачу. Но сами по себе в отдельности задачи в общей постановке очень интересны и позволяют расширить практический кругозор.

Решил написать отзыв про специализацию в целом. Пишу спустя некоторое время после прохождения.

Отличная специализация, охватывающая все основные разделы анализа данных. Лично мне пригодились очень многие темы в работе - и лог. регрессия, и случайные леса, и даже проверка гипотез, к которой во время прохождения курса я отнесся несколько скептически. Сейчас пересматриваю отдельные видео, чтобы разобраться в деталях.

Из минусов то, что много косяков в заданиях.

Не смотря на небольшие недочеты в материалах курса, все получилось.

Просьба к организаторам пересмотреть подходы к тестированию функций, которые необходимо разрабатывать в рамках заданий. Предложенные методы тестирования не покрывают все варианты и ошибки. Пропущенные ошибки приводят к ошибкам с следующих шагах, и приходится откатываться на несколько шагов назад и тратить дополнительное время на переработку решения.

Спасибо.

Хотелось бы сказать огромное спасибо всем тем, благодаря кому эта специализация стала возможной. Значение актуального знания в области науки о данных сегодня сложно переоценить, а грамотная, структурированная и системная подача материала особенно важна в учебном процессе, и, несмотря на объём материала, количество преподавателей, заданий, освещённых подходов и техник, этот набор курсов — отличный пример именно такой работы.

Проект по идентификации пользователей в сети - самый интересный финальный проект. Разочаровался в 5 курсе, но финальный проект исправил эту ситуацию. Всем, кто прошел специализацию - успехов. Местами в курсах есть неточности и недочеты, но о них вы и так знаете, если добрались до финального проекта.

Спасибо разработчикам за эту специализацию, было очень интересно и продуктивно.

Раньше моим любимым курсом в специализации был 4й, но финальный мне понравился больше. Замечательные задачи, которые охватывают программу предыдущих курсов специализации. Спасибо всем, кто участвовал в создании курса и специализации! Буду ждать новых курсов :-)

Хороший курс, делал проект по классификации пользователей интернет. Очень понравилось участие в соревновании, это действительно заставляет лучше думать. В целом после всей специализации хочется больше практики поэтому продолжил разбираться в машинном обучении.

Все 4 задачи в финальном проекте очень интересные, есть из чего выбирать. Я делал задание по сентимент анализу и с ним пришлось повозиться — делать baseline, собирать данные в сети, обучать модель.

Отличный курс! Спасибо! Выполнял проект по идентификации пользователей. Достаточно интересный проект, не сложный, помог вспомнить пройденный материал и попробовать что-то новое.

Суперкурс. Жалко, что не на все проекты нашлось время. В последующем, я бы добавил задания по оценки затрачиваемого времени: очень полезно, когда идешь потом с идеями работать.

Отличный курс!

Огромное спасибо авторам заданий. Получилось очень интересно и полезно -- полученный опыт можно применить в большом количестве повседневных задач

Финальный проект порадовал, он очень крутой и полезный для любого уровня подготовки. Спасибо создателем этого курса и всей специализации за их работу!

Очень благодарна курсу и всем преподавателям!!!!! Благодаря обучению смогла найти работу своей мечты (на стыке DS и медицины). Большое Вам спасибо!

Проходил вариант с идентификацией пользователей - хорошая практика, время было потрачено не зря, что можно сказать про всю специализацию в целом.

Отличный курс! Закладывает прочные основы для дальнейшего развития в Data Science. Помогает приобрести базовые практические навыки!

Excellent project which gives an opportunity to practice the skills you earned during the previous courses. Nice job, guys!

Самостоятельное создание проекта с нуля требует больших усилий и прямо-таки вынуждает приобрести кучу навыков и знаний :-)

Курс великолепен, заставляет вспомнить то, что читалось раньше. Большой плюс для меня, что приобщает к сообществу Kaggle.

Проект по сентимент-анализу немного примитивный, но в общем-то все было достаточно неплохо. Может, сделаю и другие :)

Великолепная специализация, спасибо авторам и всем кто принимал участие в её создании! Особенно финальный проект!

Мне понравилось. Как мне показалось, очень хорошо охватывается материал какой-то из предметных областей.

Отличный курс, который позволяет посмотреть как решается ML задача от начала до конца