Opiniones y comentarios de aprendices correspondientes a Построение выводов по данным por parte de Instituto de Física y Tecnología de Moscú

Хорошая картинка, огромный минус чистый академический язык непонятный обывателю. Читают студенты как по учебнику. Было бы понятней если бы они отвлеклись от формул и расскаазали о причиноследственных связях: почему именно так лучше решить задачу, как люди пришли к этому, ненаглядно сплошные формулы и скрипты без обьяснения типа вот смотрите аксиома, а почему так...

Ужасно тяжёлый курс. Колоссальный объём материала, кошмарные задания по программированию. Объём работы никак не соответствует четырём неделям.

До прохождения курса у меня не было никакого бэкграунда в математической статистике. Курс показался мне сложным.

Я поставлю 5 звезд, т.к. указано "Advanced Level", в противном случае моя оценка была бы ниже.

Мне понравилось: объем предоставленного материала с т.з как статистики, так и имплементации в Python, формат квизов и прочих заданий.

Мне не понравилось: слишком научное и при этом неподробное изложение материала, после которого не приходит интуитивного понимания происходящего; неочевидная структура курса.

Мне очень помогли пройти этот курс бесплатные курсы на stepik.org от Анатолия Карпова (Институт Биоинформатики). Я однозначно пройду все его курсы по основам статистики полностью для закрепления и структурирования материала.

Курс очень интересный, но и очень сложный, а уровень объяснений показался недостаточным.

Большой объём довольно сложной теории без связок между отдельными темами и объяснениями, в каких случаях что использовать.

Материал подаётся не всегда понятно, многое приходилось искать в других источниках.

Интересный и достаточно сложный для меня курс. Не хватает только методички с кратким описанием основных методов, критериев и условий их применения.

Лектор очень плохо объясняет: старается использовать сложные термины, что может возвышать его в глазах девушек, но не помогает учебному процессу. Делает много отступлений, чтобы показать какими серьезными и сложными делами он тут занимается, а это время можно было бы потратить на простое и доступное изложение материала.

не очень наглядно и понятно объяснялась теория. до сих пор не до конца понял, как работать с доверительными интервалами и достигаемым уровнем значимости.

Проверка гипотез - как в тумане :(

Практический примеры не внесли большой ясности, где и как что можно использовать..

Худший курс яндекса и МФТИ. В этом курсе зачем то программные задания сделаны в виде тестов с ограничением в 3 попытки на ответ, что с учетом "замечательных" конспектов и "отличных" формулировок вопросов, создает непередаваемые возможности для обучения.

Курс очень насыщенный, наконец с реальными практическими задачами и примерами. Очень порадовала неделя 4 - интервью со специалистами, решающими реальные задачи анализа данных. Наверное, самый интересный и полезный курс из всех. На неделе 4 советую обязательно пройти тесты - они расширяют лекционный материал и дают новые знания.

По недостаткам. Мне лично не хватило систематизации и немного более "человеческого" изложения. Поясню. на протяжении курса проходили много различных критериев, применяемых в различных ситуациях. Но не было в итоге какого-то общего, обобщающего занятия, в котором бы была показана ретроспектива курса и наглядно показаны все пройденные критерии (например, в виде таблицы - какие задачи может решать, к какой шкале применяется, какая нулевая гипотеза рассматривается, какие требования к данным и т.п.). Под "человеческим" изложением я понимаю, что можно было бы дополнительно переводить некоторые понятия (например, формулировки нулевых гипотез) с математического языка на более простой. Ещё из пожеланий - сопровождать ipython-ноутбуки в уроках комментариями, что и зачем делается (комментарии есть только в уроке про регрессию). И последнее - почти "мёртвый" форум.

Судя по тому, что в специализации уже больше года не происходит ничего нового - и эти мои пожелания не будут приняты во внимание, но поступающим, думаю, будет полезно иметь это в виду и сформировать правильные ожидания от курса.

Тот случай, когда команде не удалось структурированно и просто рассказать о сложном. Кроме того, приведенные примеры, не самые удачные, на мой взгляд, с точки зрения практического применения.

Половина курса получилась сильно обзорной. Понятно, что авторам хотелось затронуть широкий спектр проблем и возможных решений, но в итоге получилась попытка объять необъятное: много информации, которую можно было бы сложить в текст, а интерактивный материал сосредоточить на какой-то одной и разобрать её по косточкам, потенциально на живом примере. Другая проблема - это сырая формулировка в некоторых тестах. Думаю, по сообщениям в форумах понятно, пр, но удивляет то, что спустя 4 месяца с того момента, как эта проблема всплыла, формулировки так и не поправили. В общем, ощущение, что к 5 курсу авторы "устали".

Из всех курсов специализации больше всего опасался этого, потому что именно его называли самым сложным 95 % учащихся. Как оказалось, совсем зря.

Да, курс очень интенсивный и насыщенный, материала очень много. Меня спасло то, что большая часть материала мне была знакома по курсу Анатолия Карпова на степике. Но! Во время изучения статистики на степике все укладывалось в голове как-то наполовину, а здесь все наконец-то встало на свои места. Я стал понимать и "ощущать" основные понятия статистики: доверительные интервалы, проверка гипотез, достигаемые уровни значимости и так далее.

Курс поначалу может показаться слишком сложным, потому что он выкатывает совсем новые требования к учащимся после предыдущих курсов. Больше никаких лайтовых тестов за несколько минут! Теперь на тестах придется расчехлять jupyter, подтягивать навыки по pandas и периодически посматривать в конспекты. Я вас уверяю: если не пугаться объема заданий, а сесть и потихоньку их делать, сдать курс на 100 % вполне реально и несложно.

Огромное спасибо создателям этого курса за такой интенсив и такой объем заданий. После такого курса понимаешь, что действительно чему-то научился.

Для меня этот курс оказался одним из самым понятных на специализации - видимо быть мне аналитиком данных, а не дата сайентистом)

Курс интересен тем, что на примерах показывает, как принимаются решения о внедрении той или иной фичи в проект. Как оценивать метрики, как проводить A/B тестирование, как тестировать гипотезы и др.

Отличием от других курсов этой специальности является то, что для решения тестов следует использовать ноутбуки - по сути тесты трансформировались в типичные домашние задания)

4 неделя с реальными задачами позволила намного глубже закрепить материал за 3 недели. Побольше бы таких последних недель, которые позволяют оглянуть назад в курсе и лучше закрепить полученные знания.

Из минусов можно выделить недосказанность материала в некоторых лекциях. Я не особо знал до этого курса статистику - в некоторых моментах гуглил те или иные моменты, чтобы понять, что кроется за видеолекциями.

Курс даёт очень хорошую картину мира мат статики - этого не отнимешь.

This one is truly amazing. For a long time, I was looking for a statistics course that's neither oversimplified (like, learning the definition of the variance for good half a year), nor too complex (making me lost right away). This course is the very reason I've enrolled to the whole specialization, and I don't regret it. It gave me clarity about various commonly used tests, and a flavor of when and how I should use those.

Dear course instructors, thanks for you work, and please consider translating this one into English. There are many people out there, who would benefit from it.

Для меня лично курс оказался очень полезным, поскольку у меня толком не было статистики в институте (это в МФТИ то!). В целом все прекрасно, неделя задач получилась насыщенной. Пожалуй, добавить можно было бы дисперсионный анализ. И еще не всегда было понятно, почему Эмели в тетрадках использует те или иные функции библиотек или формулы - некоторый разрыв с теорией был. Еще небольшое пожелание - к следующей итерации курса можно написанные на Python статистические методы объединить в небольшую библиотеку - с комментариями, примерами, все как положено. И на GitHub выложить.

Один из самых интересных курсов специализации. Неплохо заставляет поработать мозги. Насчёт сложности, про которую все пишут - как по мне, всё вполне решаемо.

Единственный недостаток - в автоматически проверяемых заданиях формулировки часто неточные, в результате чего приходится долго мучиться, пытаясь понять, почему система не принимает ответ. Типичный пример - Здесь, конечно, очень выручают форумы с опытом старшекурсников, а также чат в Телеграме.

Очень полезный курс. Сразу весь материал усвоить трудно, но можно вернуться и попытаться разобраться более подробно, когда будет в дальнейшем такая необходимость. Курс очень практичный, многие функции можно, на мой взгляд, использовать напрямую в работе. По пол года, как пишут, не надо закладывать, курс можно пройти за 5-7 полных дней. Если вы проходили прошлые курсы за месяц, то на этот можно выделить 5-6 недель.

P.S. Статистика может быть классной!

Видео лекции можно слушать по дороге на работу, а вот на практические задания и тесты нужно выделить время. Первые недели - просто ответы на тесты, минимальное использование ноутбука. Дальше - все больше времени требуется для прохождения домашнего задания.

За ~ 8 выходных дает представление о методах статистического анализа и условиях их применимости.

Мега-полезный курс, на который я рекомендую запланировать побольше свободного времени. Если третий курс специализации мне давался очень легко, то с этим пришлось повозиться (не хватало базовых знаний по статистике).

Этот курс я планирую внимательно прослушать еще раз. Материал действительно очень нужный для анализа данных.

Огромное спасибо Евгению.

Потрясающий курс. Меньше математики было бы невозможно, больше - сложно для большинства. Но в качестве введение в статистику просто огонь - взглянул на эту науку совсем с другой стороны и она классная. Для меня курс показался самым интересным из всех предыдущих, большое спасибо составителям - вы крутые.

Я бы поставил этот курс на второе место по полезности (на первое место стоит отправить 2 курс специализации).

Этот курс учит как действительно работать с данным и принимать решения на данных. Значение построение выводов по данным сложно переоценить, т.к. это является итогом работы любой модели.анализа

Шикарные знания в части аб тестирования + проверки факторов в регрессионной модели, чистый кайф. Спасибо Вам большое! Мне лично было очень тяжело понимать логику аб тестов, до сих пор буду вспоминать как страшный сон

Курс дал общее, и что важно неповерхностное понятие о мат. статистике, о том, как она применяется в задачах Машинного Обучения

Полезно, но очень скомканная подача

Нудная тема, по началу для меня была очень тяжелая.

Но спасибо огромное преподавателям, Евгению и Эмели!

Хоть видео лекций мною воспринимались довольно плохо, тем не менее замечательные конспекты этих же лекций и видео с практиками (я прям себе в ноутбуки перепечатывал все комментарии преподавателей) помогли не только не потеряться, но и разобраться в теме.

Отдельно хочу отметить тестовые, контрольные и практические материалы. Чем ближе к концу недели приходишь, тем больше понимаешь тот невероятный объем работы, который Евгений с Эмили провели, чтобы помочь нам, слушателям, понять материал. Именно в этих заданиях чувствуется тот объем работы и энтузиазма, который был вложен в курс. Именно благодаря практикам и тестам у меня получилось понять такую сложную тему (а в институте-то, когда мы эту тему проходили, понять ее мне так и не удалось: зачет кое-как получил и забыл как страшный сон).

Так что, еще раз спасибо преподавателям. 4-й курс, пожалуй, лучший курс этой специализации!