Особенно понравилось, что в курсе много практики с реальными датасетами, а не абстрактные примеры. Отдельный плюс — модули по оптимизации моделей и деплою в продакшн.
Хотелось бы больше материалов по современным фреймворкам, таким как PyTorch Lightning — их упомянули, но очень кратко.
Давно интересовался машинным обучением, но изучал всё хаотично по видео и статьям. Этот курс дал полную структуру: от математики и Python до глубокого обучения и работы с большими данными. Понравилось, что теория сразу подкрепляется проектами, которые можно добавить в портфолио. Уже по ходу обучения устроился на стажировку в IT-компанию.
Ответить
2 комментария
Очень полезным был модуль по компьютерному зрению — разобрали задачи, которые можно реально применять в бизнесе. Понравилось, что преподаватели делятся практическими лайфхаками.
В некоторых уроках темп был слишком быстрым, особенно в блоке по глубокому обучению — приходилось пересматривать по нескольку раз.
Я пришла на курс с базовыми знаниями Python и математикой на уровне вуза, но машинное обучение знала только в теории. Программа оказалась интенсивной, но очень полезной. Разобралась в регрессии, классификации, нейронных сетях, NLP. Теперь могу сама строить и тестировать модели.
Ответить
0 комментариев
Особенно понравился финальный проект — нужно было разработать полноценную ML-систему с предобработкой, обучением и деплоем. Это реально готовит к работе в индустрии.
Мне так всё понравилось, что недостатков не заметил. Даже сложные темы объясняют так, что остаётся желание копать глубже.
Курс стал для меня карьерным рывком. До этого работал аналитиком данных, а теперь смог перейти в ML-направление. Отличный баланс теории, математики и практики. Есть проекты, которые полностью повторяют задачи в компаниях: от обработки данных до развёртывания модели на сервере.
Ответить
0 комментариев