E-learner
Обзор 5 популярных курсов по машинному обучению
Содержание:
1. Стоит ли того ажиотаж вокруг машинного обучения?
Стоит ли того ажиотаж вокруг машинного обучения?
Машинное обучение — это метод анализа данных, который автоматизирует построение аналитических моделей. Это ветвь искусственного интеллекта, основанная на идее, что системы могут учиться на данных, выявлять закономерности и принимать решения с минимальным вмешательством человека.
Машинное обучение важно, потому что оно дает предприятиям представление о тенденциях в поведении клиентов и операционных схемах бизнеса, а также поддерживает разработку новых продуктов. Собирая идеи из этих данных, часто в режиме реального времени, организации могут работать более эффективно или получить преимущество перед конкурентами. Многие из ведущих компаний сегодняшнего дня, такие как Facebook, Google и Uber, делают машинное обучение центральной частью своей деятельности. Машинное обучение стало важным конкурентным преимуществом для многих компаний.
Стоит ли того ажиотаж вокруг машинного обучения? Большинство экспертов говорят «да», но с одной оговоркой: главное — понять, как его использовать для решения задач и целей каждого отдельного бизнеса. На основании значительного объема данных и доказательств ясно, что машинное обучение и искусственный интеллект никуда не денутся. Уловка, однако, заключается в признании того, что машинное обучение и ИИ не являются волшебным заклинанием, которое работает в любой ситуации. А значит, на рынке необходимы кадры, которые будут понимать все нюансы этой отрасли.
GeekBrains
Структура курсов и интерфейс
GeekBrains – это образовательная платформа от Mail.ru Group. Школа предлагает курс на факультете искуственного интеллекта, который рассчитан для начинабщих специалистов.
Курсы проводятся онлайн в Zoom, а не в записи: вы сможете задавать вопросы преподавателям и общаться с другими студентами. Также каждый вебинар сохраняется, поэтому вы сможете пересмотреть урок в любой момент.
В течение курса вы будете получать домашние задание и проекты, которые попадут в ваше портфолио. Во время обучения вы с другими студентами запустите свой продукт. Само обучение также строится на взаимодействии с командой: наставниками, преподавателями и студентами. Преимуществом является то, что на курсе GeekBrains HR-специалисты помогут вам создать востребованное резюме.
Расписание
Все уроки подкрепляются заданиями, которые необходимо сделать к конкретному сроку. Все занятия проходят по вечерам и по московскому времени. Если вы не сможете присутствовать на занятии, у вас будет возможность посмотреть вебинар в записи, а все вопросы по уроку можно задать преподавателю в чате.
Практикоориентированность
Преподаватели GeekBrains – эксперты ВТБ, Mail.ru Group, МТС Банка, Leo Burnett и других топовых компаний. Они подготовят вас к работе в реальных условиях. Также hr-специалисты платформы подберут для вас подходящие вакансии, помогут оформить резюме и подготовиться к собеседованию. Преимуществом также является гарантия трудоустройства, которая закреплена в договоре. Если после успешного обучения вы не найдёте работу, вам вернут деньги.
Отзывы в Интернете
Основные плюсы:
1. Хорошие преподаватели. Все преподаватели адекватные, доброжелательные, при необходимости всегда подскажут, как решить трудности в вашей профессии. Владеют материалом, отвечают на вопросы, стараясь поделиться знаниями и личным опытом, даже выходя за рамки темы.
2. Структурированный материал. Весь материал структурирован, ничего лишнего.
3. Возможность изменить дедлайн через тех.поддержку.
Минусы:
1. Проблемы с качеством наставничества. Не всегда наставники качественно отвечают. Если необходим совет, лучше обращаться в чате к другим студентам или преподавателям. Однако есть те, кто помогают справиться с возникающими проблемами оперативно.
2. Домашние задания зависят от курса и преподавателя. На курсе по основам операционных систем домашние задания в основном теоретического характера, а основы языка Python носят практический характер, но в обоих случаях заставляют порыться в разных источниках и ознакомиться с темой ещё глубже и закрепить полученные знания.
3. Нет хорошей мобильной версии.
SkillFactory
Структура курсов и интерфейс
Курсы по ML от SkillFactory созданы преимущественно для новичков, так как программа курсов позволяет познакомиться с профессией, основными терминами, понятиями и инструментами. Программа курсов SkillFactory устроена по принципу «от простого к сложному»: каждый изучаемый раздел имеет ссылки на другие ресурсы в интернете для более глубокого понимания материала, даются ссылки на "надёжные" сайты с проверенной, актуальной информацией.
Курс состоит из видеоуроков, в которых есть подробный разбор типичных примеров. Раз в неделю проводятся живые вебинары, где можно задать вопросы преподавателям. Записи вебинаров сохраняюся, их можно просматривать в любой удобный момент. Для обратной связи с преподавателями и другими студентами используется среда Slack, где можно задать вопрос и оперативно получить ответ не только от преподавателя, но и от других студентов. Каждая изучаемая тема заканчивается проектами для студента, оценивать работы студентов предлагается сокурсникам, а после изучения ряда тем проводится аттестация знаний и итоговое оценивание.
Расписание
На курсе существуют дедлайны в каждом модуле, что мотивирует подходить к обучению ответственно. При этом предполагается гибкий подход к обучению: вы всегда можете сменить учебную группу, если не будете успевать выполнять задания на курсе.
Практикоориентированность
Программа на 80% состоит из практики — упражнений, тестов, маленьких и больших проектов. Каждая тема закрепляется и отрабатывается на практике. На курсе вы пройдете все этапы управления продуктом. Карьерный курс также вшит в программу. Студенты получают сопровождение HR-специалистов с первого дня обучения.
Отзывы в Интернете
Основные плюсы:
1. Профессиональные преподаватели. Преподаватели ведут обучение на понятном и доступном языке, объясняют все детально, постепенно, сразу показывают практические примеры использования новой информации. Лексику могу охарактеризовать как “просто о сложном”, так как в группе есть не только опытные специалисты, но и новички, у которых от обилия профессиональной лексики мозг взорвется.
2. Структурированная программа. Программа обширная, начиная с языка Python, заканчивая применением машинного обучения на практике. В целом, изучаются алгоритмы машинного обучения, классификация, работа с данными, подбор модели под конкретные задачи. Подход подробный, разбирают правильность алгоритмов, их классификацию, особенности подбора моделей в соответствии со спецификой задачи.
3. Коммуникация на курсе. На курсе есть много взаимодействия, как с преподавателями, так и с другими слушателями, а также групповые задания-соревнования и финальный хакатон.
4. Хорошая обратная связь. Преподаватели на курсе помогают, подсказывают.
Минусы:
1. Поверхностный материал курса. "Упор на практику" на деле оказывается синонимом "крайне поверхностного обзора предмета". Лекторы как будто боятся рассказывать вещи, которые будто не сможет понять среднестатистический слушатель. Объяснения методов и алгоритмов, которые нужны для выполнения задачи, на уровне научно-популярного видео для школьников.
2. Проблемы с практическими заданиями. Самая распространенная задача – подставить значение одной/двух переменных в код и запустить его или написание одной строчки кода для импорта нужной функции из библиотеки. Однако есть и полезные задания, например, навык подключения к API google sheet для онлайн-отчётности, но эти навыки могут быть легко добыты получасовым поиском в Google.
3. Много теории. Хотелось бы на курсе увидеть больше практических занятий "в классе".
OTUS
Структура курсов и интерфейс
Платформа OTUS предлагает один курс, посвященный машинному обучению. Он предназначен для начинающих специалистов, которые хотят развиваться в Data Science до уровня Middle / Senior.
Всё обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в Slack, сдача домашних работ и получение обратной связи от преподавателя. Выпускной проект представляет собой решение нескольких кейсов на выбор из реальной практики. Вы напишите код на языке Python с использованием различных библиотек для того, чтобы выполнить анализ данных.
После защиты финального проекта выдают сертификат и приглашают на собеседование.
Расписание
Вебинары идут дважды в неделю по 1,5 часа. Все вебинары сохраняются и в записи в вашем личном кабинете, поэтому вы можете пересмотреть записи занятий в любое время. Домашнее задание выдается в среднем одно в две недели, а его выполнение занимает 3-5 часов.
Практикоориентированность
Многие студенты жалуются на малое количество практических занятий, с разбором решений практических задач, относящихся непосредственно к ML. В середине курса идет только выдача материала в виде лекции плюс возможность задавать уточняющие вопросы.
Отзывы в Интернете
Плюсы:
1. Грамотная подача материала. Темы объясняются доступно, постепенно увеличивая сложность.
Минусы:
1. Необходимо знание английского. Большая часть материала для самостоятельного изучения предлагается на английском, но никто не указывает требование к знанию этого языка, как пререквизит курса.
2. Ошибки в материалах курса. В раздаточных материалах курса множество ошибок в математических выкладках, а также устаревший код, скопированный с различных ресурсов.
3. Противоречивые отзывы об обратной связи. Одни студенты пишут, что попытки задавать вопросы преподавателям в конечном итоге приводят в никуда, проще самому разобраться, нежели просить разъяснений, поскольку, не разобравшись, на одну ошибку могут с легкостью налепить другую. Другие же отмечают, что если наставники находят ошибку, то обязательно подскажут, помогут.
4. Плохая подготовка наставников. Преподаватели к занятиям не готовятся "от слова совсем", читают текст и пытаются пересказать его своими словами. Большая часть "объяснений" — это зачитывание формул, то есть никакого интуитивного понимания не дается.
5. Нет разъяснения материала. В некоторых темах очень быстро пробегаются по коду, что не позволяет разобраться в нем.
6. Не хватает подробностей по работе с библиотеками. При прохождении каких-либо алгоритмов на занятиях не хватает объяснения, на какие параметры стоит обращать больше внимания в конкретных часто используемых библиотеках, так как документация не всегда понятна неопытному человеку.
Coursera
Введение в машинное обучение от партнера НИУ ВШЭ
Структура курсов и интерфейс
На платформе Coursera можно найти множество курсов по машинному обучению, однако мы остановились на одном из самом популярном курсе «Введение в машинное обучение», разработанный НИУ ВШЭ и Школой анализа данных Яндекса. Для прохождения курса слушателю нужно знать об основных понятиях математики, иметь базовые навыки программирования.
Курс состоит из записанных видеолекций и заданий, которые закрепляют полученные знания. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом.
Расписание
Программа курса рассчитана на 7 недель. В среднем, вы будете просматривать 3-6 видеолекций в неделю, однако сами лекции короткие. Платформа предлагает гибкий график установления дедлайнов: назначьте сроки сдачи в соответствии со своим графиком.
Практикоориентированность
На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. А для работы на курсе используются реальные данные из реальных задач.
Отзывы в Интернете
Плюсы:
1. Интересные задания. Задания по программированию, в которых в достаточной, но не слишком избыточной форме предлагаются хорошие инструменты, и для того, чтобы их использовать, необходимо глубже познакомиться с ними, делать микро-research.
2. Качественный материал лекций. Несмотря на сухость лекций, в них дается качественный материал.
3. Проверка чужих работ в конце курса. Можно ознакомиться с тем, как другие люди пишут код и какие приемы применяют, что может быть полезно.
4. Дополнительные материалы. Почти на любую тему есть ссылка на соответствующие полноценные написанные лекции, которые очень помогают получить более широкую картину.
Минусы:
1. Устаревшие методы. Некоторые методы, предлагаемые в заданиях, не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста.
2. Не адаптированная подача материала под новичка. Слишком формализованный подход к лекциям: много математического языка, непонятных слов и терминов. Курс читается сложным языком, множество математических терминов и минимум примеров. Не ждите никаких простых объяснений от курса. Условия заданий написаны неоднозначно, вызывают много вопросов. Этот курс будет понятен, если вы уже разбираетесь, что такое машинное обучение и нейронные сети.
3. Особенность платформы при сдаче ответов.
4. Теория оторвана от практики. Лекции не приближают студентов к возможности выполнить тестовые задания (кроме теории).
Яндекс.Практикум
Структура курсов и интерфейс
Проект онлайн-образования от Яндекса специализируется на IT-курсах. Платформа предлагает один курс по Data Science. Онлайн-курс рассчитан на новичков, которые желают получить новую профессию с нуля.
Обучение состоит из трех частей: работы с интерактивным учебником, закрепляемой практикой на реальных кейсах, домашних заданий и курсовых работ для самостоятельной практики, работы с наставником. Все время обучения разбито на спринты – двух- или трехнедельные отрезки с теоретическими уроками, практикой, курсовой работой и строгими дедлайнами. По окончании курса вы приобретете практические навыки, сертификат и портфолио.
Расписание
В курсе 18 модулей, на прохождения одного модуля дается 2 недели, сюда входит теория, тренажер и проект по пройденному материалу. Примерно каждые 4-5 модулей устанавливается жесткий дедлайн, т.е. нужно пройти все темы и сдать все проекты, иначе придется перейти на группу младше — для кого нагрузка слишком большая. Классических лекций нет, каждую неделю проводятся 2-3 вебинара, где наставники разбирают текущую тему на примерах, сразу с кодом и отвечая на все вопросы.
Практикоориентированность
Многие студенты отмечают, что знания действительно оказались прикладными и именно то, что используется в боевых задачах. Также в Практикуме помогают с поиском работы: вы узнаете, как составить резюме, что писать в сопроводительных письмах, как откликаться на вакансии и проходить собеседования.
Отзывы в Интернете
Плюсы:
1. Сообщество единомышленников. В Slack, где структурировано по всем темам ведется обсуждение и ответы на любые вопросы куратором, всегда можно найти ответ и поддержку: либо от кураторов, либо от сокурсников. Вы вступаете в сообщество выпускников, где все помогают друг другу и делятся информацией о мире IT и не только. На протяжении всего курса действует круглосуточная поддержка наставников и быстрая обратная связь от тех. поддержки.
2. Оптимальная база для junior-специалиста. Курс даёт оптимальную базу, которая потребуется от junior-специалиста на новом месте работы, чтобы выполнять свои первые шаги в новой профессии. Курс дает план-минимум для входа в новую профессию.
3. Помощь в трудоустройстве. Если вы вдруг не знаете, как искать работу, или боитесь, что не сможете чётко сформулировать мысли в резюме или сопроводительном, на курсе есть программа трудоустройства, вам помогут на этом нелегком, но увлекательном пути.
4. Удобный и понятный интерфейс.
5. Постоянная поддержка преподавателей, наставников. Преподаватели готовы дотошно объяснить любые непонятные вопросы. Даже если в выходные дни у студентов появлялись вопросы, они получали на них ответы.
6. Много практики. Во время обучения дается теория маленькими кусками и сразу же чередуется с практическими заданиями.
7. Авторский материал Яндекс.Практикума. Он написан компетентными людьми, сложные вещи описаны понятным языком с хорошими примерами.
Минусы:
1. Проблемы с возвратом средств. Студенты жалуются, что платформа возвращает деньги дольше 2-х месяцев, а сама сумма возврата меньше изначальной на 30%.
2. Не оперативная проверка проектов.
3. Проблема идти в своем ритме. Спринты открываются четко по расписанию.
4. Нехватка проектов по парсингу.
5. Поверхностный разбор некоторых тем.
6. Ошибки в заданиях. Есть ошибки и баги в тренажере, бывают опечатки. Есть пару спринтов, в которых тема плохо и скомкано объяснена в материалах. Иногда самостоятельные проекты местами выглядят нелогично в плане постановки задачи.
geekbrains.ru
Рейтинг: 57
skillfactory.ru
Рейтинг: 13
skillfactory.ru
Рейтинг: 13
skillfactory.ru
Рейтинг: 13
otus.ru
Рейтинг: 15
coursera.org
Рейтинг: 72
praktikum.yandex.ru
Рейтинг: 0
praktikum.yandex.ru
Рейтинг: 0
| Курс | Ресурс | Стоимость | Длительность | Дата начала | Ссылка на курс |
|---|---|---|---|---|---|
| Факультет искусственного интеллекта |
geekbrains.ru
Рейтинг: 57
|
89 802 ₽ 4 989 ₽/мес. | 18 мес. | 08.10.2021 | |
| Математика и Machine Learning для Data Science |
skillfactory.ru
Рейтинг: 13
|
47 900 ₽ 3 992 ₽/мес. | 5.5 мес. | 08.10.2021 | |
| Курс Machine Learning и Deep Learning |
skillfactory.ru
Рейтинг: 13
|
47 900 ₽ 3 992 ₽/мес. | 5 мес. | 05.10.2021 | |
| Курс по машинному обучению |
skillfactory.ru
Рейтинг: 13
|
36 900 ₽ 3 075 ₽/мес. | 3 мес. | 05.10.2021 | |
| Machine Learning. Professional |
otus.ru
Рейтинг: 15
|
80 000 ₽ | 5 мес. | 30.11.2021 | |
| Введение в машинное обучение |
coursera.org
Рейтинг: 72
|
2 112 ₽ | 1.5 мес. | 05.10.2021 | |
| Как стать специалистом по Data Science |
praktikum.yandex.ru
Рейтинг: 0
|
95 000 ₽ 13 000 ₽/мес. | 8 мес. | 30.05.2023 | |
| Как стать аналитиком данных |
praktikum.yandex.ru
Рейтинг: 0
|
70 000 ₽ 12 500 ₽/мес. | 6 мес. | 30.05.2023 |
Оставить отзыв