Machine Learning. Углубленный уровень

Очень хочу поблагодарить Дмитрия Сергеева за отношение к предмету и желание научить и поделиться опытом. Его лекции всегда полезны и интересны. Другой преподаватель просто читает презентацию. Возможно, он хороший специалист, но объяснять и разбирать материал у него не получается. Уверен, не только я им не доволен. До обучения в OTUS я много лет проработал звукорежиссёром на телевидении. Занимался, в основном, спортивными трансляциями. В 2015-ом решил попробовать заняться разработкой ПО. Выбрал C++, т.к. хотел и хочу заниматься real-time обработкой звука, VST plugin'ами и т.п. Но в России таких вакансий крайне мало. Книги, бесплатные онлайн курсы, потом курс разработчика C++ на OTUS.
Потом - работа звукоинженером в Samsung на проекте Bixby - это их голосовой помощник. После Bixby - желание заняться исследованиями и разработкой в области синтеза и распознавания речи - не NLP, а именно ASR и TTS. Таких вакансий, увы, тоже немного. Соответственно, Python, машинное обучение, нейронные сети.
Поэтому сейчас - подряд два курса от OTUS. Всеми тремя курсами доволен, т.к. в изучении появляется система, мотивация к самостоятельному изученю материала, опыт и общение со специалистами, их реальный опыт и оценка наших навыков.
Результаты обучения, в любом случае есть. Это - прежде всего, новые знания и навыки, адекватная оценка и уверенность в своём уровне подготовки.
Работу мечты, да и компанию мечты пока не нашёл. Изучаю рынок, прохожу собеседования, выполняю тестовые задания.

Я работал и работю в настоящий момент в банковской сфере в области нагрузочного тестирования. Я выбрал курс “Machine learning”, чтобы систематизировать свои знания в этой области, которые получил самостоятельно. Результат обчуения считаю успешным.Что понравилось:
- Лекции ведут отличные специалисты в своей области.
- Обратная связь от преподавателей.
- Дистанционное обучение. Позволяет экономить время.
- Тестовое задание перед записью на курс. Позволяет оценить свои знания перед записью или сэкономить деньги.
Не понравилось:
- Некоторые домашние задания не имеют детального описания, что необходимо сделать.
- Перенос лекций в одностороннем порядке. Так как ранее был установлен график проведения лекций, я смог под него подстроить свое расписание. Перенос лекции на другой день часто не позволяет пристуствовать на этой лекции и задать в режиме онлайн имеющиеся вопросы.
- Первым заданием обучения является заполнения своего резюме. Я, как и думаю большинство записавшихся на крус, заинтересовано в получению работы по специальности пройденного курса, но резюме рассылаются без учета этого интереса и компании приглашают на собеседовании по опыту, указанного в резюме.

Самое главное впечатление от курсов: очень нравится, ни одной минуты не пожалела, что записалась. Плюсы: преподаватели стараются, отвечают на вопросы, всегда уточняют все ли понятно. Также приятно, что даже когда время вышло, не убегают, а отвечают спокойно и подробно. Мой любимый преподаватель Дмитрий Сергеев, очень нравится его подача, интересные лекции. Шикарно, когда в ноутбуки вставляют ссылки на полезные материалы. Минусы: иногда барахлит звук на лекциях. Есть какая-то трудность с ДЗ, по умолчанию оно невнятное и только после запроса на лекции или в слаке добавляют подробное описание.

Шёл на курс с целью научиться использовать на практике машинное обучение в Python (до этого несколько лет решал аналогичные задачи в системе SAS Enterprise Miner, а на новом месте работы доступен только Python). Цели своей достиг, на новой работе быстро втянулся и успешно прошел испытательный срок.
Плюсы курса:
1) Ориентация на практику. Минимум занудства, максимум реальной работы.
2) Преподаватели из индустрии. Знают, что актуально, рассказывают интересные кейсы, дают ценные советы.
Минусы курса:
1) Преподаватели из индустрии. Ребята крутые специалисты но (пока) не все из них крутые преподаватели.
Было несколько тем, которые бы я вряд ли осознал, не имея предыдущего опыта.
В общем и целом впечатления от курса и организаторов положительные, как закончу этот курс пойду еще учиться на нейронные сети.

Курс интересный, много практики. Хотя по ощущениям многовато домашних заданий, не успеваешь сконцентрироваться, тщательней обдумать выполнение заданий и заодно осмыслить теорию, почитать что-то сверх материала. Может быть имело бы смысл их уменьшить штук до 13-15. По мне идеально одно задание на неделю в среднем.

Полезно, что проходили темы не на прямую связанные с машинным обучением, например - pipeline, парсинг.

Нравится подача материала Дмитрием Сергеевым тем, что темы начинает объяснять с простого на пальцах, постепенно увеличивая сложность.
Также очень хорошо, что Дмитрий Музалевский даёт обратную связь при проверке дз, подсказывает где можно что-то еще улучшить в будущем, задает направление. Ну либо подчеркивает, что сделано отлично)

Может быть ещё бы добавил при прохождении каких-либо алгоритмов на занятиях объяснение где в каких моделях стоит на какие параметры обращать больше внимания, а на какие нет в конкретных часто используемых библиотеках. Что требует настройки, а что нет. Понятно, что в документации всё есть, но она не всегда понятна обычному не опытному человеку. Потому как в итоге работать придется с этими библиотеками, поэтому подробности не помешали бы.

Было бы круто сделать интергацию резюме с hh или каким-нибудь моим кругом, поскольку очень не охото копи-пастить оттуда резюме, и при внесении изменений в hh, оно бы поменялось и у вас.
Ну и надеюсь, что ваш сервис поможет найти работу связанную с машинным обучением)

Самую главную роль в обучении играет преподаватель. На этом курсе оба преподавателя, по имени Дмитрий, справились с задачей обучить основам Машинного обучения, а также зажечь любовь к Дата Сайнсу! Основные плюсы курса: преподаватели с индустрии, быстрая реакция на вопросы и домашние задания, умение принимать отзывы, прислушиваться и реагировать соответственно. Особенно запомнились: бонусный урок по pipeline, помощь в поиске работы, повторение первого модуля, консультация по проектам - все эти вещи следует продолжать делать. Что можно улучшить: сократить количество домашних заданий, убрав пару с не очень понятными описаниями, например "выбери любой датасет и попробуй то, что сделали на вебинаре".
Благодаря этому курсу я получила уверенность в том, что стоит менять свое направление в сторону Data Science & Machine Learning. Это однозначно мое!

Курс динамичный и интенсивный. Позволяет получить хороший охват методов в области машинного обучения (не касаясь нейронных сетей). Не всегда ровный. Часть тем (особенно когда лектор читает чужие слайды) не прочувствованы лекторами, другая - освещены отлично.
Для меня оказался тяжеловат - не хватало бэкграунда в использовании пакетов Python.

Нашел Отус по рекламе на hh, и, поскольку интересовался тематикой машинного обучения, решил пойти на курс. К началу курса лично меня интересовало, главным образом, два вопроса: насколько хорошо нужно знать Питон для обучения на курсе, и буду ли я успевать выполнять домашние задания? С учетом пройденного курса, могу сказать так: Питон на курсе, конечно, нужен, но если даже нет большого опыта программирования именно на этом языке, можно осваивать все инструменты по ходу дела, если есть базовые знания в Питоне и, вообще, опыт программирования. При этом, пожалуй, домашнее задание иногда занимало больше времени, чем планировалось, но зато я получил больше практики с Питоном. Касательно времени, потраченного на ДЗ: иногда у меня мог уйти весь выходной (пару раз даже больше), а некоторые получались часа за три-четыре. Кроме того, очень удобно, что нет жестких сроков сдачи ДЗ, и их можно досдавать в конце курса, т.к. если вы работаете это не всегда может получаться вовремя. Хотя, конечно, лучше делать, когда помнишь, что было на занятии.
О самом курсе: в целом, очень хорошее впечатление, на мой взгляд общего вузовского курса математики вполне достаточно для понимания всего, что там преподается. Понравились преподаватели, многое умеют объяснить не просто формально, но и «на пальцах». Особенно хочу поблагодарить Дмитрия Сергеева и Дмитрия Музалевского, которые прочитали большую часть лекций. Они всегда предельно понятно и структурно доносили материал, очень подробно отвечали на вопросы. Кроме этого понравились лекции Андрея Сухобока и Валерия Бабушкина (их было всего по одной).
Из плюсов хочется отметить, что преподаватели всегда стараются сделать акцент на практическое применение полученных знаний и освоенных инструментов. Домашние задания, в целом, тоже на это ориентированы. Отдельно хочу сказать спасибо организаторам и преподавателям за организацию нескольких дополнительных занятий по просьбам учащихся, было интересно!

Отличный шанс подтянуть свои знания благодаря курсам в OTUS! Во время обучения на курсах я параллельно  учился в одном из технических вузов, так что мне удалось на наглядном примере сравнить преимущества и недостатки разного подхода к учебному процессу.  Я довольно давно интересовался направлением искусственного интеллекта  в  IT сфере, но знания были довольно разрозненные и требовали систематизации. И курс по машинному обучению мне показался хорошим способом сформировать понимание о направлении и закрепить основы.
Основными преимуществами, которые, как мне показалось, курс в OTUS превосходил обучение в университете это:
* онлайн формат обучения - не приходилось тратить пару часов в день на поездки;
* приятно удивила поддержка преподаватели курса,  которые могли ответить даже далеко за полночь;
* профессионализм самих преподавателей, а также подробные примеры для объяснения материала.
Как вариант улучшения курса, я бы хотел добавить возможность для кооперации  с другими студентами курса. К примеру,  какое-то дополнительное  задание (по желанию), которое подразумевало выполнение в компании из нескольких человек.
В целом, курс помог мне сформировать базу для дальнейшего развития в области и представление о том, как будет проходить решение задач на рабочем месте. Надеюсь, этот опыт и знания помогут  успешно пройти собеседования!

Отучилась на инженера-химика-технолога, в аналитике пару лет после 5-летнего менеджерства в нефтянке
На курс пошла по рекомендации знакомого Что понравилось на курсе - преподаватели, непосредственно работающие в данной области. Но иногда отвечают на вопросы с задержками и не информативно
Проходя курс получила общее развитие в данной сфере
Курс супер! Дмитрий Сергеев прирожденный преподаватель - материал преподносит структурировано и всегда отвечает на вопросы.

Работаю Java разработчиком, но не мог не заинтересоваться "sexiest job of 21st century". Начинал читать книги и статьи про машинное обучение, но, конечно же, необходима практика. Случайно наткнулся на курс OTUS - как раз должно начаться обучение, да и цена приемлемая.
    В итоге, курс очень понравился, много практики, задания очень интересные, разнообразные. Некоторые отнимали пару недель(в принципе, задания можно сделать и быстро, зависит от энтузиазма).  На курсе проходится довольно много тем: основные алгоритмы ML, NLP, сбор данных, временные ряды, понятно, что темы не изучаются глубоко, но дается достаточная база для самостоятельного изучения или, при желании, можно попросить о доп. занятиях на интересующие темы (преподаватели сами это иногда предлагают).

Курс в целом понравился, информации много. Для эффективного усвоения требуется некоторая предварительная подготовка. Это, в первую очередь, математика и Python. Иначе будет местами сложновато.
Программа курса охватывает все основные инструменты ML. Домашние задания в конце каждого модуля тоже очень кстати.
Все преподаватели - практикующие специалисты высокого уровня. Отдельно хочу отметить превосходный стиль изложения материала Дмитрием Сергеевым. Его лекции хорошо структурированы, дополнительный материал в виде ноутбука имеет множество примеров с подробными пояснениями, так что всегда можно освежить полученные знания.
Ещё один положительный момент - отличная поддержка курса. Специалисты отвечают очень оперативно и всегда готовы помочь.
И, наконец, пару минусов...
- Не все преподаватели, к сожалению, умеют хорошо подать материал. Все-таки, знать самому и уметь научить других — это не одно и тоже. Я надеюсь, этот навык разовьётся с опытом. Возможно, Отус мог бы разработать некие формальные критерии для учебных материалов в рамках своих курсов, опираясь на лучшие образцы.
- Некоторые темы мне показались ненужными. Например, целый урок про соревнование на Kaggle или про парсинг веб-страниц.

Образование - сфера непростая, но полезная. Надеюсь, что Отус будет только хорошеть и развиваться. :)

Курс отличный,
немного напрягает "чехарда" с преподавателями,
к манере подачи материала нужно приспособиться,
а уже новый преподаватель :)

Итоги:
- Получен первый опыт обучения на онлайн курсах, до сего момента за всю длинную практику приходилось самостоятельно искать, а грубо говоря костылить :)
- Толчек в нужном направлении получен, есть понимание где искать, что искать, какие результаты ожидать и как их добиваться.
- Для углубленного понимания утрачено все чему учился в прошлом веке :) и на практике нигде не приходилось сталкиваться, отсюда и такие "тормоза" с домашками, любая сложность и зависает на неопределенный срок.

Предложения:
- Совместный разбор домашних заданий, например по окончанию каждого блока, где можно было бы зафиксировать общие просчеты и наоборот находки.
- Добавить в каждый блок "live coding", что-то похожее было сделано Дмитрием Сергеевым, лично для меня эти занятия были самыми продуктивными и полезными.

Пы.Сы.
Еще раз извиняюсь за свои тормоза с прохождением или лучше сказать непрохождением курса, в силу собственной специфики критическая масса должна накопиться :)

Начну с того, что я шел на курс «Machine Learning. Professional» только ради своего собственного интереса, для расширения кругозора, погружения в новую для себя область. Я не работаю в сфере машинного обучения или анализа данных, не решаю каждый день задачи кластеризации или предсказания, не разрабатываю языковые модели и т.д. Однако я закончил математический факультет, знаком с основами теории вероятности и математической статистики. И не так уж давно, в университете уже познакомился с некоторыми базовыми алгоритмами машинного обучения, но в тот момент я не знал, что те или иные вещи уже применяются в данной сфере. «Machine Learning» раньше был чем-то крутым и не знакомым. Было приятно повторить уже знакомое и узнать достаточно много нового и наконец, сформировать для себя, что же такое «Machine Learning», какие задачи и какими методами он решает.
Думаю, этот курс подойдет тем людям, которые хотят погрузиться в данную область более подробно, уже имея некоторое представление, что собой представляет машинное обучение. Помимо этого, требуется опыт написания программ на языке Python. Хотя бы минимальный.
Курсом я остался доволен. Организация занятий проходит хорошо, если занятия переносятся, то об этом предупреждают. Занятия всегда можно смотреть в записи, конечно, сперва были заминки с размещением материала на сайте, но потом эти проблемы были решены и записи были доступны буквально на следующий день. Это удобно, когда ты находишься в другом часовом поясе, и смотреть эфир не представляется возможным. Помимо этого, выкладываются все материалы занятия: датасеты, на которых демонстрируется материал, сам код, презентации. Исходный код очень помогает в выполнении домашнего задания. В курсе предусмотрено определенное количество домашних заданий. Это позволяет более подробно разобраться в той или иной теме, а иногда и в нескольких темах. По проверке заданий также нет вопросов: происходит довольно быстро, преподаватели указывают на ошибки и предлагают их исправить, советуют как те или иные вещи можно сделать лучше, какие инструменты использовать. Здесь хочу выразить благодарность Марии Тихоновой и Василию Курочкину за помощь в проверке и подсказках в ДЗ.
Отдельная и, конечно, большая благодарность Марии Тихоновой, которая провела у меня большую часть лекций. Слушать данного преподавателя было одно удовольствие: понятное и внятное изложения материала, повторение ключевых моментов и, если оставались вопросы, то их тоже разбирали. Помимо этого, она всегда делилась дополнительными материалами к занятию, отвечала на вопросы в Slack. Хотела донести до аудитории даже тот материал, который выходил за рамки данного курса. Это очень круто!
Спасибо OTUS за совместное времяпровождение моих вечеров в течение этих 5 месяцев!

Курсом я по большей части доволен, о затраченных средствах не пожалел.

На курсе рассмотрено множество сфер применения ML, нас познакомили с большим числом техник построения моделей. После окончания есть ощущение, что имеешь комплексное представление о данной области, хотя как на самом деле будет видно при устройстве на работу :)

Считаю плюсом то, что много разных преподавателей, почти у всех есть свои наработанные практики и советы по реальному применению ML в бизнесе.

Все занятия проходили чётко по графику, переносов было минимальное число. На сложных темах вебинары зачастую длились больше запланированных 90 минут.

Обучение на данном курсе у меня состояло из двух этапов. Отведённые 6 месяцев занимался и успешно защитил итоговый проект. Правда, не получилось сделать все домашние задания, поскольку они требовали довольно много времени. Хотя на вебинарах мы разбирали довольно много примеров с кодом, домашние работы это не шаблонные задания методом копипасты, для них нужно перелопачивать много дополнительной информации и учиться отлаживать модели. Затем через несколько месяцев, когда свободного времени стало чуть больше, я обстоятельно пересмотрел и законспектировал все вебинары и сделал невыполненные работы.

Спасибо большое OTUS, буду рекомендовать этот курс знакомым, если они захотят развиваться в направлении Data Science.

Хочу выразить благодарность всему коллективу ОТУС и Machine Learning. Professional и в особенности руководителю программы Марие Тихоновой. Благодаря выполненным проектам на курсе и полученным знаниям я смог получить свою первую работу в IT сфере!

Курс охватывает как теоретические основы, так и детали практического применения методов ML. Объем материала огромен, впихнуть его в две лекции в неделю невозможно, поэтому нужно быть готовым к ежедневной самостоятельной работе 1-2 часа.
ДЗ интересные - некоторые очень даже творческие, некоторые взяты с kaggle, но это не отменяет того, что нужно сесть и разобраться в том, как все это работает. Kaggle еще и помогает посмотреть, как это решали другие.
В целом курс оправдал ожидания, теперь создание моделей машинного обучения, формализация задач стала рутинной и простой задачей для меня. Спасибо команде курса!