Linear Algebra

Очень понравились домашние задания, вебинар по линейной регрессии, подготовка и реализация финального проекта, открытость и компетентность куратора, возможность применить математические концепты сразу на моделях машинного обучения. Куратор действительно пытался помочь с материалом и домашними заданиями. Отдельно хочу отметить предпоследний вебинар, на котором мы обсуждали анализ датасета для проекта. Очень многие рассказывают о том, как сделать анализ, и мало кто говорит о том, что с ним потом делать, так что это было очень ценно!

Каждое домашнее задание и лекция на курсе показывали, как применять линейную алгебру в реальных задачах Data Science. Мы изучали теорию и сразу переводили ее на применение в алгоритмах Машинного обучения. Это помогло начать смотреть на данные с перспективы математики и развязало руки для более смелых экспериментов. Уже во время курса мне пришлось опробовать свои знания, когда я проходила собеседование на должность Data Science Intern. И только благодаря более глубокому пониманию математических оснований ML алгоритмов я начала свою карьеру в DS.

Все было очень круто!) Сначала были определенные сомнения по поводу формата (материал преподносится в виде видеоуроков), но, как оказалось, это невероятно удобно! Можно подстроить изучение нового материала под себя, а на вебинарах разбирать практические задачи и непонятные вещи из материала.

Очень понравился подход к преподаванию и продуманность домашних заданий. Они были связаны с реальными прикладными темами, в лекциях или упражнениях упоминалась реальная задача, которую можно было бы решить, опираясь на пройденный материал. Информация хорошо разложена по блокам, дополняющим друг друга.

Я ожидал разобраться с нуля в теме, где обычно сложно разобраться самостоятельно. С помощью куратора удалось понять материал курса и определить направление дальнейшего развития в теме линейной алгебры и Data Science.