Get best of the week

创建功能强大的机器学习课程：任务完成



我们有2个失败的开始，169个学生，8个愤怒的评论，3个名称更改，过多的理论和足够的实际练习。并不是说这是一次彻底的失败，但是如果您开始教授数据科学，则需要做得完美。今天，您将听到一个有关我们如何在OTUS中开发数据分析方向以及在此路径上进行了哪些工作的故事，然后我们纠正了错误。


第一个COM-煎饼


三年前，我们开设了首个数据分析课程，并将其称为“ BigData Developer”。设计用于128交流电。小时，其中一半是网络研讨会，第二是家庭作业和一个项目。机器学习和神经网络已不再是精英，而是已成为有效开发的必要业务工具。科学家们将IT公司，在线商店，营销机构，初创企业和数字服务列为日期。乔布斯飞了。劳动力市场尤其强烈地感到缺乏中高级专家。

有必要教导和发展中级，但没人知道如何做好。我们邀请了一位老师，制定了一个程序，结果，结果表明，一方面，这门课程非常困难，甚至对培训水平的要求太高，而另一方面却不够实用。

学生更名而感到困惑


当我们收集首次发布的反馈时，我们发现该名称不能准确反映该程序的本质。在一个学期的术语下，我们教授了数据科学的所有工具。2018年，我们重新推出了一个名为``数据科学家''的课程，这表明他正在为这一专业做准备。处理之后，网络研讨会的数量增加了10个小时，但是实践仍然是一个不足。大多数任务是玩具示例，远非带有真实数据集的真实任务。
这次的评论是有争议的。一些人责骂了表面知识的课程，另一些人说，尽管他们成功通过了入学考试，但结果却太难了。有人认为，通过更改名称，我们试图阻止不太成功的首次发布。此外，不可抗力在某一时刻发生：过程失去了领导者，然后失去了生产者。

灵感和新老师


认识机器学习课程的作者兼负责人Dmitry Sergeyev。OTUS与他一起彻底重新思考了数据科学的方向。我们放弃了将所有实践放到一门课程中的想法，并分别为Python中的机器学习和神经网络制作了深入的程序。

Dima自2012年以来一直在分析数据。他热情地为OTUS的课程开发，用实用的芯片和有趣的任务填补了这些课程。

重点课程差异

“大数据开发人员”“数据科学家”机器学习
年2017- 2018年初2018年2019 -...
标题反映了1种工具，尽管实际上该课程使用的是不同的数据科学工具该课程不够实际且不够详尽，因此通过该课程后，您可能会认为自己是一名认真的专家现在，这是“数据科学”部分中的一系列课程之一。名称反映了本质-该课程专门针对高级机器学习实践，仅部分影响神经网络
小时数128138178
网络研讨会时间647470
注意独立工作6464108
练习次数十六12十九

我们请迪玛本人告诉他如何以及为何修改课程。

OTUS：Dima，您看到了以前的程序。她在新课程中有何变化？
— , . , , , . - . .

, — «» «». , .

. — . , , , , , .. , .
OTUS: , .
— . , , ( !) . , — - , , .

, , , «» , , — , . , — . , , .

, — . , - , .

. , , , Moons.

, , .
OTUS: , , — ?
— , . 5 , . , .

. , , . .
OTUS: ? ?
— -, . , , , ARIMA, . , — tf-idf .

-, , . , , ( ), «» . , , , , , , AWS ..

, , — , , , , , . , , .

— , . , , , . , , .
«Machine Learning» 28 . , . .

, 24 20:00 . . !

More articles:


All Articles