Комментарии 41
«Я и Stanford...» — на лице появилась улыбка и настроение как-то сразу улучшилось )
30 октября Питер Норвиг в гугл-плюсе писал
By our own analytics, we've had 3 million visitors for 11 million pageviews so far for the class.
Here is the breakdown of visitors to the class by country, in order: (over a million): US; (over 100,000): India, Brazil, UK, Russia, Canada, Spain, Germany; (over 40,000): Italy, Poland, Australia, Mexico, France, Ukraine, Romania, China.
я думаю после окончания класса они сделают какую-то аналитику. сколько всего было, сколько прошло, какой процент и т.д. Это кстати непосредственно влияет на твой собственный ранг :) и на сертификат — в нем то они как раз обещали написать подобную информацию — такое то место из стольки то всего.
By our own analytics, we've had 3 million visitors for 11 million pageviews so far for the class.
Here is the breakdown of visitors to the class by country, in order: (over a million): US; (over 100,000): India, Brazil, UK, Russia, Canada, Spain, Germany; (over 40,000): Italy, Poland, Australia, Mexico, France, Ukraine, Romania, China.
я думаю после окончания класса они сделают какую-то аналитику. сколько всего было, сколько прошло, какой процент и т.д. Это кстати непосредственно влияет на твой собственный ранг :) и на сертификат — в нем то они как раз обещали написать подобную информацию — такое то место из стольки то всего.
Проходил в этом году все три курса(ai-class, db-class, ml-class).
Понравились все, везде находишь что-то новое.
В db-class, например, было интересно послушать про реляционную алгебру, OLAP и NoSQL.
ml-class — интересен практикой, практики было много и задачи были вполне прикладные. Местами лекции были скучные, так как слишком разжеваны, однако никто не мешает пропустить нудятину или смотреть на 1.6х :)
ai-class — очень общий и по большей части обзорный, но вкупе с ml дает очень неплохую базу для изучения ИИ.
Считаю, что смотреть действительно стоит, по крайней мере выборочно, интересующие темы. Качество изложения материала действительно высокое.
Понравились все, везде находишь что-то новое.
В db-class, например, было интересно послушать про реляционную алгебру, OLAP и NoSQL.
ml-class — интересен практикой, практики было много и задачи были вполне прикладные. Местами лекции были скучные, так как слишком разжеваны, однако никто не мешает пропустить нудятину или смотреть на 1.6х :)
ai-class — очень общий и по большей части обзорный, но вкупе с ml дает очень неплохую базу для изучения ИИ.
Считаю, что смотреть действительно стоит, по крайней мере выборочно, интересующие темы. Качество изложения материала действительно высокое.
Как у вас хватило времени на все три курса? ) А так да, закончил только DB-Class
Я здесь еще отвечу что у меня получалось по времени тогда.
В неделю выкладывают 1.5-2 часа видео по каждому из предметов, смотреть вполне себе можно на 1.6х, успеваешь понимать.
Итого на лекции уходит около 3-4 часов в неделю на просмотр всех лекций.
Практика есть только в ml и db, но ее не так уж и много, к тому же все что нужно объяснено в лекциях. В общем выходит около 2 часов на практические задания в неделю.
Если равномерно распределить материал по неделе, то уходит не больше 1.5 часа в день.
Не говоря уже о том, что часть материала Вы наверняка знаете и можете что-то пропустить. :)
В неделю выкладывают 1.5-2 часа видео по каждому из предметов, смотреть вполне себе можно на 1.6х, успеваешь понимать.
Итого на лекции уходит около 3-4 часов в неделю на просмотр всех лекций.
Практика есть только в ml и db, но ее не так уж и много, к тому же все что нужно объяснено в лекциях. В общем выходит около 2 часов на практические задания в неделю.
Если равномерно распределить материал по неделе, то уходит не больше 1.5 часа в день.
Не говоря уже о том, что часть материала Вы наверняка знаете и можете что-то пропустить. :)
Ну, насчет того, что в AI практики нет, вы загнули: после почти каждых 2 минут задают вопрос, и часто, чтобы на него ответить, нужно решить нетривиальную задачу. У меня на AI уходило в два раза больше времени, чем на ML.
Ну по вопросам я обычно делал так, что тратил немного времени на подумать, если понимал ход решения и мог быстро посчитать то делал, если нет — забивал ответ и смотрел решение.
Как оказалось зря
Как оказалось зря
www.cs101-class.org/ — записал маму
А бумажку какую-нибудь дадут? Ну что бы на стенку повесить.
habrahabr.ru/blogs/elearning/132793/
После успешного окончания любого из курсов будет выслан сертификат (digital-signed pdf) от преподавателя.
Скажу также, что помимо бумажки преподаватель курса ИИ Себастьян Тран прислал мне (равно как и другим студентам из TOP-1000) предложение отправить ему резюме, а он перешлет их в фирмы, в которых у него связи.
Вау, потрясающе! Жаль, что на AI у меня перестало хватать времени ближе к середине курса.
Вот бы Эндрю Нг сделал что-то подобное!
Вот бы Эндрю Нг сделал что-то подобное!
Завидую по белому. Себастьян мне прислал только одно письмо в середине курса, мол, you're doing great.
а почему он прислал письмо раньше, чем последняя домашка и экзамен сданы, а это почти 45% рейтинга?
Зря вы про ML так. Из всех трех он был наиболее насыщен практикой и, ИМХО, наиболее полезен Ну, и судить по курсу на основании трех лекций — это все-таки некомфильо :-)
Ну, скажем, меня тоже несколько раздражали его постоянные замечания вроде «если вы не знаете, что такое градиент (матрица ковариации и др.), ничего страшного, вам это не нужно, главное делайте точь в точь как в формулах», куски лекции, убитые на объяснения тривиальных и интуитивно очевидных вещей, в то же время опускаемые подробности относительно обоснования методов. Однако, согласен с тем, что это хороший курс с точки зрения практических знаний. Мне жутко понравилось писать все эти задания на матлабе. Хотя курс баз данных в отношении практических заданий, пожалуй, не уступил — тоже много упражнений в которых нужно было составлять запросы к базам, к XML и проч.
В Стэнфорде этот курс называется Applied Machine Learning (cs229a), обоснованиями методов в прикладном курсе можно пожертвовать во имя бОльшего числа практических примеров и объяснения того, какие методы и когда лучше применимы на практике. Что и было сделано.
Меня в моем вузе всегда раздражал как раз чисто академический подход, где «давайте докажем теорему, это же так классно» ставилось на первое место, ну, а о том, какая практическая ценность этой теоремы — лектор мог и вовсе не рассказывать. Если уж выбирать, лично мне больше нравится подход Эндрю Нг. Дело вкуса, наверное :-)
Меня в моем вузе всегда раздражал как раз чисто академический подход, где «давайте докажем теорему, это же так классно» ставилось на первое место, ну, а о том, какая практическая ценность этой теоремы — лектор мог и вовсе не рассказывать. Если уж выбирать, лично мне больше нравится подход Эндрю Нг. Дело вкуса, наверное :-)
Я под обоснованием отнюдь не имел ввиду строгие доказательства, хотя бы немного пояснений. Скажем, метод градиентного спуска мне понятен — в универе проходили, а вот kernel machines как применять я понял, но почему это будет работать — хоть в общих чертах можно было и рассказать. Пусть и в качестве бонусных необязательных лекций.
А то, что методика преподавания на порядок лучше, чем академический подход в иных вузах — это без сомнения. После этих курсов я еще больше стал уверен в том, что лозунг «вуз учить учиться» — это чушь, придуманная в вузах, где все программы (и знания преподавателей) уже давно устарели.
А то, что методика преподавания на порядок лучше, чем академический подход в иных вузах — это без сомнения. После этих курсов я еще больше стал уверен в том, что лозунг «вуз учить учиться» — это чушь, придуманная в вузах, где все программы (и знания преподавателей) уже давно устарели.
Полный ППКС вам по поводу наших вузов :-)
Кстати, если хотите, могу рассказать про кернелы в личке :-)
Кстати, если хотите, могу рассказать про кернелы в личке :-)
Ну, я вообще с методикой образования в США знаком. То, что он разжевывает самые мелочи, но при этом упускает математику — это у них такой прием. Цель — ввести студента в заданный ритм. Чтобы было и не напряжно, но и чтобы не расслабляться. В середине курса, когда материал стал идти посложнее, подача материала сохраняла тот же ритм, и студенту гораздо легче понимать происходящее.
У нас же преподаватели часто спешат по простому материалу галопом по Европам, а затем настает черед сложных понятий, и они начинают буксовать. Сидишь на такой лекции и голова пухнет. У части студентов — оттого, что нифига не понятно, а у некоторых — оттого, что все понятно, но преподаватель тупит и гоняет все из пустого в порожнее.
У нас же преподаватели часто спешат по простому материалу галопом по Европам, а затем настает черед сложных понятий, и они начинают буксовать. Сидишь на такой лекции и голова пухнет. У части студентов — оттого, что нифига не понятно, а у некоторых — оттого, что все понятно, но преподаватель тупит и гоняет все из пустого в порожнее.
Товарищи проходившие курсы, а сколько примерно времени в неделю занимали курсы? Скажем если делать все задание и слушать все лекции? А то зарегистрировался штуки на 4 интересно сколько реально смогу прослушать?
Два курса на advanced route (с еженедельными практическими задачами) занимали приблизительно 10 часов времени в неделю.
Зависит от инфраструктуры. Лекции по ML и DB можно было скачать и смотреть в любое время, например на мобильных устройствах. В среднем это было 4-8 коротких лекций на юнит, где-то суммарно на час-полтора (каждая лекция может быть 6-30 минут). Лекции по ИИ выкладывались на ютуб, скачать можно было, но не с сайта, а уже с самого ютуба. Их как было больше, 15-30 в юните, но они короче, в среднем 5 минут не превышали, в юните много квизов (они вообще не больше минуты). Так что суммарно тоже порядка часа.
Задания бывают разные. Квизы отвечаются быстро. Упражнения делать дольше приходится, зависит от навыков. Мне хватало двух вечеров по 2-3 часа на базы данных и machine learning, а ИИ растягивалось на всю неделю, понемногу смотрел, ближе к концу недели делал домашние, это тоже меньше получаса.
Задания бывают разные. Квизы отвечаются быстро. Упражнения делать дольше приходится, зависит от навыков. Мне хватало двух вечеров по 2-3 часа на базы данных и machine learning, а ИИ растягивалось на всю неделю, понемногу смотрел, ближе к концу недели делал домашние, это тоже меньше получаса.
У меня уходило пол дня раз в неделю на ai-class.
AI-class: по 3-4 часа в неделю непосредственно перед deadline по домашке/экзамену. :)
Вот она, Хилари, что сделала: бесплатные курсы ml-class, и в результате мы имеем такие посты: kobak.livejournal.com/101512.html
Я тоже прохожу все три курса, времени уходит прилично :) если в течение недели ничего не смотреть, то приходится все выходные на это тратить. Узнал много нового, оценки тоже неплохие по всем трем курсам, но в топ-1000 по AI я, кажется, не попал. DB уже закончился, на этих выходных закончится ML и финальный экзамен по AI.
Думаю, какие курсы брать в следующем году. Если подходить ответственно, то три это максимум для меня.
Думаю, какие курсы брать в следующем году. Если подходить ответственно, то три это максимум для меня.
Human-Computer Interaction? Ведь изначально курс назывался Human-Computer Interfaces.
Народ есть кто на SaaS записался или хочет записаться?
Спасибо за пост!
он меня вдохновил на это:
он меня вдохновил на это:
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Онлайн курсы от Stanford University и Berkeley University на 2012 год