ноль интерактивности и ужасный монтаж видео

Курс точно не стоит своих денег. Особенно после отмены очных сессий и с таким качеством монтажа. Как часто бывает с материалами по ML, все лучшие курсы, учебные материалы и статьи вы найдете в открытом доступе бесплатно. Я бы мог посоветовать модуль по АБ-тестам, он реально хорош. Достоинства Четвертый модуль по АБ-тестам — это лучшее, что я видел по данной тематике вне зависимости от языка учебного материала. Превосходный учитель, большой специалист и харизматичный человек. Интересная подача, каждый слайд разбирается досконально: с выводом формул, подробным описанием и практическим применением. Таким образом, к концу лекции ты получаешь не просто готовый ответ «sample size считается вот так», а понимаешь каждый шаг, который привел к такому результату. Если бы я оценивал только четвертый модуль, то поставил бы 5+. Недостатки

1. Ужасный монтаж видео. Ну, правда, возьмите и запишите видео заново, а не делайте пять склеек в одном предложении: «и поэтому | модель | должна будет | вернуть предсказанную | вероятность». Я не утрирую, просто откройте хотя бы модуль «ценообразование» и убедитесь сами.
2. Далее про сам модуль ценообразования: неструктурированный набор лекций, не создается целостной картины «а изучаем-то чего?». Сначала тратится три лекции на элементарный препроцессинг (хотя в описании курса HARD ML написано для уровней senior DS), потом идет элементарная регрессия (простая и квантильная), «галопом по Европам» временные модели и...многорукие бандиты. Новых знаний с модуля получаешь крайне мало. Куда лучше было бы разобрать более глубоко какую-то подобласть в ценообразовании, чем пытаться объять необъятное.
3. Ранжирование и матчинг. Первое и главное — довольно токсичный преподаватель. На ранних запусках курса, когда были очные сессии, на уточняющий вопрос по теории или ДЗ я часто сталкивался с ответом преподавателя: «перечитайте внимательнее, в описании все есть».

Уважаемый преподаватель, вы составляете учебный материал, разумеется, для вас там вопросов нет и все очевидно. Но если из раза в раз, чтобы получить ответ на вопрос, приходится читать между строк, то, возможно, для студентов не все так очевидно. На n-ом этапе я просто перестал спрашивать, если не мог найти ответ самостоятельно, то ждал разбора ДЗ. Всяко лучше, чем тратить нервы на токсичное общение.

Касательно материала: на самом деле довольно неплохой курс, очень много приходится писать с нуля, что здорово. Сильно прокачался в PyTorch из-за этого. Из минусов по материалам: мы, вроде, ранжирование и матчинг проходим, зачем в последних лекциях делать больший упор на эмбеддинги, Bert и трансформеры, если мы не используем их ни в одном из ДЗ, ни в финальном проекте. Вместо этого можно было бы разобрать sota в ранжирование, а не заканчивать на реализации KNRM.