Data Science & Maschinelles Lernen in Python - am Beispiel (Udemy.com)

Dieser Kurs bietet wirklich einen tollen Überblick über die Themengebiete Data Science und Maschinelles Lernen. Er ist daher ideal geeignet für Einsteiger, die zum ersten Mal damit in Kontakt kommen. Danach kann man dann immer noch tiefer in die Materie einsteigen. Kleines Manko: Einige Typos auf Folien und einige wenige Erklärungen des Tutors in den Videos sind nicht ganz korrekt. Tipp: Immer in die Kommentare der jeweiligen Lektion gucken. Da wurde sich in den allermeisten Fällen bereits darüber unterhalten, sodass man mit den dortigen Hilfen die Fehler ausbessern kann und einen besseren Überblick bekommt.

War insgesamt gut. Ein paar Dinge waren nicht mehr ganz aktuell (z.B. Verwendung von deprecated libraries, deren Äquivalente dann nicht die ganz gleichen Resultate liefern), was halbwegs einfach zu beheben wäre und dann doch unnötig viele Nerven kostet. Das ist auch schon seit längerer Zeit so, von anderen Besucherfragen zu schließen, daher schade, dass es nie geändert wurde. Ich habe ein bisschen (nicht viel) Ahnung von Statistik und habe den Kurs ergänzend zu einer Uni-Veranstaltung gemacht. Was auf jeden Fall super ist, ist dass der Kurs einem das Nötigste definitiv vermittelt und sehr viel Anschauungsmaterial bietet. Etwas schade finde ich, dass es im Vergleich zu anderen Kursen wenige Beispiele gibt, wo man selber ein Programm schreiben muss, wobei das natürlich bei so einem fortgeschrittenen Thema etwas schwierig wäre. Licht und Schatten ist, dass nicht immer alles ganz genau erklärt wurde im Beispielcode. Manche (zugegeben an der entsprechendenStelle sicher nicht die wichtigsten) Parameterbedeutungen musste man sich z.B. selber zusammenreimen. Ist nicht nur schlecht, weil man auch den wertvollen Skill des Doku-Lesens dadurch lernt. Insgesamt fand ich den Kurs gut und hab viel mitgenommen, auf dem ich aufbauen kann.

Der Kurs hat mir einen tieferen Einblick in den Bereich Machine Learning und Data Science mit Python gegeben. Aus meiner Sicht ist dieser Kurs wirklich für Fortgeschrittene Python User gedacht, denn auf den Code wird nicht en Detail eingegangen. An sich ist der Kurs nicht verkehrt aufgebaut. Zu allen Themen erläutert Jannis zunächst die theoretischen Grundlagen und versucht diese dann anhand von Python in Praxisbeispielen zu zeigen. Verbesserungsvorschläge: Grundsätzliches: Es sollte eine requirements.txt Datei geben, bei der alle notwendigen Programme mit der entsprechenden Version aufgelistet werden. Das verhindert dann Probleme bei der Installation einige Jahre später. Wissenschaftlicher/ theoretischer Part: Die Idee, zunächst Theorie zu erläutern find ich gut. Leider gibt es wirklich viele Rechtschreib- und Grammatikfehler in den Folien. Wenn diese Vorträge aber wirklich nur Theoriebasiert sind, dann wäre hier ein Lektorat wünschenswert!!! Zweitens wäre es gut, wenn Quellenangaben und Literaturverweise gemacht werden würden. Dann könnte man sich auch in bestimmte Themen mehr reinlesen. Der Praxisteil: An sich war das ganz gut. Im bereich spark lauern viele Stolperfallen bei der Installation, da es hier Versionsabhängigkeiten gibt und es mich zwei Tage gekostet hat, dass ans laufen zu kriegen. Hier hätte ich mir aber auch noch mehr Beispiele gewünscht. Support: Leider ist der Support bei diesem Kurs verglichen zu anderen Kursen von ihm nicht ganz so gut, da Antworten zum Teil mit einer Verzögerung von mehreren Tagen kommen, manchmal auch erst nach mehreren Wochen. Dafür auch einen Stern Abzug. Fazit: Ich würde den Kurs jederzeit wiederbuchen.

Ich habe mich die letzten Jahre viel mit Python und Massendatenanalyse über Pandas beschäftigt und auch schon vieles in Richtung Data Science ausprobiert. Dieser Kurs ist mein erster Kurs auf Udemy. Beim Erlernen der Data Science Themen ist mir wichtig, im ersten Schritt einen guten Überblick über alle Bereiche zu erhalten. Dies ist mit diesem Kurs super gelungen. Einziger, kleiner Kritikpunkt ist der statistische Bereich. Statistik war mein bester Kurs im Studium. Da ich selbst Dinge wie Standardabweichung und Varianz in den vergangenen 2-3 Jahren nicht mehr benötigt habe, waren mir insbesondere T-Test und p-Wert etwas kurz gekommen bzw. einfach zu schnell/unklar. Natürlich ist das nur ein subjektiver Eindruck, den ich daher auch nicht so stark einrechne. Wie sehr deutlich gemacht wird, muss man das Erlernte einfach anwenden. Ich bin mir sehr sicher, dass dieser Kurs den perfekten Einstieg für Data Science und Machine Learning darstellt. Vielen Dank dafür :)

Ein sehr umfangreicher Kurs, der trotzdem ins Detail geht. Natürlich könnte man den Stoff noch verdreifachen. Es gibt einen guten Überblick und Beispiele. In die Tiefe zu einem bestimmten Fachgebiet kann man ja anschließend außerhalb des Kurses gehen. Die Inhalte werden angemessen vermittelt und der Stil ist eingängig. Mir hätten noch ein paar Hintergründe geholfen, um mit dem funktionalen Programmieren vertraut zu werden. Lamda-Funktionen werden häufig verwendet, jedoch wird das Konzept aus meiner Sicht nicht verständlich vermittelt. Es wäre gut, wenn die Übungen zielgerichteter wären und man die Ergebnisse in einer Lektion besprechen kann. Auf zum Python-Bootcamp!

Sehr guter Einstieg in die Thematik. Der Dozent hat die Kernthemen gut aufbereitet. Auch blutige Anfänger können sich so relativ schnell zurecht finden, was bei Machine Learning ja nicht gerade einfach ist. Verbessern könnte man etwas die sprachliche Korrektheit der Folien und des Vortragsstils. Ansonsten aber Empfehlenswert der Kurs.

Super Dozent, verständliche Übungen und eine gute Vermittlung der Grundlagen von Machine Learning, als auch der weiterführenden Möglichkeiten. Man befasst sich mit vielen praktischen Beispielen und bekommt immer genug Möglichkeiten sich auch selbst noch detaillierter mit dem Stoff zu befassen. Ein wenig gefehlt haben mir allerdings ein paar komplexere und knifflige Aufgaben, die einen zu noch mehr Leistung animiert hätten.

Der Kurs bietet eine sehr gute Einleitung zum Thema hin. Ich habe danach noch andere Kurse und Webseiten zu diesem Themengebiet angesehen und bei fast allem hatte ich sofort einen guten Einstieg durch diesen Kurs. Die Erklärungen sind gut und gerade die mathematischen Themen werden sehr einfach und anschaulich beschrieben, genau richtig um einen Überblick zu bekommen und ohne sich in unnötigen Details zu verlieren. Auch die Anleitungen zum Installieren und die ersten Schritte mit Python fand ich sehr hilfreich. 2 kleine Verbesserungsvorschläge hätte ich aber: 1. Die "Hausaufgaben" sind etwas unspezifisch. Hier wäre es evtl. hilfreicher, wenn man eine kleine Aufgabe stellen würde, damit sich der Kursteilnehmer auch wirklich mit dem Code beschäftigen muss. Das bloße "Herumspielen" ist meiner Ansicht ein bißchen wenig. 2. Bei Spark hätte ich mir gewünscht, dass tatsächlich gezeigt wird, wie man die Aufgaben auf unterschiedlichen Rechner laufen lässt. Das ist schließlich die Hauptaufgabe von Spark und genau an dieser Stelle gibt es sicher sehr viel zu beachten. Ansonsten war es ein toller Kurs.

Prima Crashkurs zum Thema. Die zahlreichen Beispiele waren sehr hilfreich, auch wenn bei vielen mit generierten Datenverteilungen gearbeitet wurde. Vielleicht könnten noch ein paar mehr Konzepte/math. Größen durch konkrete Beispiele mit realen Daten ergänzt werden. Etwas zu kurz kamen meiner Meinung nach die 'Klartext'-Interpretationen der Ergebnisse einiger statistischen Bearbeitungen: Was bedeutet das konkrete numerische Ergebnis x der statistischen Methode y in Bezug auf die konkrete Fragestellung ? Warum ist y hier die Methode der Wahl ? Welche konkreten Fragestellungen lassen sich überhaupt mit bestimmten statistischen Methoden lösen ? Besonders anschaulich fand ich das Beispiel mit dem Filmempfehlungssystem. Ein ähnlich gut ausgearbeitetes Beispiel für die A/B-Tests wäre toll.

Ich finde den Kurs - und vor allem den Überblick extrem stark! Der Trainer ist sehr sympathisch und bringt den Inhalt gut rüber. Allerdings teile ich seine Meinung, über die "immer komplizierte" Mathematik hinwegzusehen, gar nicht. Klar kann sich nicht jeder Teilnehmer so einarbeiten, ohne dass er alle Theoreme und Beweise versteht. Letztlich würde ich doch gerade ein bisschen zum tieferen Verständnis ermutigen - statt blind irgendwelche Algorithmen auf irgendwelche Probleme loszulassen - und ein bisschen über den Tellerrand hinauszusehen. Vielen Dank für den runden Kurs!