Отзывы выпускников курса "Нейронные сети и их применение в научных исследованиях"

Отличный курс. Пришёл сюда, зная лишь классическое машинное обучение. После обучения на курсе я могу разбирать практически любые темы в области нейросетей: собирать архитектуры из статей, предлагать улучшения и строить собственные.

Одна из главных особенностей — камерная инициативная команда, которая постоянно следит за обновлением тем в данной области и ДОПОЛНЯЕТ КУРС! Почти во всём на гребне волны, со всеми новыми знаниями и достижениями из такой быстро развивающейся области.

На курсе нашёл отличные практические и теоретические знания — пишу статьи и работаю ML-инженером. За всё время обучения ни разу не пожалел, что поступил на него. Как минимум ради обучения на этом курсе, стоит поступать в магистратуру.

Для меня здесь было интереснее и КОМФОРТНЕЕ, чем на большинстве пар в МГУ: современные знания, комфортная аудитория, хорошая стипендия и печеньки =)

Этот курс возник в моей жизни в идеальное время, потому что в своей научной деятельности я достигла той точки, в которой мне не хватало навыков и знаний в машинном обучении, чтобы решать свои задачи.

Курс был достаточно насыщен лекционными и практическими материалами, поэтому занимал немалую часть моего времени. Также курс хорошо дисциплинировал, потому что имел чёткие дедлайны.

Кроме того, он был мне полезен, потому что мой синдром отличника получал удар за ударом на каждом занятии, когда я ковырялась в первом задании, а ребята спрашивали про третье, когда получала баллы за домашки... в общем, это интересный опыт...

Мне понравился преподаватель моей группы, которому можно было задавать множество глупых вопросов и получать на них ответы, с которым можно было спорить о чём-либо (по делу). В общем, я приятно удивлена существованию таких инициатив для молодых учёных — это сохраняет некоторую надежду.

P.S. Кроме того, в этот великолепный год курс начался в идеальное время, чтобы я смогла выбраться из чёрной дыры фрустрации и размышлений о миропорядке и предаться эскапизму. Просто знайте, что этот курс, возможно, выполнил значимую функцию для поддержания ментального здоровья людей этого потока =)

Курс мне понравился практически во всём: мне хотелось освоиться в современном машинном обучении и архитектурах нейросетей и курс с этим справился отлично. Чуть-чуть не дожали лишь отдельные темы, но в целом я считаю, что теперь имею достаточную квалификацию, чтобы заниматься нейросетями и пытаться публиковаться с этим.

Очень здорово, что сами задания представляют собой Jupiter Notebook-и, где нужно дописать необходимые части кода. Доступ к Google Colab Pro тоже делает жизнь радостнее. Немного замели под ковёр самые трендовые темы: трансформеры, reinforcement learning. По ним были задания, я их даже выполнил, но если меня попросить сейчас повторить или самостоятельно реализовать что-нибудь с ними, то я буду испытывать затруднения.

Возможно, стоит отвести на эти темы два занятия и/или включить в задания самостоятельную реализацию своего трансформера (как это было в ResNet: там необходимо было самостоятельно реализовать Residual слой).

Ещё мы с ребятами как-то раз обсуждали, что можно было бы самостоятельно реализовать какой-нибудь алгоритм решающих деревьев, именно сам процесс обучения деревьев, а не применить готовую библиотеку, но курс не совсем про это, так что ладно :)

В целом мне очень понравился курс. Он был довольно полезным для меня, однако были моменты, которые, на мой взгляд, можно было бы улучшить. Мне показалась достаточно интересной тема обучения с подкреплением, а ей уделили довольно мало времени. Понятно, что сложно подготовить общее задание по этой теме и здесь, как нигде, важны детали конкретной задачи, но было бы здорово дать какое-то более глубокое понимание этой области.

Мне не хватило какого-то более заметного менторства от преподавателей курса, как человеку, никогда не встречавшемуся с нейронными сетями ранее, было довольно сложно выстроить работу и понять, насколько вообще правильно выполняется поставленная задача, можно ли сделать более оптимально или продумать некоторые моменты заранее, чтобы позже не пришлось их разгребать.

Хотя в целом с преподавателем были регулярные консультации, всё равно путь выполнения курсового проекта был тернист и пришлось приложить много усилий в тех областях, которые для преподавателей, наверное, уже очевидны и рутинны, но для новичка представляют непростую задачу.

Мне понравилась логично выстроенная программа курса и то, что было много интересной информации, включая демонстрацию проблем и задач из других научных областей. Нам предоставляли большое количество материала, включая ссылки на дополнительные источники.
Лекционные материалы были хорошо написаны и понятны, поэтому во время занятия можно было сосредоточиться на понимании, а не на записи информации.

Атмосфера, которую удалось создать на данном курсе — уникальна. Преподаватели всегда заинтересованы и готовы к общению и ответам на вопросы. В процессе обучения всё было удобно: отличный интернет, collab c gpu, прописанные лекции, трансляция онлайн для заболевших студентов, воркшопы, снеки и чай. Все моменты продуманы, чтобы студенты могли сосредоточиться на усвоении нового материала — это очень ценно. Кроме того, все дружелюбно настроены, даже на отчётных мероприятиях, дают советы, поддерживают, объясняют. Я наверняка о многом забыла написать, так что напишу так — это просто лучший курс, который мне посчастливилось пройти.

Курс позволил с нуля освоить азы машинного обучения, дал достаточно широкий кругозор в данной области. Благодаря большому количеству практики, удалось быстро научиться создавать и обучать модели, в общих чертах разобраться в механизме и математическом аппарате ряда архитектур.

В частности, при помощи преподавателя получилось глубже погрузиться в свёрточные нейронные сети, при помощи которых была в итоге решена поставленная в начале обучения задача сегментации изображений.

Процесс обучения был выстроен достаточно эффективно, благодаря большому количеству практических заданий и помощи преподавателей при возникновении трудностей.

Также нельзя не отметить такие способствующие постижению знаний факторы, как наличие ряда различных стипендий и очень комфортной среды обучения, в частности, созданного организаторами уютного помещения и др.

Курс понравился, особенно то, что было много практики, понятное изложение тем лекций и доступ к материалам.

В связи со сменой научного руководителя в середине второго курса аспирантуры, а также полной сменой специальности: раньше была специальность, связанная с компьютерными сетями, виртуализацией и облачными технологиями, где не было ни глубокого обучения, ни обучения с подкреплением, ни генеративных моделей, на новой специальности возникла необходимость не только закрывать академическую разницу, но и осуществлять переход "из одной пещеры в другую".

Благодаря тому, что руководство курса разобралось в моей ситуации, меня зачислили на курс. В процессе обучения на курсе я смог не только получать приятную стипендию, но и ближе к концу обучения трудоустроиться в исследовательское подразделение известной китайской технологической компании, где сейчас занимаюсь нейросетевой обработкой видео последовательностей. Стоит отметить, что при наличии двух высших образований и публикаций по предыдущей специальности, получить ранее работу в той же компании мне не удалось.

В результате обучение на курсе способствовало не только осуществлению достаточно непростого "межпещерного" перехода, но и показало, что в предметной области нейросетей, несмотря на достаточно высокий порог входа, гораздо больше возможностей для самореализации и продолжения своего развития (говоря метафорически, в "пещере" нейросетей потолки гораздо выше и это способствует как уменьшению конкуренции, так и увеличению компенсации).

Подводя итог, я благодарен команде курса за предоставленные возможности и поддержку и надеюсь, что курс продолжит помогать молодым исследователям совершать открытия, публиковать статьи и приближаться к защите!

Прежде всего большое спасибо всей команде, которая проводила этот курс: и идейным вдохновителям, и преподавателям, и всем, кто занимался подготовкой и организацией учебного процесса! Все с готовностью отвечали на возникающие вопросы и всегда были рады помочь.

Курс по нейросетям оказался полезным именно с точки зрения практического применения нейросетей в научной работе. Именно применение в науке явилось для меня ключевой и привлекательной особенностью этого курса, поскольку сейчас все же больше нейросети применяют в сфере услуг, развлечений, либо финансов и аналитики. Я всё же надеюсь, что мир от этого уйдёт и найдёт нейросетям должное применение в науке.

Наполнение курса имело широкий охват: от простейшей регрессии и классификации с помощью решающих деревьев до больших нейросетей различных геометрий и усложнений, а также современные трансформеры. Хотелось либо поподробнее поговорить об этих модных и сложных штуках, разобраться, как они работают, либо остановиться до них и сконцентрироваться на методах, которые сейчас применяют в науке, а не которые только возникли и находятся на волне их разработки.

Домашние задания - это то, что заставляло порой напрячься и даже погуглить либо плотно пообщаться с преподавателем, чтобы найти правильный ответ. Хочется добавить в домашние задания немного осмысления того, что выдаёт нейросеть, например, объяснить, почему при изменении какого-то параметра сеть ведёт себя так, а не иначе. Такое чувствование может помочь в будущем при разработке нейросети для своей задачи.

Финансирование, стипендиальная система - приятное дополнение к курсу, чувствуешь то, что будущие проекты действительно востребованы и ещё больше хочется ими заниматься. Единственно, если бы можно было уменьшить число отчётов, которые нужно было написать в течение года, то было бы ещё лучше.

Спасибо за курс!