このコースについて

228,958 最近の表示

受講生の就業成果

47%

コース終了後に新しいキャリアをスタートした

60%

コースが具体的なキャリアアップにつながった

40%

昇給や昇進につながった

共有できる証明書

修了時に証明書を取得

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

中級レベル

約50時間で修了

ロシア語

字幕:ロシア語

習得するスキル

Random ForestPython ProgrammingMachine LearningSupervised Learning

受講生の就業成果

47%

コース終了後に新しいキャリアをスタートした

60%

コースが具体的なキャリアアップにつながった

40%

昇給や昇進につながった

共有できる証明書

修了時に証明書を取得

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

中級レベル

約50時間で修了

ロシア語

字幕:ロシア語

提供:

モスクワ物理工科大学(Moscow Institute of Physics and Technology) ロゴ

モスクワ物理工科大学(Moscow Institute of Physics and Technology)

Yandex ロゴ

Yandex

E-Learning Development Fund ロゴ

E-Learning Development Fund

シラバス - 本コースの学習内容

コンテンツの評価Thumbs Up88%(33,597 件の評価)Info
1

1

9時間で修了

Машинное обучение и линейные модели

9時間で修了
13件のビデオ (合計82分), 8 readings, 8 quizzes
13件のビデオ
Как устроена специализация, и зачем ее проходить3 分
МФТИ1 分
Знакомство с машинным обучением11 分
Обучение на размеченных данных5 分
Обучение без учителя5 分
Признаки в машинном обучении8 分
Линейные модели в задачах регрессии9 分
Обучение линейной регрессии6 分
Градиентный спуск для линейной регрессии7 分
Стохастический градиентный спуск4 分
Линейная классификация6 分
Функции потерь в задачах классификации6 分
8件の学習用教材
Формат специализации и получение сертификата10 分
Немного о Yandex10 分
МФТИ10 分
Forum&Chat10 分
Слайды к лекциям10 分
Конспект10 分
Слайды к лекциям10 分
Конспект10 分
6の練習問題
Основные термины в машинном обучении6 分
Типы задач в машинном обучении6 分
Машинное обучение: задачи и признаки12 分
Линейная регрессия4 分
Градиентный спуск4 分
Линейные модели8 分
2

2

9時間で修了

Борьба с переобучением и оценивание качества

9時間で修了
14件のビデオ (合計126分), 9 readings, 8 quizzes
14件のビデオ
Регуляризация7 分
Оценивание качества алгоритмов7 分
Сравнение алгоритмов и выбор гиперпараметров4 分
Метрики качества в задачах регрессии10 分
Метрики качества классификации4 分
Точность и полнота8 分
Объединение точности и полноты5 分
Качество оценок принадлежности классу12 分
Встроенные датасеты. Sklearn.datasets15 分
Кросс-валидация. Sklearn.cross_validation9 分
Линейные модели. Sklearn.linear_model. Классификация10 分
Линейные модели. Sklearn.linear_model. Регрессия7 分
Метрики качества. Sklearn.metrics13 分
9件の学習用教材
Слайды к лекциям10 分
Конспект10 分
Слайды к лекциям10 分
Конспект10 分
Встроенные датасеты. Sklearn.datasets (ipython notebook)10 分
Кросс-валидация. Sklearn.cross_validation (ipython notebook)10 分
Линейные модели. Sklearn.linear_model. Классификация (ipython notebook)10 分
Линейные модели. Sklearn.linear_model. Регрессия (ipython notebook)10 分
Метрики качества. Sklearn.metrics (ipython notebook)10 分
6の練習問題
Проблема переобучения6 分
Проблема переобучения и борьба с ней10 分
Как измерить качество алгоритма?6 分
Метрики качества10 分
Встроенные датасеты и кросс-валидация8 分
Введение в scikit-learn10 分
3

3

7時間で修了

Линейные модели: классификация и практические аспекты

7時間で修了
14件のビデオ (合計97分), 7 readings, 7 quizzes
14件のビデオ
Метод максимального правдоподобия4 分
Регрессия как максимизация правдоподобия2 分
Регрессия как оценка среднего4 分
Регуляризация8 分
Задача оценивания вероятностей и логистическая регрессия8 分
Масштабирование признаков6 分
Спрямляющие пространства5 分
Работа с категориальными признаками4 分
Несбалансированные данные5 分
Многоклассовая классификация4 分
Подбор параметров по сетке. Sklearn.grid_search9 分
Задача: bike sharing demand15 分
Задача: bike sharing demand. Продолжение13 分
7件の学習用教材
Слайды к лекциям10 分
Конспект10 分
Слайды к лекциям10 分
Конспект10 分
Подбор параметров по сетке. Sklearn.grid_search (ipython notebook)10 分
Задача Bike Sharing Demand (ipython notebook)10 分
Задача Bike Sharing Demand. Продолжение (ipython notebook)10 分
6の練習問題
Метод максимального правдоподобия6 分
Линейные модели: статистический взгляд14 分
Линейные модели: подготовка признаков6 分
Линейные модели: практические аспекты6 分
Подбор параметров по сетке6 分
Анализ данных в scikit-learn12 分
4

4

10時間で修了

Решающие деревья и композиции алгоритмов

10時間で修了
17件のビデオ (合計114分), 10 readings, 8 quizzes
17件のビデオ
Обучение решающих деревьев6 分
Критерии информативности7 分
Критерии останова и стрижка деревьев4 分
Решающие деревья и категориальные признаки8 分
Решающие деревья в sklearn10 分
Композиции деревьев6 分
Смещение и разброс9 分
Случайные леса6 分
Трюки со случайными лесами4 分
Случайные леса в sklearn7 分
Композиции простых алгоритмов5 分
Градиентный бустинг7 分
Борьба с переобучением в градиентном бустинге6 分
Градиентный бустинг для регрессии и классификации4 分
Градиентный бустинг над решающими деревьями5 分
Градиентный бустинг в XGBoost5 分
10件の学習用教材
Решающие деревья в sklearn (ipython notebook)10 分
Слайды к лекциям10 分
Конспект10 分
Случайные леса в sklearn (ipython notebook)10 分
Слайды к лекциям10 分
Конспект10 分
XGBoost10 分
Градиентный бустинг в XGBoost (ipython notebook)10 分
Слайды к лекциям10 分
Конспект10 分
6の練習問題
Построение решающих деревьев8 分
Решающие деревья14 分
Бэггинг6 分
Композиции и случайные леса8 分
Обучение композиций и градиентный бустинг4 分
Градиентный бустинг: обучение и практические аспекты8 分

Машинное обучение и анализ данных専門講座について

Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач. В рамках специализации вы освоите основные темы, необходимые в работе с большим массивом данных, в т.ч. современные методы классификации и регрессии, поиск структуры в данных, проведение экспериментов, построение выводов, базовая фундаментальная математика, основы программирования на Python. Мы разберём, как построить рекомендательную систему, оценить эмоциональную окраску текста, спрогнозировать спрос на товар, оценить вероятность клика по рекламе и т.д. В финале вам потребуется выполнить проект собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании. Все, прошедшие специализацию, могут принять участие в Программе трудоустройства. Если вы заинтересованы в новых проектах, новых перспективах и возможностях - пройдите обучение по Специализации и подайте заявку....
Машинное обучение и анализ данных

よくある質問

  • 修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題(該当する場合)にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。

  • コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。

  • サブスクライブすると、7日間の無料トライアルを体験できます。この期間中は解約金なしでキャンセルできます。それ以降、払い戻しはありませんが、サブスクリプションをいつでもキャンセルできます。返金ポリシーをすべて表示します

  • はい。受講料の支払いが難しい受講生に、Coursera(コーセラ)は学資援助を提供しています。左側の[登録]ボタンの下にある[学資援助]のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細

  • このコースでは大学の単位は付与されませんが、一部の大学ではコース修了証を単位として承認する場合があります。詳細については、大学にお問い合わせください。Coursera(コーセラ)のオンライン学位および Mastertrack™証明書は、大学の単位を取得する機会を提供します。

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。