Chevron Left
Введение в машинное обучение に戻る

ロシア国立研究大学経済高等学院(National Research University Higher School of Economics) による Введение в машинное обучение の受講者のレビューおよびフィードバック

4.6
2,291件の評価
462件のレビュー

コースについて

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше. С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать. Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности. На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. Вы изучите основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Узнаете об основных методах машинного обучения и их особенностях, научитесь оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Наконец, познакомитесь с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. Для работы мы будем использовать реальные данные из реальных задач. Краткая программа курса: Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса. Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент. Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации. Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент. Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети. Неделя 6. Кластеризация и визуализация. Частичное обучение. Неделя 7. Прикладные задачи анализа данных: постановки и методы решения. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования. Очень желательно знать Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn. Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных. Мы уверены, что этот курс будет полезен каждому, кто хочет постичь искусство предсказательного моделирования и освоить интеллектуальный анализ данных. Появились технические трудности? Обращайтесь на адрес: coursera@hse.ru...

人気のレビュー

AL

Sep 25, 2018

Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.

DD

Feb 10, 2016

Спасибо за курс. Хороший материал. Отличные задания.\n\nЕсть желание пройти курс "Практическое машинное обучение" с большим количеством примеров и практик от авторов этого курса.

フィルター:

Введение в машинное обучение: 251 - 275 / 447 レビュー

by Александр Х

Nov 20, 2017

Отличные фундаментальные знания

by Афанасьев С В

Jun 05, 2017

Ну конечно это отличный курс :)

by Гамов А

Mar 15, 2016

Отличный курс на русском языке.

by Pavel B

Nov 20, 2018

Memorable

Everything is perfect

by Alexander F

Oct 23, 2017

очень интересно и информативно

by Литвинов В Г

Mar 14, 2018

The best course for beginner.

by Баханова М Д

Dec 20, 2017

Курс супер! Спасибо большое!

by Бойцов М В

Sep 12, 2017

Прекрасный курс! Рекомендую!

by Трусевич Е

Feb 20, 2016

Easy but very useful course.

by Tarasevich U

Sep 11, 2018

Спасибо за прекрасный курс!

by Roman

Feb 15, 2017

Сложно. Полезно. Интересно.

by Ihor I

Jan 29, 2017

Great course! Thanks a lot!

by Эмиль Н Ш

Sep 18, 2020

Для введение отличный курс

by Кузнецов А А

Nov 29, 2019

Хороший курс. Рекомендую.

by Иван М

Jul 14, 2019

Отлично помогает новичкам

by Konstantin T

Jun 23, 2017

Отличный курс для начала.

by Альмуханбетова М М

Feb 16, 2018

Хороший курс для начала!

by Peter S

Oct 23, 2017

Очень информативный курс

by Коробов В М

Mar 06, 2020

Сложный, но интересный.

by Ильяс К

Oct 22, 2017

Отличный курс, спасибо!

by Alexander M

Aug 02, 2017

Хороший курс для начала

by Артур Ш

Feb 12, 2018

Спасибо, отличный курс

by Кустов С Н

Sep 05, 2019

Замечательный курс!!!

by Pavel T

Feb 12, 2018

Отличный вводный курс

by Могунова е в

Apr 25, 2017

Очень хороший курс!!!