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
2,303件の評価
468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
2018年9月24日

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

DD
2016年2月9日

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: 101 - 125 / 452 レビュー

by Stan S

2016年3月6日

Отличный курс, на мой взгляд. Напомнил институт, когда надо самому думать и делать в 80%, а не просто monkey see, monkey do. Кто хочет чему-то научиться должен сам хотеть и уметь учиться. Спасибо.

by Anna D

2020年4月30日

Отличный курс, дает обзор основных алгоритмов и областей их применения. Хорошо сбалансированы сложность и интересность заданий - позволяет новичкам пройти курс не теряя интереса к теме.

by Багринцев А В

2016年3月4日

Интересная подача материала, понятные пояснения, логичная последовательность нарастания сложности курса. Как новичок, не чувствую ни недоумений, ни больших замешательств. Спасибо!

by Левченко Е С

2016年3月14日

Очень хороший курс! Для меня показался сложным, но практические задания крайне полезные.

После прохождения имеется возможность действительно использовать знания "на деле".

Спасибо!

by Агеев С

2017年8月29日

Весьма информативный курс, сочетающий в себе как теоретические, так и практические аспекты предмета. Рекомендую как одну из удачных точек входа в тематику машинного обучения.

by denisbalyko

2016年2月10日

Спасибо за курс. Хороший материал. Отличные задания.

Есть желание пройти курс "Практическое машинное обучение" с большим количеством примеров и практик от авторов этого курса.

by Alexey K

2018年2月21日

Спасибо за увлекательное приключение. Вся информация по полочкам. После окончания курса наметились несколько областей, где можно начинать пробовать приментять на практике.

by Roman M

2016年3月31日

Огромное спасибо за этот курс! Для меня этот курс заполнил пропасть между теоретическими вопросами и применением их на практике (например, участвуя в конкурсах на kaggle).

by Pavel

2020年5月22日

Отличный курс! Если некоторые моменты непонятны более подробные ответы можно найти в этих лекциях https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC

by Павел М

2020年6月1日

Курс очень понравился, хорошие лекторы. Хотелось бы в рамках курса попробовать написать самому какой-нибудь метод, но ничего. Еще не хватило заданий по нейронным сетям.

by Поликанин А С

2020年6月14日

Если совсем незнакомы с Python, то будет тяжко. Курс дал основы, чтобы двигаться дальше в этом направлении, надо подтягивать линейную алгебру и теорию вероятностей.

by Vladyslav

2020年6月23日

Отличный курс! Много теории и практики. Но иногда казалось слишком большой разрыв между ними. Поэтому не всегда получалось связывать задания с пройденной теорией.

by Iryna L

2017年1月21日

Спасибо большое за то, что вы делаете. Прекрасный курс с интересными задачами, по которым не тольео можно научиться, но и узнать несто новое по смежным областям.

by Елохин А А

2019年2月22日

Отличный курс, действительно почувствовал, что узнал что-то новое, появилась некоторая система в голове касательно методов машинного обучения. Спасибо авторам!

by Прошян Г

2019年9月4日

Отличный курс, но не лучший выбор курса, чтобы сделать первый шаг в ML. Курс предполагает наличие знаний по матану, материал не разжеван, нужно много гуглить

by Ольга К

2019年11月25日

Спасибо преподавателям, коротко, без воды, очень полезные тесты и практические занятия. Но главное - мотивирует на дальнейшее обучение в данном направлении.

by Denis Z

2017年12月4日

В конце курса понял, что хочу стать настоящим мужчиной, как Воронцов Константин Вячеславович. Для меня курс стал входной дверью, т.к. курс от яникса дикий.

by Коноваленко И В

2019年5月8日

Курс очень увлекательный, он позволил мне вникнуть в предметную область, рассмотреть основные особенности алгоритмов и установить вектор будущего развития

by Andrey S

2018年4月9日

Курс понравился. Очень хороший баланс между теорией и практикой, никакой воды в рассуждениях, всё по делу. И практические задания интересные. Рекомендую

by Nikita B

2017年7月27日

Очень хороший базовый курс. Дает общее представление о принципах и методах машинного обучения, навыки работы с популярной библиотекой scikit-learn.

by Александр З

2017年8月10日

Курс получился достаточно насыщенным в плане обзора различных методов, но требует хорошего понимания математики, чтобы усвоить теоретическую часть.

by Maksim

2016年2月7日

Отличный курс. Задания впечатляют - все хорошо продумано и дает возможность разобраться как в теории, так и с пакетом (с коим дела раньше не имел).

by Toy J

2020年5月31日

Мой первый курс на Courseara, рад что сразу так очень повезло, лекторы классные, уроки классные, появилось желание поступить в ВШЭ. Успехов Вам!

by Лопатин В А

2017年9月22日

Отличный курс для знакомства с темой машинного обучения и получения начального опыта программирования на Python с использованием scikit-learn.

by Даниил Ж

2020年5月4日

Мне очень понравилось! Было много практики, много программирования, а из теории были только максимально важные для решения практики термины.