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
2,293件の評価
464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: 226 - 250 / 448 レビュー

by Шаланкин М Д

Apr 08, 2019

Отличный курс для введения в основные понятия.

by Рычков А Ф

Oct 14, 2018

Спасибо. Насыщенный курс, даже для "введения".

by Daniel

Jul 27, 2017

Хорошее введение в основы машинного обучения.

by Фатуллаева А В к

Oct 05, 2019

Спасибо за такое замечательное приложение!!!

by Vladimir Y

Mar 20, 2019

Понравилось делать руками градиентный спуск.

by Anton K

Nov 26, 2018

для начала - очень неплохой курс, рекомендую

by Albina S

Jan 29, 2018

Хорошие курс по введению в машинное обучение

by Alexander O

Oct 19, 2017

Отличный курс! Он познакомил меня с Kaggle!

by Starukhin Y A

Nov 27, 2016

Highly recommend this course for beginners!

by Anton P

Sep 14, 2017

Excellent course with lot of practice. 5/5

by Oksana D

Jan 19, 2017

Спасибо за замечательные домашние задания.

by Alexander L

Sep 25, 2020

Отличный вводный курс в машинное обучение

by Антипин И Н

Apr 05, 2018

Интересный курс. Много практики. Годно.

by Ганиев Т

Mar 04, 2018

Прекрасный курс, хорошие преподаватели.

by Клементьев А А

Nov 22, 2016

Очень помогло получить начальные знания

by Алексей

Jul 24, 2020

Тяжело, но понравилось. Очень полезно.

by Евгений М

Nov 13, 2017

Ребята, спасибо огромное! Вы молодцы!

by TzQWYtmxhY

Feb 23, 2016

Lets courses team to gain more money.

by Alexey S

Jul 31, 2017

Интересно, жизненно и увлекательно!

by Зорин Л М

Sep 24, 2017

Хороший стартовый не сложный курс.

by Грачев А В

Jun 23, 2017

Все здорово - и доступно и понятно

by Vladimir

Apr 12, 2016

Отличный курс, узнал много нового.

by Anton

Mar 12, 2016

Интересный и ознакомительный курс.

by Anton Z

Nov 17, 2017

Хороший курс, мотивирует творить

by Kondrashin I

Jul 10, 2019

Шикарный курс. Спасибо авторам.