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
2,093件の評価
395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.

KS

Jun 10, 2018

Добротный курс, который дает набор минимальных знаний по теме. Сделано качественно, однако, есть что поправить в плане структурной целостности и логичности построения курса.

フィルター:

Введение в машинное обучение: 101 - 125 / 380 レビュー

by Anastasiya D

Mar 10, 2016

Курс очень понравился, хороший баланс математической строгости, доступного объяснения и практических примеров.

by Roman

Feb 15, 2017

Сложно. Полезно. Интересно.

by Vladislav G

Jul 01, 2017

Большое спасибо за курс и за такое разнообразие в заданиях.

Хотелось бы также поблагодарить Евгения Соколова, который может объяснить любой материал ну супер доходчиво. Объяснения профессора все же не рассчитаны на широкую аудиторию, для меня это наверное слишком формально, требуется более глубокая фундаментальная подготовка. Все равно вынес для себя много полезного.

by Alexander M

Aug 02, 2017

Хороший курс для начала

by Leonid O

Dec 18, 2017

Очень хороший курс - даёт представление и дальнейший вектор развития для тех, кто хочет попробовать себя в области машинного обучения. Для меня, начинающего, он был тяжеловатым, особенно в плане математических формул; пришлось многое вспоминать с университета. Однако прохождение того стоит. Рекомендую всем.

by Дубровин Л О

Aug 26, 2017

Сижу, часами читаю про математические обоснование алгоритма, который объясняют в видео за 5 минут, круть :)

by Zhassulan S

Sep 06, 2017

Very good course!

by Oleg D

Jul 23, 2016

Замечательный курс!

by Igor I

Jan 29, 2017

great

by Il'gam A

Aug 31, 2016

It is a great course for those who intersted in machine learning! I recomend it for everyone. Thank you for your efforts!

by Lyubich V

Aug 24, 2017

10/10

by Mikhail U

Mar 12, 2016

Очень хороший курс для практики, если у вас уже есть некоторые знания в машинном обучении.

by Valentin

Mar 12, 2016

Очень хороший вводный курс в машинное обучение.

by Oksana D

Jan 19, 2017

Спасибо за замечательные домашние задания.

by Maksim

Feb 07, 2016

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 Vasilii P

Feb 05, 2016

Отлично

by Alexey S

Jul 31, 2017

Интересно, жизненно и увлекательно!

by Michael V M

Feb 20, 2016

Идеальный баланс между количеством/сложностью теории и практики. И все это в довольно разумные сроки.

by Denis Z

Sep 19, 2017

Very good!

by Leonid

May 18, 2016

Хорошо структурирован, просто воспринимать информацию. Можно сделать больше практических заданий, на закрепление материала; добавить задания без общих инструкций.

Не удобно сдавать задания(из-за форматирования файла в конце).

by Artem S

May 07, 2018

Курс подробный и очень интересный! Потраченное на курс время окупается с лихвой, поэтому очень рекомендую!

by Антон Г

Jan 27, 2016

Хороший курс.

by Siarhei K

Dec 14, 2016

Минус - практика сама по себе, теория в лекциях сама по себе, иногда излишне сложная для предлагаемых задач, лекции слишком сжаты, мало примеров. Можно конечно пояснять теоретический материал со всей математической строгостью но тогда и задания должны быть соответствующие, для того чтобы эти знания закрепить.

Плюс - практические задания довольно простые, но само описание заставляет подумать и вникнуть в суть задачи а не делать всё по пунктам, по окончанию курса остается хороший навык пользования pandas и sci-kit.

В качестве введения - отличный курс, расслабится не получится.

by Alexey T

Apr 04, 2016

Классный курс, отлично дополняет курс Andrew Ng

by Манс Н

Jun 21, 2016

Спасибо за данный курс. Давно искал информацию по данной сфере. Это то, что мне нужно!