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
2,304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: 126 - 150 / 453 レビュー

by Theodor B

2018年2月18日

Отличный курс - было очень приятно учиться. Сильно мешало незнание python (начал учить по ходу). Последние лекции были особенно интересны.

by Dmitriy S

2017年12月21日

Неплохой курс на русском языке. Объясняет базовые подходы, проблемы и их решения. Можно пройти курс, даже если не разу не писал на Питоне.

by Михаил Ю Г

2019年10月14日

Формулирование тестовых заданий происходит в очень расплывчатой манере. Мне кажется можно их усложнить, но формулировать все же по чётче.

by Danilov S

2020年1月23日

Хороший сбалансированный курс, свежий и проходится на одном дыхании, очень приятные преподаватели, местами нужны хорошие входные данные.

by Fedor M

2016年7月17日

Очень глубокое погружение в тему. Сильно занижены предварительные навыки, что делает для некоторых этот курс невозможным для завершения.

by Хабиров Т Р

2018年12月12日

Отличный вводный курс для начинающих с нуля. После прохождения появляется представление о том, как решаются задачи машинного обучения.

by Михеев И Е

2020年5月7日

курс классный, очень быстрый рост сложности заданий для человека который дальше циклов в питоне не ходил, но выполнимый и полезный.

by Oleg O

2016年8月20日

Сначала курс казался немного непонятным, но хорошие лекторы и повторение материала в конце расставили всё по своим местам. Спасибо!

by Konstantin

2016年3月12日

"Лучше игрушечная задача на реальных данных, чем реальная задача на игрушечных" - очень правильно подмечено.

Курс крайне понравился.

by Пчелинцев А В

2020年3月25日

Курс сбалансирован по обзору теоретического материала и получаемым практическим навыкам. Т.е. как введение курс вполне оправдан.

by Виталий Х

2016年3月11日

Спасибо.Курс достаточно хорош для первого знакомства с машинным обучением.Очень понравился курс и разнообразие прикладных задач.

by Aleksandr S

2020年4月7日

Мне понравилось. Как начинающему были даны хорошие базовые знания, к тому же оставили много вопросов для дальнейшего изучения.

by Есипов И М

2020年6月4日

Хороший курс, на мой взгляд, мало заданий на программирование самих моделей обучения, но в целом неплохо, ожидания оправдал

by Бердников В А

2018年7月3日

Хороший курс, но требует нормального знания Python и намного больше времени чем указано в описании (если Python не знаешь).

by Волков С А

2018年10月3日

Хорошо подходит для быстрого получения основ и для закрепления полученных знаний раньше.

Очень хорошие практические задания

by Fedor R

2016年2月25日

Short and good, a way to learn practical python ML skills and math background to understand and feel different ML technics

by Skapenko I R

2018年8月19日

Отличное введение в data science.

Имеется обзор всех основных алгоритмов. Также очень доволен знакомству с sklearn/pandas.

by Il'gam A

2016年8月31日

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

by Рудаменко Р А

2019年10月23日

Познавательно, легко и ёмко, даже для тех, кто сталкивается с машинным обучением и программированием на Python впервые!

by Веселов А

2020年8月7日

Практика была довольно простой, теория тоже не очень подробная, но на то оно и введение. Преподаватели замечательные!

by Aver N

2019年2月24日

Курс очень понравился. Местами теория сложновата. Но в общем и целом - все замечательно. И задания и лекции. Спасибо!

by Aidos A

2016年3月11日

Отличный курс!

Считаю, что в лекции про решающие деревья необходимо более детально разобрать аолгоритмы с пропусками.

by Лойко А А

2020年6月22日

Отличный курс. Большое спасибо организаторам за подробный теоретический материал и интересные практические задания.

by Золотых М А

2019年9月19日

Отличный преподаватель. Все очень понятно, полезно и доходчиво. Юмор и примеры в лекции расставляют все по местам.

by Dmitrii M

2016年3月15日

Отличный обзор возможностей машинног обучения с небольшой практикой дающей хороший задел для дальнейшего обучения