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: 151 - 175 / 453 レビュー

by Aleksei S

2016年2月7日

Хороший курс, но требует мат. подготовки. Приятно видеть, что преподаватели работают над его усовершенствованием.

by Anastasiya D

2016年3月10日

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

by Isakov A S

2019年12月5日

Интересно. Достаточно сжато и не муторно. Очень интересно смотреть дополнительные материалы. Спасибо за курс!

by Дубровин Л О

2017年8月26日

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

by Artem S

2018年5月7日

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

by Саяпин В Ю

2017年12月20日

Отличный курс для изучения базовых основ машинного обучения. Идеален для тех, кто начинает изучать с нуля.

by Andrey N

2017年5月7日

Отличный курс с плотной теоретической и практической программой, ориентированной на конкретные применения.

by Yury L

2016年2月4日

Good alternative for Andrew Ng course in Russian. Good level, but some difficulties with tasks submission.

by Churmantaev D M

2019年2月3日

Очень интересный курс. Мат.часть, конечно, тяжело воспринимается. Но практические задания - просто огонь!

by Vitalij J

2020年9月13日

Иногда на английском материал найти и прочитать удобнее, там более понятно все объяснено, а так супер

by Michael V M

2016年2月20日

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

by Anton

2016年6月14日

Здорово cкомпонованы знания по интеллектуальному анализу данных с хорошими практическими заданиями

by Denis S

2018年8月22日

Отличный курс. Лекции тяжеловато воспринимаются без наглядных иллюстраций, но в целом - хорошо.

by Ivan C

2017年8月2日

Получил массу удовольсвия и полезной информации. Спасибо.

Очень доступно структурированній курс.

by Никифоров М

2017年11月14日

Весьма полезный курс, в котором можно ознакомиться с основными алгоритмами машинного обучения.

by Кандрашев А

2020年4月9日

Для знакомства с ML и основами работы с пакетами pandas и skilearn достаточно хороший курс

by Воробьев И С

2017年11月20日

Отличный курс. Идеально подходит для введения в такую сложную тему, как машинное обучение.

by Mikhail U

2016年3月12日

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

by Mike K

2018年1月29日

Отличный курс для начинающих - доступное изложение теории и полезные практические задания

by Vladimir Y

2017年11月16日

Это очень хороший курс, для меня он оказался лучшим в качестве старта в этой дисциплине.

by Abramov A

2016年11月20日

Большое спасибо за курс.

Это отличное начало для погружения в область машинного обучения.

by Andrey T

2016年12月13日

Хороший курс, позволит начинающему ознакомится с базовыми алгоритмами работы с данными

by Манс Н

2016年6月21日

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

by Buzikov M

2018年10月20日

Отличный вводный курс. Вполне можно пройти за 2 недели. Интересный финальный проект.

by Родин М С

2018年6月20日

Хороший курс, быстро дает представление о направлении, темы для дальнейшего изучения