Informações sobre o curso
210,323 visualizações recentes

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível avançado

Aprox. 48 horas para completar

Sugerido: 6-10 hours/week...

Inglês

Legendas: Inglês, Coreano

Habilidades que você terá

Data AnalysisFeature ExtractionFeature EngineeringXgboost
Os alunos que estão fazendo este Course são
  • Data Scientists
  • Machine Learning Engineers
  • Data Analysts
  • Data Engineers
  • Biostatisticians

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível avançado

Aprox. 48 horas para completar

Sugerido: 6-10 hours/week...

Inglês

Legendas: Inglês, Coreano

Programa - O que você aprenderá com este curso

Semana
1
6 horas para concluir

Introduction & Recap

8 vídeos (Total 46 mín.), 7 leituras, 6 testes
8 videos
Meet your lecturers2min
Course overview7min
Competition Mechanics6min
Kaggle Overview [screencast]7min
Real World Application vs Competitions5min
Recap of main ML algorithms9min
Software/Hardware Requirements5min
7 leituras
Welcome!10min
Week 1 overview10min
Disclaimer10min
Explanation for quiz questions10min
Additional Materials and Links10min
Explanation for quiz questions10min
Additional Material and Links10min
5 exercícios práticos
Practice Quiz8min
Recap8min
Recap12min
Software/Hardware6min
Graded Soft/Hard Quiz8min
2 horas para concluir

Feature Preprocessing and Generation with Respect to Models

7 vídeos (Total 73 mín.), 4 leituras, 4 testes
7 videos
Numeric features13min
Categorical and ordinal features10min
Datetime and coordinates8min
Handling missing values10min
Bag of words10min
Word2vec, CNN13min
4 leituras
Explanation for quiz questions10min
Additional Material and Links10min
Explanation for quiz questions10min
Additional Material and Links10min
4 exercícios práticos
Feature preprocessing and generation with respect to models8min
Feature preprocessing and generation with respect to models8min
Feature extraction from text and images8min
Feature extraction from text and images8min
1 hora para concluir

Final Project Description

1 vídeo (Total 4 mín.), 2 leituras
1 vídeos
2 leituras
Final project10min
Final project advice #110min
Semana
2
2 horas para concluir

Exploratory Data Analysis

8 vídeos (Total 80 mín.), 2 leituras, 1 teste
8 videos
Building intuition about the data6min
Exploring anonymized data15min
Visualizations11min
Dataset cleaning and other things to check7min
Springleaf competition EDA I8min
Springleaf competition EDA II16min
Numerai competition EDA6min
2 leituras
Week 2 overview10min
Additional material and links10min
1 exercício prático
Exploratory data analysis12min
2 horas para concluir

Validation

4 vídeos (Total 51 mín.), 3 leituras, 2 testes
4 videos
Validation strategies7min
Data splitting strategies14min
Problems occurring during validation20min
3 leituras
Validation strategies10min
Comments on quiz10min
Additional material and links10min
2 exercícios práticos
Validation8min
Validation8min
5 horas para concluir

Data Leakages

3 vídeos (Total 26 mín.), 3 leituras, 3 testes
3 videos
Leaderboard probing and examples of rare data leaks9min
Expedia challenge9min
3 leituras
Comments on quiz10min
Additional material and links10min
Final project advice #210min
1 exercício prático
Data leakages8min
Semana
3
3 horas para concluir

Metrics Optimization

8 vídeos (Total 83 mín.), 3 leituras, 2 testes
8 videos
Regression metrics review I14min
Regression metrics review II8min
Classification metrics review20min
General approaches for metrics optimization6min
Regression metrics optimization10min
Classification metrics optimization I7min
Classification metrics optimization II6min
3 leituras
Week 3 overview10min
Comments on quiz10min
Additional material and links10min
2 exercícios práticos
Metrics12min
Metrics12min
4 horas para concluir

Advanced Feature Engineering I

3 vídeos (Total 27 mín.), 2 leituras, 2 testes
3 videos
Regularization7min
Extensions and generalizations10min
2 leituras
Comments on quiz10min
Final project advice #310min
1 exercício prático
Mean encodings8min
Semana
4
3 horas para concluir

Hyperparameter Optimization

6 vídeos (Total 86 mín.), 4 leituras, 2 testes
6 videos
Hyperparameter tuning II12min
Hyperparameter tuning III13min
Practical guide16min
KazAnova's competition pipeline, part 118min
KazAnova's competition pipeline, part 217min
4 leituras
Week 4 overview10min
Comments on quiz10min
Additional material and links10min
Additional materials and links10min
2 exercícios práticos
Practice quiz6min
Graded quiz8min
4 horas para concluir

Advanced feature engineering II

4 vídeos (Total 22 mín.), 2 leituras, 2 testes
4 videos
Matrix factorizations6min
Feature Interactions5min
t-SNE5min
2 leituras
Comments on quiz10min
Additional Materials and Links10min
1 exercício prático
Graded Advanced Features II Quiz12min
10 horas para concluir

Ensembling

8 vídeos (Total 92 mín.), 4 leituras, 4 testes
8 videos
Bagging9min
Boosting16min
Stacking16min
StackNet14min
Ensembling Tips and Tricks14min
CatBoost 17min
CatBoost 27min
4 leituras
Validation schemes for 2-nd level models10min
Comments on quiz10min
Additional materials and links10min
Final project advice #410min
2 exercícios práticos
Ensembling8min
Ensembling12min
4.7
151 avaliaçõesChevron Right

14%

comecei uma nova carreira após concluir estes cursos

22%

consegui um benefício significativo de carreira com este curso

20%

recebi um aumento ou promoção

Principais avaliações do How to Win a Data Science Competition: Learn from Top Kagglers

por MSMar 29th 2018

Top Kagglers gently introduce one to Data Science Competitions. One will have a great chance to learn various tips and tricks and apply them in practice throughout the course. Highly recommended!

por GWFeb 19th 2019

Really excellent. Very practical advice from top competitors. This specialization is much more information-dense than most machine learning MOOCs. You really get your money's worth.

Instrutores

Avatar

Dmitry Ulyanov

Visiting lecturer
HSE Faculty of Computer Science
Avatar

Alexander Guschin

Visiting lecturer at HSE, Lecturer at MIPT
HSE Faculty of Computer Science
Avatar

Mikhail Trofimov

Visiting lecturer
HSE Faculty of Computer Science
Avatar

Dmitry Altukhov

Visiting lecturer
HSE Faculty of Computer Science
Avatar

Marios Michailidis

Research Data Scientist
H2O.ai

Sobre National Research University Higher School of Economics

National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more. Learn more on www.hse.ru...

Sobre Programa de cursos integrados Aprendizagem de máquina avançada

This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings....
Aprendizagem de máquina avançada

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.