Informações sobre o curso

180,026 visualizações recentes

Resultados de carreira do aprendiz

47%

comecei uma nova carreira após concluir estes cursos

60%

consegui um benefício significativo de carreira com este curso

40%

recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 59 horas para completar
Russo

Habilidades que você terá

Random ForestPython ProgrammingMachine LearningSupervised Learning

Resultados de carreira do aprendiz

47%

comecei uma nova carreira após concluir estes cursos

60%

consegui um benefício significativo de carreira com este curso

40%

recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 59 horas para completar
Russo

oferecido por

Placeholder

Instituto de Física e Tecnologia de Moscou

Placeholder

Yandex

Placeholder

E-Learning Development Fund

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up88%(35,829 classificações)Info
Semana
1

Semana 1

10 horas para concluir

Машинное обучение и линейные модели

10 horas para concluir
13 vídeos (Total 82 mín.), 8 leituras, 8 testes
13 videos
Как устроена специализация, и зачем ее проходить3min
МФТИ1min
Знакомство с машинным обучением11min
Обучение на размеченных данных5min
Обучение без учителя5min
Признаки в машинном обучении8min
Линейные модели в задачах регрессии9min
Обучение линейной регрессии6min
Градиентный спуск для линейной регрессии7min
Стохастический градиентный спуск4min
Линейная классификация6min
Функции потерь в задачах классификации6min
8 leituras
Формат специализации и получение сертификата10min
Немного о Yandex10min
МФТИ10min
Forum&Chat10min
Слайды к лекциям10min
Конспект10min
Слайды к лекциям10min
Конспект10min
6 exercícios práticos
Основные термины в машинном обучении30min
Типы задач в машинном обучении30min
Машинное обучение: задачи и признаки30min
Линейная регрессия30min
Градиентный спуск30min
Линейные модели30min
Semana
2

Semana 2

11 horas para concluir

Борьба с переобучением и оценивание качества

11 horas para concluir
14 vídeos (Total 126 mín.), 9 leituras, 8 testes
14 videos
Регуляризация7min
Оценивание качества алгоритмов7min
Сравнение алгоритмов и выбор гиперпараметров4min
Метрики качества в задачах регрессии10min
Метрики качества классификации4min
Точность и полнота8min
Объединение точности и полноты5min
Качество оценок принадлежности классу12min
Встроенные датасеты. Sklearn.datasets15min
Кросс-валидация. Sklearn.cross_validation9min
Линейные модели. Sklearn.linear_model. Классификация10min
Линейные модели. Sklearn.linear_model. Регрессия7min
Метрики качества. Sklearn.metrics13min
9 leituras
Слайды к лекциям10min
Конспект10min
Слайды к лекциям10min
Конспект10min
Встроенные датасеты. Sklearn.datasets (ipython notebook)10min
Кросс-валидация. Sklearn.cross_validation (ipython notebook)10min
Линейные модели. Sklearn.linear_model. Классификация (ipython notebook)10min
Линейные модели. Sklearn.linear_model. Регрессия (ipython notebook)10min
Метрики качества. Sklearn.metrics (ipython notebook)10min
6 exercícios práticos
Проблема переобучения30min
Проблема переобучения и борьба с ней30min
Как измерить качество алгоритма?30min
Метрики качества30min
Встроенные датасеты и кросс-валидация30min
Введение в scikit-learn30min
Semana
3

Semana 3

9 horas para concluir

Линейные модели: классификация и практические аспекты

9 horas para concluir
14 vídeos (Total 97 mín.), 7 leituras, 7 testes
14 videos
Метод максимального правдоподобия4min
Регрессия как максимизация правдоподобия2min
Регрессия как оценка среднего4min
Регуляризация8min
Задача оценивания вероятностей и логистическая регрессия8min
Масштабирование признаков6min
Спрямляющие пространства5min
Работа с категориальными признаками4min
Несбалансированные данные5min
Многоклассовая классификация4min
Подбор параметров по сетке. Sklearn.grid_search9min
Задача: bike sharing demand15min
Задача: bike sharing demand. Продолжение13min
7 leituras
Слайды к лекциям10min
Конспект10min
Слайды к лекциям10min
Конспект10min
Подбор параметров по сетке. Sklearn.grid_search (ipython notebook)10min
Задача Bike Sharing Demand (ipython notebook)10min
Задача Bike Sharing Demand. Продолжение (ipython notebook)10min
6 exercícios práticos
Метод максимального правдоподобия30min
Линейные модели: статистический взгляд30min
Линейные модели: подготовка признаков30min
Линейные модели: практические аспекты30min
Подбор параметров по сетке30min
Анализ данных в scikit-learn30min
Semana
4

Semana 4

13 horas para concluir

Решающие деревья и композиции алгоритмов

13 horas para concluir
17 vídeos (Total 114 mín.), 10 leituras, 8 testes
17 videos
Обучение решающих деревьев6min
Критерии информативности7min
Критерии останова и стрижка деревьев4min
Решающие деревья и категориальные признаки8min
Решающие деревья в sklearn10min
Композиции деревьев6min
Смещение и разброс9min
Случайные леса6min
Трюки со случайными лесами4min
Случайные леса в sklearn7min
Композиции простых алгоритмов5min
Градиентный бустинг7min
Борьба с переобучением в градиентном бустинге6min
Градиентный бустинг для регрессии и классификации4min
Градиентный бустинг над решающими деревьями5min
Градиентный бустинг в XGBoost5min
10 leituras
Решающие деревья в sklearn (ipython notebook)10min
Слайды к лекциям10min
Конспект10min
Случайные леса в sklearn (ipython notebook)10min
Слайды к лекциям10min
Конспект10min
XGBoost10min
Градиентный бустинг в XGBoost (ipython notebook)10min
Слайды к лекциям10min
Конспект10min
6 exercícios práticos
Построение решающих деревьев30min
Решающие деревья30min
Бэггинг30min
Композиции и случайные леса30min
Обучение композиций и градиентный бустинг30min
Градиентный бустинг: обучение и практические аспекты30min

Avaliações

Principais avaliações do ОБУЧЕНИЕ НА РАЗМЕЧЕННЫХ ДАННЫХ

Visualizar todas as avaliações

Sobre Programa de cursos integrados Aprendizado de máquina e análise de dados

Aprendizado de máquina e análise de dados

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.