Informações sobre o curso

196,212 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. 44 horas para completar

Sugerido: 8 hours/week...

Russo

Legendas: 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. 44 horas para completar

Sugerido: 8 hours/week...

Russo

Legendas: Russo

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up89%(32,667 classificações)Info
Semana
1

Semana 1

9 horas para concluir

Машинное обучение и линейные модели

9 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 обучении6min
Типы задач в машинном обучении6min
Машинное обучение: задачи и признаки12min
Линейная регрессия4min
Градиентный спуск4min
Линейные модели8min
Semana
2

Semana 2

9 horas para concluir

Борьба с переобучением и оценивание качества

9 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 переобучения6min
Проблема переобучения и борьба с ней10min
Как измерить качество алгоритма?6min
Метрики качества10min
Встроенные датасеты и кросс-валидация8min
Введение в scikit-learn10min
Semana
3

Semana 3

7 horas para concluir

Линейные модели: классификация и практические аспекты

7 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 правдоподобия6min
Линейные модели: статистический взгляд14min
Линейные модели: подготовка признаков6min
Линейные модели: практические аспекты6min
Подбор параметров по сетке6min
Анализ данных в scikit-learn12min
Semana
4

Semana 4

10 horas para concluir

Решающие деревья и композиции алгоритмов

10 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 деревьев8min
Решающие деревья14min
Бэггинг6min
Композиции и случайные леса8min
Обучение композиций и градиентный бустинг4min
Градиентный бустинг: обучение и практические аспекты8min

Avaliações

Principais avaliações do ОБУЧЕНИЕ НА РАЗМЕЧЕННЫХ ДАННЫХ
Visualizar todas as avaliações

oferecido por

Logotipo de Instituto de Física e Tecnologia de Moscou

Instituto de Física e Tecnologia de Moscou

Logotipo de Yandex

Yandex

Logotipo de E-Learning Development Fund

E-Learning Development Fund

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

Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач. В рамках специализации вы освоите основные темы, необходимые в работе с большим массивом данных, в т.ч. современные методы классификации и регрессии, поиск структуры в данных, проведение экспериментов, построение выводов, базовая фундаментальная математика, основы программирования на Python. Мы разберём, как построить рекомендательную систему, оценить эмоциональную окраску текста, спрогнозировать спрос на товар, оценить вероятность клика по рекламе и т.д. В финале вам потребуется выполнить проект собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании. Все, прошедшие специализацию, могут принять участие в Программе трудоустройства. Если вы заинтересованы в новых проектах, новых перспективах и возможностях - пройдите обучение по Специализации и подайте заявку....
Aprendizado de máquina e análise de dados

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.