Informações sobre o curso

186,063 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. 50 horas para completar
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. 50 horas para completar
Russo
Legendas: Russo

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

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up88%(34,296 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

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

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 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.

  • Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.

  • Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .

  • Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.