Informações sobre o curso
58,107 visualizações recentes

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível intermediário

Aprox. 25 horas para completar

Sugerido: 4 недели обучения, через 3-5 часа / неделю...

Russo

Legendas: Russo

Habilidades que você terá

Topic ModelData Clustering AlgorithmsMachine LearningData Visualization (DataViz)

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível intermediário

Aprox. 25 horas para completar

Sugerido: 4 недели обучения, через 3-5 часа / неделю...

Russo

Legendas: Russo

Programa - O que você aprenderá com este curso

Semana
1
7 horas para concluir

Кластеризация

15 vídeos (Total 109 mín.), 8 leituras, 5 testes
15 videos
Как устроена специализация, и зачем ее проходить3min
Структура уроков1min
Задача кластеризации4min
Примеры задач кластеризации5min
Знакомство с методами кластеризации9min
Пример: кластеризация текстов по теме13min
Выбор метода кластеризации7min
МФТИ1min
Метод K средних (K-Means)10min
Expectation Maximization (EM-алгоритм)9min
Агломеративная иерархическая кластеризация12min
Графовые методы кластеризации4min
Методы, основанные на плотности6min
Оценка качества и рекомендации по решению задачи кластеризации13min
8 leituras
Блокнот из примера кластеризации текстов20min
Слайды к лекциям10min
Конспект10min
Немного о Yandex10min
МФТИ10min
Forum&Chat10min
Слайды к лекциям10min
Конспект10min
4 exercícios práticos
Знакомство с кластеризацией6min
Введение в кластеризацию8min
Некоторые методы кластеризации8min
Подробнее о методах кластеризации12min
Semana
2
6 horas para concluir

Понижение размерности и матричные разложения

15 vídeos (Total 108 mín.), 4 leituras, 5 testes
15 videos
Одномерный отбор признаков8min
Жадные методы отбора признаков6min
Отбор признаков на основе моделей6min
Понижение размерности4min
Метод главных компонент: постановка задачи7min
Метод главных компонент: решение6min
Матричные разложения13min
SGD и ALS5min
Прогнозирование неизвестных значений в матрице6min
Проблема отсутствия негативных примеров и implicit методы6min
Вероятностный взгляд на матричные разложения5min
Неотрицательные матричные разложения: постановка и решение10min
Неотрицательные матричные разложения: функционалы и инициализация5min
Обработка пропусков8min
4 leituras
Слайды к лекциям10min
Конспект10min
Слайды к лекциям10min
Конспект10min
4 exercícios práticos
Отбор признаков6min
Понижение размерности и отбор признаков14min
Матричные разложения8min
Неотрицательные матричные разложения10min
Semana
3
4 horas para concluir

Визуализация и поиск аномалий

8 vídeos (Total 57 mín.), 5 leituras, 5 testes
8 videos
Параметрическое восстановление плотности9min
Непараметрическое восстановление плотности8min
Одноклассовый SVM5min
Задача визуализации5min
Многомерное шкалирование4min
Метод t-SNE6min
Визуализация данных в sklearn12min
5 leituras
Слайды к лекциям10min
Конспект10min
Визуализация данных в sklearn10min
Слайды к лекциям10min
Конспект10min
4 exercícios práticos
Восстановление плотности6min
Поиск аномалий4min
Методы SNE и t-SNE6min
Визуализация14min
Semana
4
10 horas para concluir

Тематическое моделирование

14 vídeos (Total 151 mín.), 8 leituras, 6 testes
14 videos
Постановка задачи тематического моделирования12min
Базовые тематические модели и EM-алгоритм14min
Регуляризация тематических моделей10min
Мультимодальные тематические модели9min
Внутренние критерии качества тематических моделей9min
Внешние критерии качества тематических моделей16min
Визуализация тематических моделей10min
Тематические модели на практике11min
Пример использования библиотеки gensim для построения тематической модели10min
Установка BigARTM в Windows3min
Установка BigARTM в Linux Mint2min
Установка BigARTM в Mac OS-X3min
Пример использования библиотеки BigARTM для построения тематической модели19min
8 leituras
Слайды к лекциям10min
Конспект10min
Ноутбук из демонстрации использования gensim10min
Ноутбук из демонстрации использования BigARTM10min
Слайды к лекциям10min
Конспект10min
Финальные титры10min
Стань ментором специализации10min
4 exercícios práticos
Постановка задачи и базовые понятия6min
Тематическое моделирование-18min
Критерии качества тематических моделей6min
Тематическое моделирование-26min
4.7
124 avaliaçõesChevron Right

50%

comecei uma nova carreira após concluir estes cursos

45%

consegui um benefício significativo de carreira com este curso

40%

recebi um aumento ou promoção

Principais avaliações do Поиск структуры в данных

por PKMay 4th 2018

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

por AAJan 9th 2017

Интересный курс, замечательные преподаватели. Есть моменты когда лекция довольно сложная, а тест простой, это оставляет тревожное ощущение недоученности :)

Instrutores

Avatar

Константин Воронцов

доктор физико-математических наук, профессор
Кафедра интеллектуальных систем

Sobre Instituto de Física e Tecnologia de Moscou

Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой. Основой образования в МФТИ является уникальная «система Физтеха», сформулированная Петром Капицей: кропотливый отбор одаренных и склонных к творческой работе абитуриентов; участие в обучении ведущих научных работников; индивидуальный подход к отдельным студентам с целью развития их творческих задатков; воспитание с первых шагов в атмосфере технических исследований и конструктивного творчества с использованием потенциала лучших лабораторий страны. Среди выпускников МФТИ — нобелевские лауреаты Андрей Гейм и Константин Новоселов, основатель компании ABBYY Давид Ян, один из авторов архитектурных принципов построения вычислительных комплексов Борис Бабаян и др....

Sobre Yandex

Yandex is a technology company that builds intelligent products and services powered by machine learning. Our goal is to help consumers and businesses better navigate the online and offline world....

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.