Chevron Left
Voltar para Введение в машинное обучение

Comentários e feedback de alunos de Введение в машинное обучение da instituição National Research University Higher School of Economics

4.6
estrelas
2,303 classificações
468 avaliações

Sobre o curso

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше. С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать. Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности. На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. Вы изучите основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Узнаете об основных методах машинного обучения и их особенностях, научитесь оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Наконец, познакомитесь с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. Для работы мы будем использовать реальные данные из реальных задач. Краткая программа курса: Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса. Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент. Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации. Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент. Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети. Неделя 6. Кластеризация и визуализация. Частичное обучение. Неделя 7. Прикладные задачи анализа данных: постановки и методы решения. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования. Очень желательно знать Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn. Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных. Мы уверены, что этот курс будет полезен каждому, кто хочет постичь искусство предсказательного моделирования и освоить интеллектуальный анализ данных. Появились технические трудности? Обращайтесь на адрес: coursera@hse.ru...

Melhores avaliações

AL
24 de Set de 2018

Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.

DD
9 de Fev de 2016

Спасибо за курс. Хороший материал. Отличные задания.\n\nЕсть желание пройти курс "Практическое машинное обучение" с большим количеством примеров и практик от авторов этого курса.

Filtrar por:

251 — 275 de 452 Avaliações para o Введение в машинное обучение

por Kondrashin I

10 de Jul de 2019

Шикарный курс. Спасибо авторам.

por Соколов Е

22 de Mai de 2018

достаточно практических занятий

por Александр Х

20 de Nov de 2017

Отличные фундаментальные знания

por Афанасьев С В

5 de Jun de 2017

Ну конечно это отличный курс :)

por Гамов А

15 de Mar de 2016

Отличный курс на русском языке.

por Pavel B

20 de Nov de 2018

Memorable

Everything is perfect

por Alexander F

23 de Out de 2017

очень интересно и информативно

por Литвинов В Г

14 de Mar de 2018

The best course for beginner.

por Баханова М Д

20 de Dez de 2017

Курс супер! Спасибо большое!

por Бойцов М В

12 de Set de 2017

Прекрасный курс! Рекомендую!

por Трусевич Е

20 de Fev de 2016

Easy but very useful course.

por Tarasevich U

11 de Set de 2018

Спасибо за прекрасный курс!

por Roman

15 de Fev de 2017

Сложно. Полезно. Интересно.

por Ihor I

29 de Jan de 2017

Great course! Thanks a lot!

por Эмиль Н Ш

18 de Set de 2020

Для введение отличный курс

por Кузнецов А А

29 de Nov de 2019

Хороший курс. Рекомендую.

por Иван М

14 de Jul de 2019

Отлично помогает новичкам

por Konstantin T

23 de Jun de 2017

Отличный курс для начала.

por Альмуханбетова М М

16 de Fev de 2018

Хороший курс для начала!

por Peter S

23 de Out de 2017

Очень информативный курс

por Коробов В М

5 de Mar de 2020

Сложный, но интересный.

por Ильяс К

22 de Out de 2017

Отличный курс, спасибо!

por Alexander M

2 de Ago de 2017

Хороший курс для начала

por Артур Ш

12 de Fev de 2018

Спасибо, отличный курс

por Ruslan T

27 de Nov de 2020

Хорошее введение в ML