Chevron Left
Voltar para Введение в машинное обучение

Comentários e feedback de alunos de Введение в машинное обучение da instituição Universidade HSE

4.6
estrelas
2,362 classificações
482 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.

AG
7 de Mai de 2020

Очень познавательно. Понравилось. Интересные задачи. Хорошие обсуждения на форуме. Надо попотеть. Спасибо создателям. Больше примеров вместо сухой теории было бы вообще шикарно.

Filtrar por:

301 — 325 de 468 Avaliações para o Введение в машинное обучение

por Алексей

22 de Mar de 2016

Отличная идея с

por Жақыпбек Н

31 de Mar de 2021

Отличный курс!

por Evgenii A

1 de Nov de 2020

Отличный курс!

por Зикеева Е А

4 de Jun de 2018

Отличный курс!

por Nikolai M

5 de Mar de 2018

Классный курс!

por Dan K

22 de Fev de 2018

Отличный курс!

por Almaz S

18 de Jun de 2017

Отличный курс!

por Акобян А А

17 de Jun de 2019

отличный курс

por Konstantin C

14 de Jan de 2018

отличный курс

por Ашурбеков З И

15 de Jun de 2016

Щииикарно всё

por Sergey M

15 de Mar de 2016

Очень полезно

por Антон Г

27 de Jan de 2016

Хороший курс.

por Kolya M

12 de Jan de 2019

Very usefull

por Александр

12 de Mai de 2020

Все классно

por Летунов Ю

16 de Mar de 2020

Good course

por Dmitry U

17 de Fev de 2016

Нормально )

por Denis Z

19 de Set de 2017

Very good!

por Сергей Ч

11 de Abr de 2018

The best!

por Nikita D

22 de Dez de 2017

Excellent

por Aleksei Z

28 de Nov de 2016

Real good

por Вьюн С А

21 de Jul de 2018

Отлично!

por Abdikalyk N

10 de Abr de 2021

отлично

por Халиолла Ә Т

25 de Mar de 2021

от души

por Kirill L

25 de Jun de 2017

awesome

por Vasilii P

5 de Fev de 2016

Отлично