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
2,335 classificações
473 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:

326 — 350 de 457 Avaliações para o Введение в машинное обучение

por Evgeniy Z

9 de Jun de 2016

В общем и целом курс мне понравился.

В нём много математики, что не удивительно, т.к курс основан на материале, который ориентирован на студентов физико-математических вузов. По сравнению с курсами типа "Программирование для домохозяек", которых полно здесь на курсере - это несомненный плюс. С другой стороны иногда приходилось тратить значительное время на то, чтобы вспомнить некоторые вещи из математики, в частности той же линейной алгебры (которой здесь, кстати, очень много). Немного в этом помогли дополнительные материалы, предоставляемые авторами курса - за что им большое спасибо.

Практические задания были не очень сложными, т.к. инструкции для выполнения очень подробные. Основная проблема с их выполнением была в том, что часто неправильно работала система оценки практических заданий, но это было в основном по началу курса.

Не скажу что для их выполнения требуются существенные познания в программировании - достаточно базового понимания Python и умения искать в интернете документацию по нужным библиотекам. Довольно большая часть возникающих вопросов разрешалась прямым запросом в гугле первой же ссылкой на Stackoverflow.

Некоторые задания были достаточно интересными с точки зрения получаемого результата - например кластеризация цветов на изображении.

Понравился также финальный проект. Само задание оставляет простор для творчества + при желании можно участвовать в конкурсе на kaggle, где можно проверить свои знания на практике.

4 из 5 ставлю за излишне формализованный теоретический материал. Всё же не все потенциальные слушатели курса с легкостью разберутся что такое L2-регуляризация или SVD-разложение.

por Вячеслав А Д

19 de Dez de 2017

Офигенный курс, познавательно, захватывающе - несколько закрученных сюжетных линий, интересная развязка. Сложно сразу определить жанр - много математики, но есть история, биология и немало мистики.Здесь можно много узнать о пассажирах Титаника (например, что самое популярное женское имя на корабле - Анна) и размерах цветка ириса. Курс захватывает с первых серий и держит в напряжении до конца. Некоторые серии настолько хороши, что я пересматривал их по несколько раз.

Отличный подбор актеров - в главной роли доктор физико-математических наук К.В. Воронцов. Игра актеров завораживает - они так легко оперируют всякими мистическими символами и непонятными словами - это надо видеть! Воронцов иногда так входит в роль, что даже игнорирует подсказки суфлера (логическая/логистическая регрессия). Я так проникся, что даже решил немного отпустить волосы, чтоб быть похожим, очки-то у меня уже есть)).

Задания курса очень увлекательные, вызывают бурю эмоций и иногда восторг, когда циферки сходятся! Я делал их на свежую голову по утрам, глубокой ночью и даже в пятницу вечером (иногда это просто необходимо - “без пол литра, никак”), но я так и не понял, когда их лучше делать - к каждой задачке нужен свой подход!

В общем, не могу не порекомендовать этот курс!

por Городенко Р Д

1 de Fev de 2020

Больше понравились практические задания, где несмотря на очень подробную инструкцию (что очень хорошо) всё-равно приходилось много гуглить. К минусам бы отнёс подачу лекционного материала: с первого видео в речи лектора использовалось большое количество слов-профессионализмов, которые приходилось также гуглить каждые 10 секунд видео. Также очень много сухой теории и ненужных математических обоснований, которые не имеют никакого смысла для человека, который решил заняться машинным обучением. Всегда хотелось перелистнуть все видео и сесть за практику. В любом случае курс называется "ВВЕДЕНИЕ в машинное обучение", а не "погружение в него для аспирантов-математиков с исследованием алгоритмов на уровне машинного кода". Ну и хотелось бы отметить, что очень понравилось финальное задание, смог почувствовать настоящим разработчиком над реальным проектом. В плане оформления методических пособий всё на высшем уровне. Объективно очень качественный курс!

por oleg t

13 de Mar de 2016

Несмотря на довольно тяжелое введение, курс очень понравился.

С одной стороны, если бы я не проходил курс от Ng, врядли бы смог зафиналить. Очень математическое введение, другие обозначения целевой переменной и алгоритмов.

С другой стороны к третьему-четвертому уроку втягиваешься и начинаешь проводить правильные ассоциации. Формальный подход дает возможность по новому взглянуть на уже известные алгоритмы.

Отдельно спасибо за качественно продуманные практические задания. Если в первых уроках кажется, что они не очень между собой связаны, то в финальном задании практически каждый блок на своем месте. Если у Ng задания были практически дословным воплощением мат. формулы в матлабовский код, то здесь реальные данные показывают свое истинное лицо. Надо включать мозг и смотреть документацию к numpy, pandas и тп.

Финальное задание отдельно порадовало. Дает реальное "ощущение" работы с моделями.

Спасибо!

por Пильгуй В Л

26 de Set de 2017

Ну что ж, начнем ))) Я бы сказал отличный курс. Я не математик и почти мало программирую, потому как больше выполняют роль менеджера (СТО). На курс пошел для того чтобы хоть немного раззбираться в теме и попробовать применять ее в наших проектах. Вся теория утомляет, и честно сказать, я думал что не пройду курс по причине слабого мат аппарата, но благодаря практике смог постепенно разобраться. Здесь чувствуется советская школа, очень много сложной теории, которая ну никак не является введением )) Очень порадовал финальное задание, получилось расставить все по полочкам, так сказать окончательно для себя выбрать самое основное и понять как применять эти знания на практике в своей работе. Больше бы практики в этом курсе и была бы оценка 5. В любом случае огромное спасибо создателям курса! Хотелось бы продолжение.

por Alexey F

1 de Jun de 2016

Спасибо за создателям этого курса за материал!

Скажу сразу, что осваивать материал было очень тяжело. Теоретическая часть была еще более менее понятна, задания разбивались на части и проходились поэтапно. Но вот создание программ на Python было куда сложнее. Приходилось очень много гуглить, т.к. те примеры кода, которые приведены в курсы, явно мало, чтобы создать законченную программу.

Но мне все это не испугало. Любой материал осваивать сложно.

Очень порадовало, что в конце материал подытожен и рассказаны главные шаги в любом анализе данных. После этого картина улеглась в голове еще лучше.

После курса осталось желание изучать материал еще глубже. Поэтому записался на другие русскоязычные курсы. Потом собираюсь пройти англоязычный курс.

Еще раз спасибо создателям курса!!!

por Alexander M

31 de Out de 2016

Задания курса очень объемные, и некоторые из них требуют глубоких знаний языка Python, так что выполнять их было непросто. Но именно поэтому данный курс мне показался очень интересным и полезным. Однако, во многих заданиях есть тонкие моменты, которые, с моей точки зрения, требуют более подробных пояснений. Например, в одном из заданий требуется объединить обучающую выборку с тестовой для правильной работы TfidfVectorizer, а потом их опять разделить, о чём не было сделано акцента в описании задания. Хотя возможно, так и было задумано с целью заставить студентов думать.

Спасибо организаторам за создание данного курса. Надеюсь, что он будет развиваться и совершенствоваться.

por Черных В И

2 de Jul de 2017

В целом курс выглядит неплохим. Из недостатков:

1. Кто-то уже отмечал, что курс "скомканный". По-видимому, составители использовали свою стандартную очень объёмную программу обучения, вырезав из неё бОльшую часть материала. Возможно, требуется ещё немного отшлифовать данный курс, чтобы он выглядел более целостным.

2. Курс довольно сложный, хотя позиционируется как вводный. Для досконального понимания всего материала лекций требуется хорошее знание многих областей математики. В связи с этим было бы неплохо добавить больше заданий на понимание теории и/или подсократить эту самую теорию.

3. Хотелось бы более подробной расшифровки формул в тексте презентации.

por Ivan V

15 de Mar de 2016

Лекции совершенно не согласуются с заданиями и квизами. С тем же успехом вместо лекций могли бы дать ссылки на википедию и прочие ресурсы, где приходится искать ответы на нераскрытые в лекциях вопросы, пытаясь понять что авторы курса имели в виду. К тому же, терминология авторов курса расплывчата и отличается от информации, которую можно найти в интернете. Курс, в котором требуется знание в предметной области, не покрываемое лекциями, нельзя называть введением. Это обманывает слушателя. Но в целом курс понравился. Я не жалею что продержался до конца. Многие вещи оказались действительно интересны и полезны. Большое спасибо авторам!

por Ivan K

27 de Mar de 2020

Курс понравился, легче пошел чем аналогичный у Andrew Ng.

Сложно разбираться с математическими выкладками, много из них глубоко понять не получается.

Тем не менее, я ознакомился с базовыми алгоритмами машинного обучения, и популярными ансамблями. Очень порадовало финальное задание - было интересно и практично, давно не знал как подступиться к Kaggle.

Тема нейронных сетей очень поверхностна. Нужно дополнительную неделю-две или даже отдельный курс чтобы раскрыть эту тему полностью. Не хватает практического задания по нейронным сетям, не хватает практики по кластеризации и частичному обучению.

В целом доволен!

por Ivan S

13 de Mar de 2016

Сам по себе курс хороший и нужный. Но уж очень "резво" спланирован. Указанные в описании "3-5 часов в неделю" реальны для тех, кто хорошо ориентируется в математике, знает питон и знает библиотеки, которые используются. Такому человеку, по большому счету, этот курс не особо и нужен :) А для остальных будет правильнее "3-5 часов в день".

Складывается ощущение, что цель курса не столько обучение, сколько отбор.

Все же, я постараюсь его пройти. Авторам курса огромное спасибо - очень помог сориентироваться в новом для меня вопросе, понять что к чему и куда двигаться дальше.

por Ellina

17 de Mar de 2016

Плюсы

Русская локализация.

Строгий математический фундаментальный подход к подаче материала. Это усложняет курс, но затрагивает некоторые моменты в данной области, которые не затрагиваются в других курсах.

Практические рекомендации при решении как тренировочных, так и настоящих задач.

Минусы

Достаточно высокий порог вхождения.

Лектор занимает половину слайда и отвлекает. Стандартом в MOOC(и более грамотным с точки зрения восприятия информации онлайн) считается подход, когда лектора нет на видео, но есть материал, и "живые рукописные" заметки для пояснения части материала.

por Yulia K

28 de Set de 2016

Спасибо за познавательный курс!

Константин Вячеславович великолепный лектор: материал подан лаконично, но в достаточном объеме. Отличное введение, отличная сводка. Приятно видеть в курсе нормальную математику и отсутствие объяснений "на пальцах".

Для успешной сдачи programming assignments, к сожалению, не требуется глубокого понимания предмета, достаточно навыка писать несложные скрипты. На мой взгляд, эта часть могла бы быть интереснее и сложнее. Стоило включить в задания реализацию базовых алгоритмов ML, помимо использования готовых из пакетов.

Спасибо!

por Alexey E

16 de Mai de 2020

Для тех кто любит классическую русскую школу Машинного обучения. Для старта желательно знать основы и терминологию линейной алгебры и мат.анализа. Но в принципе уровень практических заданий не особо высокий. "Действительно введение" . На каждое практическое занятие придется отправлять от 1 до 5 (кажется больше не было) текстовых файлов с одним ответом в файле!!! Идея с проверкой финальной работы самими студентами - экзотика. Особо в курс создатели не вкладывались. Но тому кто ищет знания - тот их здесь найдет.

por Anton

22 de Set de 2017

Хороший курс. Можно в сжатые сроки познакомится с темой, даже заинтересоваться и заодно освоить Python. Суровой математики здесь ждать не надо, но наверно оно и к лучшему, все таки курс не зря называется "Введение". Замечательные лекторы - их было приятно слушать. А вот задания к сожалению к 6 неделе надоели, потому что сложнее не становились или просто не отличались разнообразием. Хотя финальный проект был интересный - решение дать игрушечное задание, но на реальных данных, явно было удачным.

por Viktor F

1 de Mai de 2020

курс приятный, но не всегда понятно, о чем в данный момент говорится.

к примеру, не всегда понятно объяснена математика - а объяснение "на пальцах" не до конца разжевано, в итоге получается недорассказанность, которую приходится выковыривать где-то на других ресурсах (благо, ссылки на них предоставляются)

субтитры явно писались машиной (это очень заметно на последних двух неделях) :)

в целом, курс приятный, стабильно слушается на скорости 1.25. Интересные задания, отзывчивый форум.

This is good!

por Ivan K

24 de Fev de 2016

Хорошая обзорность курса. Очень компактное представление. Качественная запись лекций.

Есть проблемы с соблюдением компромисса между углублением в детали и обзорностью курса. Ведь по сути дела это вводный курс. Так большая часть математики не проходит в практических заданиях. И не понятно зачем тогда она нужна: все равно студенты забудут это сразу после лекции. Было бы лучше уделить внимание более глубокому сравнению тонкостей различных методов на практике.

por Alexander K

16 de Abr de 2018

Сам курс очень понравился, но немного смазывают картину задания - в курсе рассказывается про математическую основу, а в заданиях идет применение конкретного пакета на Python причем по большому счету в режиме черного ящика. Хотя в описании стоит "Очень желательно знать Python", по факту знать его строго необходимо для прохождения курса (вариант - учить в параллель, но тогда будьте готовы что у вас это будет занимать больше заявленных 3-5 часов в неделю)

por Maksim H

11 de Fev de 2017

Очень сложный курс из-за большой плотности материала. Очень мало времени и заданий на усвоение теории. И фактически теория оторвана от практики. Не чуствуется связи теории и практики. У меня не получилось их связать. Те вещи которые я знал, были понятны. То что не знал, ищу в других местах. В целом обучение напоминает техникум: главное не теория и ее понимание, а набор инструментов. С другой стороны похожих курсов на русском практически нет.

por Клочко А С

6 de Jun de 2020

Курс очень хороший, приходится ломать голову, чтобы понять теорию, по несколько раз пересматривать, но всё это понять нужно. С заданиями надо ломать голову ещё сильней, и они составлены ужасно, всегда приходится что-то делать не так, как в инструкции, чтобы выполнить его, встречаются противоречия, некоторые указания просто не работают на практике. Иногда без захода в обсуждения вообще непонятно как его делать.

por Nikita S

15 de Mar de 2016

Платформа курсеры это просто ужас. Все недостатки этого курса происходят именно от платформы. В самом курсе много полезных материалов. Слишком, на мой взгляд, много математической информации, которую можно обобщить до смысла параметров оптимизации и регуляризации и способа работы моделей. Получил много практических навыков работы с данными, с Ipython notebook и python вообще. Советую для начинающих.

por Александр

10 de Fev de 2016

Присоединяюсь к критиканам особенности подачи материалов курса.

Сначала думал, что мне не хватает математической подготовки, но когда прослушал ролик про прекрасно знакомую мне логистическую регрессию, понял, что проблема не в математической подготовке, а в стиле подачи лектора.

Спасибо за курс, но в будущем, пожалуйста, делайте объяснения более интуитивными, со схемами, объяснением сути и примерами.

por Улбутова В

30 de Jun de 2020

Формулировка заданий требует переделки. Для новичков нужно более точные формулировки, что нужно сделать и к какому ответу они должны прийти. Финальное задание нужно дать в двух вариантах: не все играют в Dota и трудно анализировать и обрабатывать данные не имя достаточного опыта. Также в финальном задании используется функция ix , от которой уже отказались - нужно переделать, а то путает

por Igor K

13 de Fev de 2018

Практическая часть в этом курсе отличная, а вот с теорией, на мой взгляд, получилось не очень. Может быть, я такой тупой, но мне показалось, что всё рассказывалось кратко и при этом очень обобщённо. И поэтому сложность была запредельная. ИМХО, для "введения" такой подход не самый лучший. Предпочёл бы смотреть "полные" варианты этих видео из курса ШАД, чтобы как-то разобраться в вопросе.

por Голубев К О

13 de Jul de 2017

Отличный курс с замечательными примерами, позволяющими на практике попробовать методы, о которых было рассказано в лекциях.

К недостаткам курса хотелось бы отнести излишнюю сжатость в изложении того, как требуется выполнять то или иное задание, из-за чего пришлось потратить немало времени, прежде чем многие из них стали работать правильно.