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:

151 — 175 de 452 Avaliações para o Введение в машинное обучение

por Aleksei S

7 de Fev de 2016

Хороший курс, но требует мат. подготовки. Приятно видеть, что преподаватели работают над его усовершенствованием.

por Anastasiya D

10 de Mar de 2016

Курс очень понравился, хороший баланс математической строгости, доступного объяснения и практических примеров.

por Isakov A S

5 de Dez de 2019

Интересно. Достаточно сжато и не муторно. Очень интересно смотреть дополнительные материалы. Спасибо за курс!

por Дубровин Л О

26 de Ago de 2017

Сижу, часами читаю про математические обоснование алгоритма, который объясняют в видео за 5 минут, круть :)

por Artem S

7 de Mai de 2018

Курс подробный и очень интересный! Потраченное на курс время окупается с лихвой, поэтому очень рекомендую!

por Саяпин В Ю

20 de Dez de 2017

Отличный курс для изучения базовых основ машинного обучения. Идеален для тех, кто начинает изучать с нуля.

por Andrey N

7 de Mai de 2017

Отличный курс с плотной теоретической и практической программой, ориентированной на конкретные применения.

por Yury L

4 de Fev de 2016

Good alternative for Andrew Ng course in Russian. Good level, but some difficulties with tasks submission.

por Churmantaev D M

3 de Fev de 2019

Очень интересный курс. Мат.часть, конечно, тяжело воспринимается. Но практические задания - просто огонь!

por Vitalij J

13 de Set de 2020

Иногда на английском материал найти и прочитать удобнее, там более понятно все объяснено, а так супер

por Michael V M

20 de Fev de 2016

Идеальный баланс между количеством/сложностью теории и практики. И все это в довольно разумные сроки.

por Anton

14 de Jun de 2016

Здорово cкомпонованы знания по интеллектуальному анализу данных с хорошими практическими заданиями

por Denis S

22 de Ago de 2018

Отличный курс. Лекции тяжеловато воспринимаются без наглядных иллюстраций, но в целом - хорошо.

por Ivan C

2 de Ago de 2017

Получил массу удовольсвия и полезной информации. Спасибо.

Очень доступно структурированній курс.

por Никифоров М

14 de Nov de 2017

Весьма полезный курс, в котором можно ознакомиться с основными алгоритмами машинного обучения.

por Кандрашев А

9 de Abr de 2020

Для знакомства с ML и основами работы с пакетами pandas и skilearn достаточно хороший курс

por Воробьев И С

20 de Nov de 2017

Отличный курс. Идеально подходит для введения в такую сложную тему, как машинное обучение.

por Mikhail U

12 de Mar de 2016

Очень хороший курс для практики, если у вас уже есть некоторые знания в машинном обучении.

por Mike K

29 de Jan de 2018

Отличный курс для начинающих - доступное изложение теории и полезные практические задания

por Vladimir Y

16 de Nov de 2017

Это очень хороший курс, для меня он оказался лучшим в качестве старта в этой дисциплине.

por Abramov A

20 de Nov de 2016

Большое спасибо за курс.

Это отличное начало для погружения в область машинного обучения.

por Andrey T

13 de Dez de 2016

Хороший курс, позволит начинающему ознакомится с базовыми алгоритмами работы с данными

por Манс Н

21 de Jun de 2016

Спасибо за данный курс. Давно искал информацию по данной сфере. Это то, что мне нужно!

por Buzikov M

20 de Out de 2018

Отличный вводный курс. Вполне можно пройти за 2 недели. Интересный финальный проект.

por Родин М С

20 de Jun de 2018

Хороший курс, быстро дает представление о направлении, темы для дальнейшего изучения