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
2,300 classificações
466 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:

201 — 225 de 452 Avaliações para o Введение в машинное обучение

por Крайнев К В

5 de Jan de 2018

Отличный курс для такого небольшого объема времени

Не пожалел)

por Балетинских А А

4 de Fev de 2019

this course gave me a starting point for my self-improvement

por Kirill S

21 de Fev de 2019

Хороший курс для начального погружения в машинное обучение.

por Белобородов С В

1 de Fev de 2020

Хороший стартовый курс по машинному обучению. Рекомендую.

por Шишло С В

4 de Mai de 2020

Мне курс очень понравился. Большое спасибо разработчикам

por Viktoria V

9 de Out de 2019

Проходила курс ради практики. Она тут шикарно разобрана)

por Лацков А В

12 de Mai de 2020

Курс оказался не таким простым как сначала показалось)

por Дарья В Ш

21 de Mar de 2019

Очень понятно объясняется материал, полезные задания.

por Anatoliy S

19 de Nov de 2017

Не все формулировки в заданиях понятны, но жить можно

por Andrey K

25 de Out de 2020

После изучения основ Питона, курс прям то, что надо!

por Alexander F

9 de Set de 2019

Great coverage of basic knowledge for ML algorithms.

por Алексей Н

14 de Jan de 2018

Балдёж, лучшее, чем я занимался в своей жалкой жизни

por Баранов М А

13 de Abr de 2016

Отличный курс, полезно, интересно, понятно. Спасибо.

por Chesalin A

5 de Mai de 2016

Nice course, thank you, authers!

Chesalin Alexander

por Евгений П

29 de Mar de 2016

Отличный курс!

Введение в Python не было бы лишним.

por Eugene M

7 de Jul de 2017

Отличный курс, дает хорошее понимание что такое ML

por Konstantin T

11 de Mar de 2016

Отличный курс. Очень хорошие практические задания.

por Трегубов А В

17 de Mar de 2019

все должны пройти этот курс, прекрасно для начала

por Alexey P

14 de Fev de 2016

Сложно и интересно. Мне важно видео со субтитрами

por Ваганов Н

3 de Jun de 2019

Спасибо Константину Воронцову за чудесные лекции

por Лунёв А Ю

2 de Dez de 2017

Спасибо большое, особенно за практическую часть!

por Дубинич А И

31 de Mai de 2017

Прекрасный курс дающий базовые понятия и навыки!

por Орлов А В

29 de Abr de 2019

Отличный курс для введения в Машинное обучение.

por Alexey T

4 de Abr de 2016

Классный курс, отлично дополняет курс Andrew Ng

por Valentin

12 de Mar de 2016

Очень хороший вводный курс в машинное обучение.