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
2,302 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:

126 — 150 de 452 Avaliações para o Введение в машинное обучение

por Theodor B

18 de Fev de 2018

Отличный курс - было очень приятно учиться. Сильно мешало незнание python (начал учить по ходу). Последние лекции были особенно интересны.

por Dmitriy S

21 de Dez de 2017

Неплохой курс на русском языке. Объясняет базовые подходы, проблемы и их решения. Можно пройти курс, даже если не разу не писал на Питоне.

por Михаил Ю Г

14 de Out de 2019

Формулирование тестовых заданий происходит в очень расплывчатой манере. Мне кажется можно их усложнить, но формулировать все же по чётче.

por Danilov S

23 de Jan de 2020

Хороший сбалансированный курс, свежий и проходится на одном дыхании, очень приятные преподаватели, местами нужны хорошие входные данные.

por Fedor M

17 de Jul de 2016

Очень глубокое погружение в тему. Сильно занижены предварительные навыки, что делает для некоторых этот курс невозможным для завершения.

por Хабиров Т Р

12 de Dez de 2018

Отличный вводный курс для начинающих с нуля. После прохождения появляется представление о том, как решаются задачи машинного обучения.

por Михеев И Е

7 de Mai de 2020

курс классный, очень быстрый рост сложности заданий для человека который дальше циклов в питоне не ходил, но выполнимый и полезный.

por Oleg O

20 de Ago de 2016

Сначала курс казался немного непонятным, но хорошие лекторы и повторение материала в конце расставили всё по своим местам. Спасибо!

por Konstantin

12 de Mar de 2016

"Лучше игрушечная задача на реальных данных, чем реальная задача на игрушечных" - очень правильно подмечено.

Курс крайне понравился.

por Пчелинцев А В

25 de Mar de 2020

Курс сбалансирован по обзору теоретического материала и получаемым практическим навыкам. Т.е. как введение курс вполне оправдан.

por Виталий Х

11 de Mar de 2016

Спасибо.Курс достаточно хорош для первого знакомства с машинным обучением.Очень понравился курс и разнообразие прикладных задач.

por Aleksandr S

7 de Abr de 2020

Мне понравилось. Как начинающему были даны хорошие базовые знания, к тому же оставили много вопросов для дальнейшего изучения.

por Есипов И М

4 de Jun de 2020

Хороший курс, на мой взгляд, мало заданий на программирование самих моделей обучения, но в целом неплохо, ожидания оправдал

por Бердников В А

3 de Jul de 2018

Хороший курс, но требует нормального знания Python и намного больше времени чем указано в описании (если Python не знаешь).

por Волков С А

3 de Out de 2018

Хорошо подходит для быстрого получения основ и для закрепления полученных знаний раньше.

Очень хорошие практические задания

por Fedor R

25 de Fev de 2016

Short and good, a way to learn practical python ML skills and math background to understand and feel different ML technics

por Skapenko I R

19 de Ago de 2018

Отличное введение в data science.

Имеется обзор всех основных алгоритмов. Также очень доволен знакомству с sklearn/pandas.

por Il'gam A

31 de Ago de 2016

It is a great course for those who intersted in machine learning! I recomend it for everyone. Thank you for your efforts!

por Рудаменко Р А

23 de Out de 2019

Познавательно, легко и ёмко, даже для тех, кто сталкивается с машинным обучением и программированием на Python впервые!

por Веселов А

7 de Ago de 2020

Практика была довольно простой, теория тоже не очень подробная, но на то оно и введение. Преподаватели замечательные!

por Aver N

24 de Fev de 2019

Курс очень понравился. Местами теория сложновата. Но в общем и целом - все замечательно. И задания и лекции. Спасибо!

por Aidos A

11 de Mar de 2016

Отличный курс!

Считаю, что в лекции про решающие деревья необходимо более детально разобрать аолгоритмы с пропусками.

por Лойко А А

22 de Jun de 2020

Отличный курс. Большое спасибо организаторам за подробный теоретический материал и интересные практические задания.

por Золотых М А

19 de Set de 2019

Отличный преподаватель. Все очень понятно, полезно и доходчиво. Юмор и примеры в лекции расставляют все по местам.

por Dmitrii M

15 de Mar de 2016

Отличный обзор возможностей машинног обучения с небольшой практикой дающей хороший задел для дальнейшего обучения