Chevron Left
Voltar para Введение в машинное обучение

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

4.7
estrelas
2,367 classificações
•
484 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:

226 — 250 de 468 Avaliações para o Введение в машинное обучение

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.

por Винокуров М В

•
9 de Fev de 2016

У преподавателя речь очень грамотно поставлена.

por Шаланкин М Д

•
8 de Abr de 2019

Отличный курс для введения в основные понятия.

por Рычков А Ф

•
14 de Out de 2018

Спасибо. Насыщенный курс, даже для "введения".

por Евгений Р

•
4 de Jan de 2021

Очень хороший курс для базового понимания ML.

por Daniel

•
27 de Jul de 2017

Хорошее введение в основы машинного обучения.

por Фатуллаева А В к

•
4 de Out de 2019

Спасибо за такое замечательное приложение!!!

por Vladimir Y

•
20 de Mar de 2019

Понравилось делать руками градиентный спуск.

por Anton K

•
26 de Nov de 2018

для начала - очень неплохой курс, рекомендую

por Albina S

•
29 de Jan de 2018

Хорошие курс по введению в машинное обучение

por Alexander O

•
19 de Out de 2017

Отличный курс! Он познакомил меня с Kaggle!

por Starukhin Y A

•
27 de Nov de 2016

Highly recommend this course for beginners!

por Anton P

•
14 de Set de 2017

Excellent course with lot of practice. 5/5

por Oksana D

•
19 de Jan de 2017

Спасибо за замечательные домашние задания.

por Alexander L

•
25 de Set de 2020

Отличный вводный курс в машинное обучение

por Антипин И Н

•
5 de Abr de 2018

Интересный курс. Много практики. Годно.

por Ганиев Т

•
4 de Mar de 2018

Прекрасный курс, хорошие преподаватели.

por Клементьев А А

•
22 de Nov de 2016

Очень помогло получить начальные знания

por Сергей В

•
21 de Fev de 2021

Очень хороший курс для знакомства с ML

por Алексей

•
24 de Jul de 2020

Тяжело, но понравилось. Очень полезно.

Coursera Footer

Os melhores cursos on-line

Principais programas de cursos integrados on-line

Certificados on-line

Programa de graduação on-line

Coursera

Comunidade

Mais

Aprenda em qualquer lugar
Baixar na App StoreBaixar no Google Play