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
2,299 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:

276 — 300 de 450 Avaliações para o Введение в машинное обучение

por Pavel T

12 de Fev de 2018

Отличный вводный курс

por Могунова е в

25 de Abr de 2017

Очень хороший курс!!!

por Огнерубов Е В

15 de Jun de 2016

Класс. Но очень сжато

por Тер-Акопов М А

9 de Ago de 2019

Зе бест фо ми, окей

por Oleg D

23 de Jul de 2016

Замечательный курс!

por Elena L

18 de Jan de 2018

Великолепный курс!

por Гусенков С В

13 de Dez de 2016

Очень хороший курс

por Квасильчук В И

6 de Abr de 2020

Интересно, удобно

por Alexander Z

26 de Nov de 2017

Здорово, спасибо!

por Zhassulan S

6 de Set de 2017

Very good course!

por Бодак С А

8 de Jun de 2017

Не плохое начало

por Петренко А В

10 de Mai de 2017

10 звёзд из 5!!!

por Смирнов С А

21 de Jul de 2019

Прекрасный курс

por Алексей

22 de Mar de 2016

Отличная идея с

por Evgenii A

1 de Nov de 2020

Отличный курс!

por Зикеева Е А

4 de Jun de 2018

Отличный курс!

por Nikolai M

5 de Mar de 2018

Классный курс!

por Dan K

22 de Fev de 2018

Отличный курс!

por Almaz S

18 de Jun de 2017

Отличный курс!

por Акобян А А

17 de Jun de 2019

отличный курс

por Konstantin C

14 de Jan de 2018

отличный курс

por Ашурбеков З И

15 de Jun de 2016

Щииикарно всё

por Sergey M

15 de Mar de 2016

Очень полезно

por Антон Г

27 de Jan de 2016

Хороший курс.

por Kolya M

12 de Jan de 2019

Very usefull