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:

301 — 325 de 451 Avaliações para o Введение в машинное обучение

por Kolya M

12 de Jan de 2019

Very usefull

por Александр

12 de Mai de 2020

Все классно

por Летунов Ю

16 de Mar de 2020

Good course

por Dmitry U

17 de Fev de 2016

Нормально )

por Denis Z

19 de Set de 2017

Very good!

por Sergei C

11 de Abr de 2018

The best!

por Nikita D

22 de Dez de 2017

Excellent

por Aleksei Z

28 de Nov de 2016

Real good

por Вьюн С А

21 de Jul de 2018

Отлично!

por Kirill L

25 de Jun de 2017

awesome

por Vasilii P

5 de Fev de 2016

Отлично

por Валерий Л

24 de Ago de 2017

10/10

por Igor I

29 de Jan de 2017

great

por tigraboris

11 de Mai de 2016

Super

por Misha P

7 de Abr de 2016

best

por Сафиуллин А

26 de Fev de 2016

Норм

por Zaur B

7 de Jan de 2017

Отл

por Жуков А В

5 de Ago de 2020

)

por Palladin

30 de Mar de 2018

+

por Evgeniy Z

9 de Jun de 2016

В общем и целом курс мне понравился.

В нём много математики, что не удивительно, т.к курс основан на материале, который ориентирован на студентов физико-математических вузов. По сравнению с курсами типа "Программирование для домохозяек", которых полно здесь на курсере - это несомненный плюс. С другой стороны иногда приходилось тратить значительное время на то, чтобы вспомнить некоторые вещи из математики, в частности той же линейной алгебры (которой здесь, кстати, очень много). Немного в этом помогли дополнительные материалы, предоставляемые авторами курса - за что им большое спасибо.

Практические задания были не очень сложными, т.к. инструкции для выполнения очень подробные. Основная проблема с их выполнением была в том, что часто неправильно работала система оценки практических заданий, но это было в основном по началу курса.

Не скажу что для их выполнения требуются существенные познания в программировании - достаточно базового понимания Python и умения искать в интернете документацию по нужным библиотекам. Довольно большая часть возникающих вопросов разрешалась прямым запросом в гугле первой же ссылкой на Stackoverflow.

Некоторые задания были достаточно интересными с точки зрения получаемого результата - например кластеризация цветов на изображении.

Понравился также финальный проект. Само задание оставляет простор для творчества + при желании можно участвовать в конкурсе на kaggle, где можно проверить свои знания на практике.

4 из 5 ставлю за излишне формализованный теоретический материал. Всё же не все потенциальные слушатели курса с легкостью разберутся что такое L2-регуляризация или SVD-разложение.

por Вячеслав А Д

19 de Dez de 2017

Офигенный курс, познавательно, захватывающе - несколько закрученных сюжетных линий, интересная развязка. Сложно сразу определить жанр - много математики, но есть история, биология и немало мистики.Здесь можно много узнать о пассажирах Титаника (например, что самое популярное женское имя на корабле - Анна) и размерах цветка ириса. Курс захватывает с первых серий и держит в напряжении до конца. Некоторые серии настолько хороши, что я пересматривал их по несколько раз.

Отличный подбор актеров - в главной роли доктор физико-математических наук К.В. Воронцов. Игра актеров завораживает - они так легко оперируют всякими мистическими символами и непонятными словами - это надо видеть! Воронцов иногда так входит в роль, что даже игнорирует подсказки суфлера (логическая/логистическая регрессия). Я так проникся, что даже решил немного отпустить волосы, чтоб быть похожим, очки-то у меня уже есть)).

Задания курса очень увлекательные, вызывают бурю эмоций и иногда восторг, когда циферки сходятся! Я делал их на свежую голову по утрам, глубокой ночью и даже в пятницу вечером (иногда это просто необходимо - “без пол литра, никак”), но я так и не понял, когда их лучше делать - к каждой задачке нужен свой подход!

В общем, не могу не порекомендовать этот курс!

por Городенко Р Д

1 de Fev de 2020

Больше понравились практические задания, где несмотря на очень подробную инструкцию (что очень хорошо) всё-равно приходилось много гуглить. К минусам бы отнёс подачу лекционного материала: с первого видео в речи лектора использовалось большое количество слов-профессионализмов, которые приходилось также гуглить каждые 10 секунд видео. Также очень много сухой теории и ненужных математических обоснований, которые не имеют никакого смысла для человека, который решил заняться машинным обучением. Всегда хотелось перелистнуть все видео и сесть за практику. В любом случае курс называется "ВВЕДЕНИЕ в машинное обучение", а не "погружение в него для аспирантов-математиков с исследованием алгоритмов на уровне машинного кода". Ну и хотелось бы отметить, что очень понравилось финальное задание, смог почувствовать настоящим разработчиком над реальным проектом. В плане оформления методических пособий всё на высшем уровне. Объективно очень качественный курс!

por oleg t

13 de Mar de 2016

Несмотря на довольно тяжелое введение, курс очень понравился.

С одной стороны, если бы я не проходил курс от Ng, врядли бы смог зафиналить. Очень математическое введение, другие обозначения целевой переменной и алгоритмов.

С другой стороны к третьему-четвертому уроку втягиваешься и начинаешь проводить правильные ассоциации. Формальный подход дает возможность по новому взглянуть на уже известные алгоритмы.

Отдельно спасибо за качественно продуманные практические задания. Если в первых уроках кажется, что они не очень между собой связаны, то в финальном задании практически каждый блок на своем месте. Если у Ng задания были практически дословным воплощением мат. формулы в матлабовский код, то здесь реальные данные показывают свое истинное лицо. Надо включать мозг и смотреть документацию к numpy, pandas и тп.

Финальное задание отдельно порадовало. Дает реальное "ощущение" работы с моделями.

Спасибо!

por Пильгуй В Л

26 de Set de 2017

Ну что ж, начнем ))) Я бы сказал отличный курс. Я не математик и почти мало программирую, потому как больше выполняют роль менеджера (СТО). На курс пошел для того чтобы хоть немного раззбираться в теме и попробовать применять ее в наших проектах. Вся теория утомляет, и честно сказать, я думал что не пройду курс по причине слабого мат аппарата, но благодаря практике смог постепенно разобраться. Здесь чувствуется советская школа, очень много сложной теории, которая ну никак не является введением )) Очень порадовал финальное задание, получилось расставить все по полочкам, так сказать окончательно для себя выбрать самое основное и понять как применять эти знания на практике в своей работе. Больше бы практики в этом курсе и была бы оценка 5. В любом случае огромное спасибо создателям курса! Хотелось бы продолжение.

por Alexey F

1 de Jun de 2016

Спасибо за создателям этого курса за материал!

Скажу сразу, что осваивать материал было очень тяжело. Теоретическая часть была еще более менее понятна, задания разбивались на части и проходились поэтапно. Но вот создание программ на Python было куда сложнее. Приходилось очень много гуглить, т.к. те примеры кода, которые приведены в курсы, явно мало, чтобы создать законченную программу.

Но мне все это не испугало. Любой материал осваивать сложно.

Очень порадовало, что в конце материал подытожен и рассказаны главные шаги в любом анализе данных. После этого картина улеглась в голове еще лучше.

После курса осталось желание изучать материал еще глубже. Поэтому записался на другие русскоязычные курсы. Потом собираюсь пройти англоязычный курс.

Еще раз спасибо создателям курса!!!