About this Course
112,308

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

탄력적인 마감일

일정에 따라 마감일을 재설정합니다.

완료하는 데 약 35시간 필요

권장: 7 недель исследования, 3-5 часов / неделю...

러시아어

자막: 러시아어

귀하가 습득할 기술

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningPandas

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

탄력적인 마감일

일정에 따라 마감일을 재설정합니다.

완료하는 데 약 35시간 필요

권장: 7 недель исследования, 3-5 часов / неделю...

러시아어

자막: 러시아어

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 5시간 필요

Знакомство с анализом данных и машинным обучением

Добро пожаловать! В первом модуле курса мы расскажем о задачах, которые решает машинное обучение, определим базовый набор понятий и введем необходимые обозначения. Также мы расскажем про основные библиотеки языка Python для работы с данными (NumPy, Pandas, Scikit-Learn), которые понадобятся для выполнения практических заданий на протяжении всего курса....
5 videos (Total 57 min), 4 readings, 2 quizzes
5개의 동영상
Формальная постановка задачи машинного обучения14m
Примеры применения машинного обучения — 110m
Примеры применения машинного обучения — 213m
Проблема переобучения. Методология решения задач машинного обучения.15m
4개의 읽기 자료
Приветствие и вводная информация10m
FAQ10m
Python для анализа данных10m
Работа с векторами и матрицами в NumPy10m
1개 연습문제
Основные понятия машинного обучения8m
완료하는 데 4시간 필요

Логические методы классификации

Логические методы делают классификацию объектов на основе простых правил, благодаря чему являются интерпретируемыми и легкими в реализации. При объединении в композицию логические модели позволяют решать многие задачи с высоким качеством. В этом модуле мы изучим основной класс логических алгоритмов — решающие деревья. Также мы поговорим про объединение деревьев в композицию, называемую случайным лесом....
4 videos (Total 35 min), 2 quizzes
4개의 동영상
Алгоритм построения решающего дерева6m
Обработка пропусков. Достоинства и недостатки решающих деревьев.8m
Способы устранения недостатков решающих деревьев12m
1개 연습문제
Решающие деревья4m
2
완료하는 데 7시간 필요

Метрические методы классификации

Метрические методы проводят классификацию на основе сходства, благодаря чему могут работать на данных со сложной структурой — главное, чтобы между объектами можно было измерить расстояние. Мы изучим метод k ближайших соседей, а также способ его обобщения на задачи регрессии с помощью ядерного сглаживания....
4 videos (Total 34 min), 1 reading, 3 quizzes
4개의 동영상
Метод окна Парзена8m
Метрические методы классификации в задаче восстановления регрессии9m
Обнаружение выбросов6m
1개의 읽기 자료
Анкета10m
1개 연습문제
Метрические методы4m
완료하는 데 4시간 필요

Линейные методы классификации

Линейные модели — один из наиболее изученных классов алгоритмов в машинном обучении. Они легко масштабируются и широко применяются для работы с большими данными. В этом модуле мы изучим метод стохастического градиента для настойки линейных классификаторов, познакомимся с регуляризацией и обсудим некоторые тонкости работы с линейными методами....
5 videos (Total 31 min), 2 quizzes
5개의 동영상
Градиентные методы численной минимизации и алгоритм SG5m
Алгоритм SAG3m
Метод стохастического градиента. Достоинства и недостатки.10m
Проблема переобучения5m
1개 연습문제
Линейные методы и градиентный спуск6m
3
완료하는 데 10시간 필요

Метод опорных векторов и логистическая регрессия

Линейные методы имеют несколько очень важных подвидов, о которых пойдет речь в этом модуле. Метод опорных векторов максимизирует отступы объектов, что тесно связано с минимизацией вероятности переобучения. При этом он позволяет очень легко перейти к построению нелинейной разделяющей поверхности благодаря ядровому переходу. Логистическая регрессия позволяет оценивать вероятности принадлежености классам, что оказывается полезным во многих прикладных задачах....
5 videos (Total 38 min), 5 quizzes
5개의 동영상
Метод опорных векторов. Обобщение для нелинейного случая8m
Логистическая регрессия6m
Пример применения логистической регрессии5m
Регуляризованная логистическая регрессия2m
2개 연습문제
Особенности метода опорных векторов6m
Логистическая регрессия4m
완료하는 데 4시간 필요

Метрики качества классификации

В машинном обучении существует большое количество метрик качества, каждая из которых имеет свою прикладную интерпретацию и направлена на измерение конкретного свойства решения. В этом модуле мы обсудим, какие бывают метрики качества бинарной и многоклассовой классификации, а также рассмотрим способы сведения многоклассовых задач к двухклассовым....
3 videos (Total 31 min), 2 quizzes
3개의 동영상
Метрики качества классификации — 212m
Многоклассовая классификация7m
1개 연습문제
Метрики качества классификации6m
4
완료하는 데 3시간 필요

Линейная регрессия

В этом модуле мы изучим линейные модели для регрессии и обсудим их связь с сингулярным разложением матрицы "объекты-признаки"....
3 videos (Total 23 min), 1 quiz
완료하는 데 3시간 필요

Понижение размерности и метод главных компонент

В прикладных задачах часто возникает потребность в уменьшении количества признаков — например, для ускорения работы моделей. В этом модуле мы обсудим подходы к отбору признаков, а также изучим метод главных компонент, один из самых популярных методов понижения размерности....
1 video (Total 14 min), 1 quiz
4.6
357개의 리뷰Chevron Right

39%

이 강좌를 수료한 후 새로운 경력 시작하기

47%

이 강좌를 통해 확실한 경력상 이점 얻기

31%

급여 인상 또는 승진하기

최상위 리뷰

대학: ALSep 25th 2018

Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.

대학: DDFeb 10th 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.

강사

Avatar

Константин Вячеславович Воронцов

Профессор
Факультет компьютерных наук НИУ ВШЭ, Школа анализа данных Яндекса
Avatar

Evgeny Sokolov

Senior Lecturer
HSE Faculty of Computer Science

국립 연구 고등 경제 대학 정보

National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more. Learn more on www.hse.ru...

Yandex 데이터 분석 대학원 정보

В Школе анализа данных в течение двух лет студенты осваивают машинное обучение, компьютерное зрение, анализ текстов на естественном языке и другие направления современных компьютерных наук. Эти предметы обычно не входят в университетские программы, но при этом пользуются огромным спросом в отраслях, где уже применяются наукоёмкие информационные технологии. Некоторые выпускники Школы попадают на стажировку в Яндекс, где применяют только что полученные знания....

자주 묻는 질문

  • 강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.

  • 수료증을 구매하면 성적 평가 과제를 포함한 모든 강좌 자료에 접근할 수 있습니다. 강좌를 완료하면 전자 수료증이 성취도 페이지에 추가되며, 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 콘텐츠만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.