Chevron Left
Введение в машинное обучение(으)로 돌아가기

국립 연구 고등 경제 대학의 Введение в машинное обучение 학습자 리뷰 및 피드백

4.7
별점
2,237개의 평가
448개의 리뷰

강좌 소개

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...

최상위 리뷰

AL

Sep 25, 2018

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

DD

Feb 10, 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.

필터링 기준:

Введение в машинное обучение의 432개 리뷰 중 351~375

교육 기관: Dmitry G

May 10, 2016

Хорошое наполнение математикой (в отличие от Andrew Ng).

Из минусов:

-Ничего толком не рассказано про нейронные сети

-Задания слишком легкие

В целом, курс очень хорош для старта изучения ML

교육 기관: Alexander A

Feb 14, 2018

Отличный ознакомительный курс! К сожалению нет практических заданий на глубинное обучение.

Great course! Unfortunately it does not contain deep learning practical assignments.

교육 기관: Иванов А Ю

May 10, 2019

Спасибо большое, курс мне очень понравился, он дает очень много полезной информации.

Пожалуй единственный минус для меня - это некоторый разрыв между теорией и практикой.

교육 기관: Kirill Z

May 10, 2018

Хороший курс, позволяет понять азы машинного обучения. Мне не хватало навыков программирования в Питоне, по-этому некоторые задания выполнялись медленнее чем могли бы.

교육 기관: Kyrylo K

Mar 21, 2016

Я бы не сказал что это вводный курс, думаю что для начала можно послушать курс от Andrew Ng. Зато не плохое введение в инструменты для машинного обучения на Python.

교육 기관: Чернышев А В

Dec 01, 2019

Мало наглядных примеров в лекциях, что усложняет восприятие.

Мало примеров реализации на python, много приходилось искать, т.к. опыта работы с python не было

교육 기관: Гудиев А

Dec 19, 2017

Хороший курс. Местами много теории, мне кажется, которая потом не используется в практических заданиях. Но мне все равно понравилось. Спасибо!

교육 기관: Stanislav A

Feb 15, 2016

difficult for beginners

the authors don't explain many necessary things

it is useful only for students with the basic knowledge (math, physics)

교육 기관: Norov A M

Jan 17, 2020

Отличный курс. Есть рекомендация сделать видеобъяснения от профессора более простыми, т.к это введение для начинающих специалистов

교육 기관: Valery M

Aug 20, 2018

Cлишком много "простой" теории в лекциях, отсутствуют практические замечания. Домашние задания и финальный проект порадовали.

교육 기관: Журавлев П

May 04, 2020

Хороший курс, но я бы еще добавил пару заданий по самостоятельному написанию простеньких алгоритмов машинного обучения.

교육 기관: Andrey Z

Jul 17, 2019

Some lessons are too math-detailed. It would be better to introduce more realistic examples to explain ideas behind

교육 기관: Sergey B

Mar 10, 2016

Курс хороший, но присутствует дисбаланс в теории и практике. Но в целом, как введение, очень даже хорошо.

교육 기관: Leonid G

Oct 15, 2016

Отличный курс.

Не поставил 5, потому что частенько дается теория не подкрепленная объяснениями.

교육 기관: Васильченко Ю В

May 18, 2020

Курс неплохой, но информации в лекциях зачастую недостаточно для выполнения практических работ

교육 기관: Ted K

Aug 29, 2017

Теория тяжела без высшего математического/опыта в индустрии, но практические задания хорошие.

교육 기관: Alexey K

Mar 08, 2016

Too complex lectures for novices, too easy assignments for experienced python programmers.

교육 기관: Stanislav Z

Jan 06, 2018

Хороший курс, дает начальное представление о предмете и побуждает двигаться дальше :)

교육 기관: Anton V

Feb 22, 2016

Thank you for this course. It helps me learn a lot of interesting about Data Science.

교육 기관: Novoselov D

Jul 10, 2017

Целевая аудитория не определена. Курс плавает по уровню от лекции к лекции.

교육 기관: Ivan M

Sep 04, 2017

Все круто, но заданий по нейронкам хотя бы на базовом уровне не хватает

교육 기관: Andrey M

Apr 21, 2016

Спасибо! за прекрасно проведенное время и знания которые я получил =)

교육 기관: Ольга Э

Sep 13, 2018

Увы, у меня нет математической основы для прохождения курса

교육 기관: Konstantin S

Jul 31, 2017

Несомненно полезный курс для новичков в машинном обучении.

교육 기관: Nikita C

Dec 10, 2017

Okay-ish курс для начинающих

Но в целом, мне понравилось