Chevron Left
Введение в машинное обучение(으)로 돌아가기

HSE 대학의 Введение в машинное обучение 학습자 리뷰 및 피드백

4.6
별점
2,401개의 평가
491개의 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

AA
2016년 6월 14일

Хороший курс без лишнего. Некоторые методы, предлагаемые в заданиях не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста, но, надеюсь, с новыми сессиями будет развитие курса.

AL
2018년 9월 24일

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

필터링 기준:

Введение в машинное обучение의 475개 리뷰 중 201~225

교육 기관: Анастасия Л

2020년 5월 12일

Очень информативный курс, как раз подходит для введения в Data Science

교육 기관: Yuriy M

2016년 1월 31일

Классно, полезно, с элементами самообучения, что очень важно.

Спасибо!

교육 기관: Бекхан Ч

2021년 4월 26일

Все отлично. Не хватило задания на программирование по нейросетям.

교육 기관: Токарев О С

2018년 9월 26일

Отличный курс! Все по делу и много практики! Порекомендую друзьям!

교육 기관: Maksim K

2019년 8월 8일

Everything is great!

Thanks a lot for the time and consideration!

교육 기관: Filatov S

2020년 4월 17일

Отличный баланс теоретической информации и практических заданий!

교육 기관: Гусев С А

2019년 12월 26일

Великолепный курс, получил много новых умений и знаний. Спасибо!

교육 기관: Vlad G

2019년 9월 5일

Потрясающий курс!!! Многому меня научил. СПАСИБО создателям!!!👍

교육 기관: Artsiom M

2017년 7월 19일

Все очень интересно и понятно изложено. Много практики. Спасибо!

교육 기관: Maksim B

2020년 2월 15일

Отличный курс для начала погружения в тему машинного обучения.

교육 기관: Крайнев К В

2018년 1월 5일

Отличный курс для такого небольшого объема времени

Не пожалел)

교육 기관: Балетинских А А

2019년 2월 4일

this course gave me a starting point for my self-improvement

교육 기관: Kirill S

2019년 2월 21일

Хороший курс для начального погружения в машинное обучение.

교육 기관: Белобородов С В

2020년 2월 1일

Хороший стартовый курс по машинному обучению. Рекомендую.

교육 기관: Шишло С В

2020년 5월 4일

Мне курс очень понравился. Большое спасибо разработчикам

교육 기관: Viktoria V

2019년 10월 9일

Проходила курс ради практики. Она тут шикарно разобрана)

교육 기관: Лацков А В

2020년 5월 12일

Курс оказался не таким простым как сначала показалось)

교육 기관: Дарья В Ш

2019년 3월 21일

Очень понятно объясняется материал, полезные задания.

교육 기관: Anatoliy S

2017년 11월 19일

Не все формулировки в заданиях понятны, но жить можно

교육 기관: Andrey K

2020년 10월 25일

После изучения основ Питона, курс прям то, что надо!

교육 기관: Александр Ф

2019년 9월 9일

Great coverage of basic knowledge for ML algorithms.

교육 기관: Алексей Н

2018년 1월 14일

Балдёж, лучшее, чем я занимался в своей жалкой жизни

교육 기관: Баранов М А

2016년 4월 13일

Отличный курс, полезно, интересно, понятно. Спасибо.

교육 기관: Chesalin A

2016년 5월 5일

Nice course, thank you, authers!

Chesalin Alexander

교육 기관: Евгений П

2016년 3월 29일

Отличный курс!

Введение в Python не было бы лишним.