Chevron Left
Введение в машинное обучение(으)로 돌아가기

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

4.6
별점
2,300개의 평가
466개의 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
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.

DD
2016년 2월 9일

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 450개 리뷰 중 126~150

교육 기관: Theodor B

2018년 2월 18일

Отличный курс - было очень приятно учиться. Сильно мешало незнание python (начал учить по ходу). Последние лекции были особенно интересны.

교육 기관: Dmitriy S

2017년 12월 21일

Неплохой курс на русском языке. Объясняет базовые подходы, проблемы и их решения. Можно пройти курс, даже если не разу не писал на Питоне.

교육 기관: Михаил Ю Г

2019년 10월 14일

Формулирование тестовых заданий происходит в очень расплывчатой манере. Мне кажется можно их усложнить, но формулировать все же по чётче.

교육 기관: Danilov S

2020년 1월 23일

Хороший сбалансированный курс, свежий и проходится на одном дыхании, очень приятные преподаватели, местами нужны хорошие входные данные.

교육 기관: Fedor M

2016년 7월 17일

Очень глубокое погружение в тему. Сильно занижены предварительные навыки, что делает для некоторых этот курс невозможным для завершения.

교육 기관: Хабиров Т Р

2018년 12월 12일

Отличный вводный курс для начинающих с нуля. После прохождения появляется представление о том, как решаются задачи машинного обучения.

교육 기관: Михеев И Е

2020년 5월 7일

курс классный, очень быстрый рост сложности заданий для человека который дальше циклов в питоне не ходил, но выполнимый и полезный.

교육 기관: Oleg O

2016년 8월 20일

Сначала курс казался немного непонятным, но хорошие лекторы и повторение материала в конце расставили всё по своим местам. Спасибо!

교육 기관: Konstantin

2016년 3월 12일

"Лучше игрушечная задача на реальных данных, чем реальная задача на игрушечных" - очень правильно подмечено.

Курс крайне понравился.

교육 기관: Пчелинцев А В

2020년 3월 25일

Курс сбалансирован по обзору теоретического материала и получаемым практическим навыкам. Т.е. как введение курс вполне оправдан.

교육 기관: Виталий Х

2016년 3월 11일

Спасибо.Курс достаточно хорош для первого знакомства с машинным обучением.Очень понравился курс и разнообразие прикладных задач.

교육 기관: Aleksandr S

2020년 4월 7일

Мне понравилось. Как начинающему были даны хорошие базовые знания, к тому же оставили много вопросов для дальнейшего изучения.

교육 기관: Есипов И М

2020년 6월 4일

Хороший курс, на мой взгляд, мало заданий на программирование самих моделей обучения, но в целом неплохо, ожидания оправдал

교육 기관: Бердников В А

2018년 7월 3일

Хороший курс, но требует нормального знания Python и намного больше времени чем указано в описании (если Python не знаешь).

교육 기관: Волков С А

2018년 10월 3일

Хорошо подходит для быстрого получения основ и для закрепления полученных знаний раньше.

Очень хорошие практические задания

교육 기관: Fedor R

2016년 2월 25일

Short and good, a way to learn practical python ML skills and math background to understand and feel different ML technics

교육 기관: Skapenko I R

2018년 8월 19일

Отличное введение в data science.

Имеется обзор всех основных алгоритмов. Также очень доволен знакомству с sklearn/pandas.

교육 기관: Il'gam A

2016년 8월 31일

It is a great course for those who intersted in machine learning! I recomend it for everyone. Thank you for your efforts!

교육 기관: Рудаменко Р А

2019년 10월 23일

Познавательно, легко и ёмко, даже для тех, кто сталкивается с машинным обучением и программированием на Python впервые!

교육 기관: Веселов А

2020년 8월 7일

Практика была довольно простой, теория тоже не очень подробная, но на то оно и введение. Преподаватели замечательные!

교육 기관: Aver N

2019년 2월 24일

Курс очень понравился. Местами теория сложновата. Но в общем и целом - все замечательно. И задания и лекции. Спасибо!

교육 기관: Aidos A

2016년 3월 11일

Отличный курс!

Считаю, что в лекции про решающие деревья необходимо более детально разобрать аолгоритмы с пропусками.

교육 기관: Лойко А А

2020년 6월 22일

Отличный курс. Большое спасибо организаторам за подробный теоретический материал и интересные практические задания.

교육 기관: Золотых М А

2019년 9월 19일

Отличный преподаватель. Все очень понятно, полезно и доходчиво. Юмор и примеры в лекции расставляют все по местам.

교육 기관: Dmitrii M

2016년 3월 15일

Отличный обзор возможностей машинног обучения с небольшой практикой дающей хороший задел для дальнейшего обучения