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
2,302개의 평가
468개의 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 452개 리뷰 중 176~200

교육 기관: Konstantin V

2020년 10월 25일

Отлично, прекрасный баланс между "все объяснили для практики" и "найди в интернете"

교육 기관: Ерден Ж

2017년 9월 19일

Спасибо, очень интересно и познавательно. Большое спасибо лекторам и сокурсникам!

교육 기관: Дмитрий

2016년 2월 23일

Отличный курс, систематизирующий обрывочные знания, полученные на других курсах.

교육 기관: Болтачев А В

2018년 4월 18일

Отличный курс. Все подробно объяснено, но при этом дан простор для размышлений.

교육 기관: Fedor K

2017년 11월 29일

Хороший баланс теоритической и практической части курса. Реалистичные задания.

교육 기관: rinat

2016년 12월 11일

Очень интересный курс. Нет углубления в теорию (ненужного). Акцент на практику

교육 기관: Евгений

2017년 11월 28일

Отлично. И не думал что существуют настолько интересно организованные курсы.

교육 기관: Толмачев С

2017년 7월 8일

Отличный курс для начала знакомства с миром машинного обучения и нейросетей.

교육 기관: Victor S

2018년 4월 4일

Отличный старт в машинном обучении. Пришлось повспоминать линейную алгебру.

교육 기관: Dmitry S

2017년 6월 28일

Интересные материалы, отличные преподаватели, хорошее начало для новичков.

교육 기관: Павел М

2017년 11월 19일

Практическая часть просто великолепная. Теория, честно говоря, скучновата

교육 기관: Никита К

2017년 5월 3일

Большое спасибо!

Курс больше всего интересен благодаря интересным задачам.

교육 기관: Abitov D

2017년 3월 15일

Отличный курс.

Сильная теория и практика.

Развивает навыки работы в Python.

교육 기관: Vlad L

2016년 10월 27일

Everything is great! Sometimes lectures were apart from seminars and labs

교육 기관: Минаков В

2020년 4월 23일

Курс является отличным по качеству предоставленного материала лекторами

교육 기관: Дмитрий И

2016년 3월 9일

Мне очень понравился данный курс, спасибо создателям. Помогло в работе!

교육 기관: Lopatina A S

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: 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: Гончаров В В

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.