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
2,299개의 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 201~225

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: Alexander F

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.

교육 기관: Eugene M

2017년 7월 7일

Отличный курс, дает хорошее понимание что такое ML

교육 기관: Konstantin T

2016년 3월 11일

Отличный курс. Очень хорошие практические задания.

교육 기관: Трегубов А В

2019년 3월 17일

все должны пройти этот курс, прекрасно для начала

교육 기관: Alexey P

2016년 2월 14일

Сложно и интересно. Мне важно видео со субтитрами

교육 기관: Ваганов Н

2019년 6월 3일

Спасибо Константину Воронцову за чудесные лекции

교육 기관: Лунёв А Ю

2017년 12월 2일

Спасибо большое, особенно за практическую часть!

교육 기관: Дубинич А И

2017년 5월 31일

Прекрасный курс дающий базовые понятия и навыки!

교육 기관: Орлов А В

2019년 4월 29일

Отличный курс для введения в Машинное обучение.

교육 기관: Alexey T

2016년 4월 4일

Классный курс, отлично дополняет курс Andrew Ng

교육 기관: Valentin

2016년 3월 12일

Очень хороший вводный курс в машинное обучение.