Chevron Left
返回到 Прикладные задачи анализа данных

學生對 莫斯科物理科学与技术学院 提供的 Прикладные задачи анализа данных 的評價和反饋

4.4
720 個評分
109 條評論

課程概述

Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалисты по анализу данных редко оказываются в такой идеальной ситуации. Обычно перед ними ставят задачи, которые нуждаются в уточнении формулировки, выборе метрики качества и протокола тестирования итоговой модели. Данные, с которыми нужно работать, часто представлены в непригодном виде: они зашумлены, содержат ошибки и выбросы, хранятся в неудобном формате и т. д. В этом курсе мы разберем прикладные задачи из различных областей анализа данных: анализ текста и информационный поиск, коллаборативная фильтрация и рекомендательные системы, бизнес-аналитика, прогнозирование временных рядов. На их примере вы узнаете, как извлекать признаки из разнородных данных, какие при этом возникают проблемы и как их решать. Вы научитесь сводить задачу заказчика к формальной постановке задачи машинного обучения и поймёте, как проверять качество построенной модели на исторических данных и в онлайн-эксперименте. На каждой задаче мы изучим плюсы и минусы пройденных алгоритмов машинного обучения. Прослушав этот курс, вы познакомитесь с распространенными типами прикладных задач и будете понимать схемы их решения. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

熱門審閱

PK
2018年5月23日

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

IS
2019年1月20日

Замечательный курс, полный примеров из реальной жизни для получения опыта. Очень полезные и понятные лекции, конспекты. Очень рад, что смог пройти этот курс.

篩選依據:

101 - Прикладные задачи анализа данных 的 107 個評論(共 107 個)

創建者 Гаврилин Н П

2019年4月1日

Очень жаль, что материалы курса не позволяют самостоятельно работать ни с самими нейросетями, ни с инструментами их разработки

創建者 Andrey A

2017年2月10日

Самый слабый курс специализации. Про сети много воды а потом практическое задание со ссылкой на документацию. Про рекомендательные системы, тав есть опрос решаемый только перебором. Ложка дектя в спецализацию а не курс. Если его убрать специализация тольок выиграет. Не ожидал такого подвоха после отличного 4-го курса.

創建者 Sergey A

2017年8月22日

Вторая неделя в части урока про машинное зрение ужасна. Поверхностные обзорные лекции неадекватные объему и сложности предметной области.

創建者 Ryzhikov N

2017年8月6日

Последняя неделя это полный *****.

Тесты с тремя вопросами и странными вариантами просто вымораживают. Курс бросили на середине.

創建者 Anton R

2018年11月9日

побольше бы ссылок на исследования врем рядов (я пока на 1й неделе)

創建者 Мельникова Е А

2019年6月28日

Вторая неделя заставила просто отписаться от курса.

Отвратительно.

創建者 Михаил

2017年12月7日

Самый мутный и бестолковый курс во всей специализации