課程信息

167,424 次近期查看

學生職業成果

32%

完成這些課程後已開始新的職業生涯

48%

通過此課程獲得實實在在的工作福利

42%

加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 2 門課程(共 6 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為59 小時
俄語(Russian)

您將獲得的技能

Random ForestPython ProgrammingMachine LearningSupervised Learning

學生職業成果

32%

完成這些課程後已開始新的職業生涯

48%

通過此課程獲得實實在在的工作福利

42%

加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 2 門課程(共 6 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為59 小時
俄語(Russian)

提供方

Placeholder

莫斯科物理科学与技术学院

Placeholder

Yandex

Placeholder

E-Learning Development Fund

教學大綱 - 您將從這門課程中學到什麼

內容評分Thumbs Up88%(36,105 個評分)Info
1

1

完成時間為 10 小時

Машинное обучение и линейные модели

完成時間為 10 小時
13 個視頻 (總計 82 分鐘), 8 個閱讀材料, 8 個測驗
13 個視頻
Как устроена специализация, и зачем ее проходить3分鐘
МФТИ1分鐘
Знакомство с машинным обучением11分鐘
Обучение на размеченных данных5分鐘
Обучение без учителя5分鐘
Признаки в машинном обучении8分鐘
Линейные модели в задачах регрессии9分鐘
Обучение линейной регрессии6分鐘
Градиентный спуск для линейной регрессии7分鐘
Стохастический градиентный спуск4分鐘
Линейная классификация6分鐘
Функции потерь в задачах классификации6分鐘
8 個閱讀材料
Формат специализации и получение сертификата10分鐘
Немного о Yandex10分鐘
МФТИ10分鐘
Forum&Chat10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
6 個練習
Основные термины в машинном обучении30分鐘
Типы задач в машинном обучении30分鐘
Машинное обучение: задачи и признаки30分鐘
Линейная регрессия30分鐘
Градиентный спуск30分鐘
Линейные модели30分鐘
2

2

完成時間為 11 小時

Борьба с переобучением и оценивание качества

完成時間為 11 小時
14 個視頻 (總計 126 分鐘), 9 個閱讀材料, 8 個測驗
14 個視頻
Регуляризация7分鐘
Оценивание качества алгоритмов7分鐘
Сравнение алгоритмов и выбор гиперпараметров4分鐘
Метрики качества в задачах регрессии10分鐘
Метрики качества классификации4分鐘
Точность и полнота8分鐘
Объединение точности и полноты5分鐘
Качество оценок принадлежности классу12分鐘
Встроенные датасеты. Sklearn.datasets15分鐘
Кросс-валидация. Sklearn.cross_validation9分鐘
Линейные модели. Sklearn.linear_model. Классификация10分鐘
Линейные модели. Sklearn.linear_model. Регрессия7分鐘
Метрики качества. Sklearn.metrics13分鐘
9 個閱讀材料
Слайды к лекциям10分鐘
Конспект10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
Встроенные датасеты. Sklearn.datasets (ipython notebook)10分鐘
Кросс-валидация. Sklearn.cross_validation (ipython notebook)10分鐘
Линейные модели. Sklearn.linear_model. Классификация (ipython notebook)10分鐘
Линейные модели. Sklearn.linear_model. Регрессия (ipython notebook)10分鐘
Метрики качества. Sklearn.metrics (ipython notebook)10分鐘
6 個練習
Проблема переобучения30分鐘
Проблема переобучения и борьба с ней30分鐘
Как измерить качество алгоритма?30分鐘
Метрики качества30分鐘
Встроенные датасеты и кросс-валидация30分鐘
Введение в scikit-learn30分鐘
3

3

完成時間為 9 小時

Линейные модели: классификация и практические аспекты

完成時間為 9 小時
14 個視頻 (總計 97 分鐘), 7 個閱讀材料, 7 個測驗
14 個視頻
Метод максимального правдоподобия4分鐘
Регрессия как максимизация правдоподобия2分鐘
Регрессия как оценка среднего4分鐘
Регуляризация8分鐘
Задача оценивания вероятностей и логистическая регрессия8分鐘
Масштабирование признаков6分鐘
Спрямляющие пространства5分鐘
Работа с категориальными признаками4分鐘
Несбалансированные данные5分鐘
Многоклассовая классификация4分鐘
Подбор параметров по сетке. Sklearn.grid_search9分鐘
Задача: bike sharing demand15分鐘
Задача: bike sharing demand. Продолжение13分鐘
7 個閱讀材料
Слайды к лекциям10分鐘
Конспект10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
Подбор параметров по сетке. Sklearn.grid_search (ipython notebook)10分鐘
Задача Bike Sharing Demand (ipython notebook)10分鐘
Задача Bike Sharing Demand. Продолжение (ipython notebook)10分鐘
6 個練習
Метод максимального правдоподобия30分鐘
Линейные модели: статистический взгляд30分鐘
Линейные модели: подготовка признаков30分鐘
Линейные модели: практические аспекты30分鐘
Подбор параметров по сетке30分鐘
Анализ данных в scikit-learn30分鐘
4

4

完成時間為 13 小時

Решающие деревья и композиции алгоритмов

完成時間為 13 小時
17 個視頻 (總計 114 分鐘), 10 個閱讀材料, 8 個測驗
17 個視頻
Обучение решающих деревьев6分鐘
Критерии информативности7分鐘
Критерии останова и стрижка деревьев4分鐘
Решающие деревья и категориальные признаки8分鐘
Решающие деревья в sklearn10分鐘
Композиции деревьев6分鐘
Смещение и разброс9分鐘
Случайные леса6分鐘
Трюки со случайными лесами4分鐘
Случайные леса в sklearn7分鐘
Композиции простых алгоритмов5分鐘
Градиентный бустинг7分鐘
Борьба с переобучением в градиентном бустинге6分鐘
Градиентный бустинг для регрессии и классификации4分鐘
Градиентный бустинг над решающими деревьями5分鐘
Градиентный бустинг в XGBoost5分鐘
10 個閱讀材料
Решающие деревья в sklearn (ipython notebook)10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
Случайные леса в sklearn (ipython notebook)10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
XGBoost10分鐘
Градиентный бустинг в XGBoost (ipython notebook)10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
6 個練習
Построение решающих деревьев30分鐘
Решающие деревья30分鐘
Бэггинг30分鐘
Композиции и случайные леса30分鐘
Обучение композиций и градиентный бустинг30分鐘
Градиентный бустинг: обучение и практические аспекты30分鐘

審閱

來自ОБУЧЕНИЕ НА РАЗМЕЧЕННЫХ ДАННЫХ的熱門評論

查看所有評論

關於 机器学习和数据分析 專項課程

机器学习和数据分析

常見問題

還有其他問題嗎?請訪問 學生幫助中心