課程信息

192,763 次近期查看

學生職業成果

47%

完成這些課程後已開始新的職業生涯

60%

通過此課程獲得實實在在的工作福利

40%

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50 小時
俄語(Russian)
字幕:俄語(Russian)

您將獲得的技能

Random ForestPython ProgrammingMachine LearningSupervised Learning

學生職業成果

47%

完成這些課程後已開始新的職業生涯

60%

通過此課程獲得實實在在的工作福利

40%

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50 小時
俄語(Russian)
字幕:俄語(Russian)

提供方

莫斯科物理科学与技术学院 徽標

莫斯科物理科学与技术学院

Yandex 徽標

Yandex

E-Learning Development Fund 徽標

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%(34,218 個評分)Info
1

1

完成時間為 9 小時

Машинное обучение и линейные модели

完成時間為 9 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 обучении6分鐘
Типы задач в машинном обучении6分鐘
Машинное обучение: задачи и признаки12分鐘
Линейная регрессия4分鐘
Градиентный спуск4分鐘
Линейные модели8分鐘
2

2

完成時間為 9 小時

Борьба с переобучением и оценивание качества

完成時間為 9 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 переобучения6分鐘
Проблема переобучения и борьба с ней10分鐘
Как измерить качество алгоритма?6分鐘
Метрики качества10分鐘
Встроенные датасеты и кросс-валидация8分鐘
Введение в scikit-learn10分鐘
3

3

完成時間為 7 小時

Линейные модели: классификация и практические аспекты

完成時間為 7 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 правдоподобия6分鐘
Линейные модели: статистический взгляд14分鐘
Линейные модели: подготовка признаков6分鐘
Линейные модели: практические аспекты6分鐘
Подбор параметров по сетке6分鐘
Анализ данных в scikit-learn12分鐘
4

4

完成時間為 10 小時

Решающие деревья и композиции алгоритмов

完成時間為 10 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 деревьев8分鐘
Решающие деревья14分鐘
Бэггинг6分鐘
Композиции и случайные леса8分鐘
Обучение композиций и градиентный бустинг4分鐘
Градиентный бустинг: обучение и практические аспекты8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

Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач. В рамках специализации вы освоите основные темы, необходимые в работе с большим массивом данных, в т.ч. современные методы классификации и регрессии, поиск структуры в данных, проведение экспериментов, построение выводов, базовая фундаментальная математика, основы программирования на Python. Мы разберём, как построить рекомендательную систему, оценить эмоциональную окраску текста, спрогнозировать спрос на товар, оценить вероятность клика по рекламе и т.д. В финале вам потребуется выполнить проект собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании. Все, прошедшие специализацию, могут принять участие в Программе трудоустройства. Если вы заинтересованы в новых проектах, новых перспективах и возможностях - пройдите обучение по Специализации и подайте заявку....
机器学习和数据分析

常見問題

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 您注册课程后,将有权访问专项课程中的所有课程,并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容,可以免费旁听课程。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

還有其他問題嗎?請訪問 學生幫助中心