Chevron Left
返回到 Обучение на размеченных данных

學生對 莫斯科物理科学与技术学院 提供的 Обучение на размеченных данных 的評價和反饋

4.8
2,233 個評分
288 條評論

課程概述

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина. В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

熱門審閱

RN

Jan 21, 2017

Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.

AG

Nov 15, 2019

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

篩選依據:

226 - Обучение на размеченных данных 的 250 個評論(共 270 個)

創建者 Ilya P

Aug 01, 2017

Второй курс специализации Яндекса (по ИИ) оставил противоречивые впечатление. С одной стороны, сделать продукт такого качества совсем не просто, и в русскоязычном пространстве вряд ли найдется более качественная специализация по ML. С другой стороны, подход Физтеха порой чересчур академичен, да и не расскажешь все за одну специализацию. Если параллельно подсматривать курсы на Udacity, например Deep Learning от Google, очень хорошо получается.

創建者 Vadim K

May 29, 2018

Supervised learning part is much better than the first one in terms of the lessons, however it's not perfect. Neural networks lessons and assignments are really poor. I also find some things to not be expressed in enough details, it seems like not all pictures in the slides are correct. As I remember it was about uniform vs distance in KNN or SVM where overfitting graph is for distance(1) instead of uniform(1/d).

創建者 Gennadiy B

Jan 13, 2020

В целом курс хороший, хотя теория рассказана поверхностно, это оставляет ощущение неудовлетворенности и неуверенности в том, что понял материал до конца. Это скорее выглядит как справка, которую принимаешь на веру. Задания выглядят как рецепт в кулинарной книги, но это хорошо. При желании можно разобраться в теме, подтянув знания по математике, жаль только литература вся на английском.

創建者 Sergey O

Dec 10, 2019

Курс хороший. Познакомитесь с решающими деревьями, случанйым лесом, бустингом. Но вот некоторые блоки - нейронки, байесовские методы - на мой взгляд даны очень уж вкратце. Как обзор - подойдет, но в нем немного смысла, ведь мы все равно забудем эти вещи.

Я все равно рад, что прошел "Обучение на размеченных данных". Думаю, стоит погружаться дальше.

創建者 Evgenii K

Mar 14, 2020

Хороший курс и задания интересные. Подкачала пятая неделя - как будто бы в последних блоках за три подхода по полчаса пытаются рассказать про нейронные сети, байесовские методы и метрические классификаторы, получается в итоге очень скомкано. С нейронками так вообще провал

創建者 Domnin V

Jan 27, 2019

Любопытный вводный курс, дающий мне как новичку представление о сложившейся терминологии, базовых инструментах, а главное широте и объеме темы. Тема огромна.

Спасибо инструкторам за энтузиазм и информативность изложения. Получилось точно не хуже, чем AWS тренинг.

創建者 Ivan O

May 02, 2018

Хороший курс, здесь совсем мало нейронок, но очень хорошее введение в целом в алгоритмы машинного обучения. На практике может занять больше заявленных 5 недель, ну и встречаются задания в которых нужно поплясать с бубном, чтобы ответ приняли.

創建者 Gulnur B

Apr 12, 2019

Отличный курс! Расстроила только последняя неделя: неудачный выбор лектора в первом разделе; недостаток взаимосвязанности с предыдущим материалом; скомканность достаточно интересных тем. Тем не менее, огромное спасибо за вашу работу!

創建者 Беденко А А

Jan 23, 2018

Жалко, что нейронные сети остались за бортом. С другой стороны - полученных знаний вполне хватает чтобы понимать учебники по НС. Так что наверстаем. 4 первых недели прекрасны. Последняя неделя - IMHO винегрет. Потому 4 из 5.

創建者 Шаланкин М Д

Mar 14, 2019

Хороший сложный курс, насыщенная программа и интересные задания.UPD: (прошёл 5 курсов из этой специализации, никому не советую проходить больше двух первых, потому что цена - качество не соответсвуют)

創建者 Stanislav

Feb 22, 2018

Замечательный курс, узнал много важных вещей. Но последняя неделя показалась несколько поверхностной. Надеюсь, что её материал будет рассмотрен подробнее в следующих курсах специализации.

創建者 Радионов А

Sep 20, 2017

Курс отличный: грамотно подаются практические аспекты обучения с учителем. Правда, впечатление несколько портит использование Python 2 и странное задание с PyBrain. Но это не критично.

創建者 Vladimir Y

Feb 14, 2018

Хороший курс, но есть ряд замечаний к практическим заданиям. Мне кажется они нуждаются в дополнительной проработке и им необходима более широкая лекционная поддержка.

創建者 Волков П М

Feb 22, 2020

Вторая часть курса явно не так хорошо нормирована. Задания стали куда более трудоемкими и при этом их количество так же увеличилось. Но за теорию спасибо

創建者 Dmitriy R

Jun 28, 2017

Практическая работа по нейронным сетям не дала никаких навыков по работе с ними. Просто copy-paste предыдущих строчек кода в этом же ipython notebook.

創建者 Vadim T

Mar 25, 2017

Велика разница между преподавателями. Особенно неудачно, на мой взгляд, освещались темы Байесовской классификации и регресии и метрические алгоритмы

創建者 Максим Ф

Aug 25, 2019

Не все вопросы были достаточно понятными, хотелось бы более нормальных вопросов. В остальном всё очень круто. Спасибо

創建者 Nikolay S

Mar 24, 2018

Некоторые задания были плохо составлены. Было слишком много ошибок/багов/опечаток. В остальном было полезно.

創建者 Arsenii M

Jul 22, 2017

В конеце курса немного скомканно подаётся материал, особенно на пятой неделе. В остальном всё отлично!

創建者 Polovinkin A

Oct 08, 2017

- балл за наличие ошибок и недосказанностей в заданиях спустя огромное время с момента старта курса

創建者 Valerii B

Mar 25, 2020

Хороший познавательный курс, но некоторые практические задания плохо поддерживаются и устарели.

創建者 Maksim S

Nov 25, 2019

Коллеги, данный курс можно было бы сделать и подлиннее) Особенно 5ю неделю) А так все ок! )

創建者 Alexey S

May 23, 2016

Не смотря на то, что курс "сыроват" я почерпнул много полезного для работы и лично для себя

創建者 Dmitry D

Nov 09, 2018

Курс отличный! В меру теории и практики. Только 5я неделя подкачала - очень скомканно.

創建者 Студенников В Ю

Oct 25, 2016

Не все используемые понятия объясняются. Очень мало внимания уделено нейронным сетям.