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
2,381 個評分
317 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

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!

MM

Dec 30, 2016

Спасибо большое за курс!\n\nСистематизировал и вспомнил свои знания по линейным моделям, узнал много нового и полезного про остальные модели, поработал наконец с нейронными сетями!

篩選依據:

276 - Обучение на размеченных данных 的 299 個評論(共 299 個)

創建者 Аникин Г К

May 17, 2020

Задания могли бы быть и более подготовленными, но, в целом, курс понравился.

創建者 Рыжов В П

Nov 11, 2019

В целом хорошо, но по нейронным сетям слишком мало было рассказано.

創建者 Maria N

Oct 01, 2019

Очень понятно все и интересно. Но по нейронным сетям большой минус.

創建者 Чернышев А О

Sep 18, 2017

Про нейронные сети мало рассказывается, "галопом по Европе"

創建者 Павлов Е В

Jul 09, 2017

Не очень понятно изложено про XGBoost и нейронную сеть.

創建者 Амиров Р М

Apr 24, 2017

Отличный курс! Жаль, что мало практики по нейронкам.

創建者 Антон Г

Oct 24, 2018

Отличный курс, но хотелось бы больше про нейросети

創建者 Захаркин Г Ф

Nov 03, 2019

5 неделя разочаровала

創建者 Ульянов Р

Jul 09, 2017

Лучше первого

創建者 Basil S

Oct 15, 2017

not bad

創建者 Демидова Е А

Jun 17, 2018

Спасибо Виктору Кантор и Дмитрию Ветрову за замечательные и живые лекции. Ваши лекции пробуждают интерес к темам, которые вы затрагиваете. Видно, что вы отлично понимаете то, о чем рассказываете, а главное, можете донести эту информацию до других.Три звезды за то, что некоторые лекции были откровенно некачественными, было похоже, что студента-прогульщика заставили делать доклад по теме, которую он не понимает (конечно, это не касается выше указанных преподавателей).

創建者 Evgeny F

Sep 10, 2020

Спасибо за курс. Понравился материал про линейные модели и композицию алгоритмов. Остальное очень кратко, очень многое пропущено. Про нейронные сети на 5 неделе очень плохо изложено. Проблемы с версиями библиотек и кодом под второй питон в 2020 году конечно не очень. Стоит окончательно обновить под 3 версию и в начале курса сделать видео с рекомендацией использования виртуального окружения с фиксированными зависимостями. Такой подход ведь и в жизни пригодится.

創建者 Anastasiia B

Feb 21, 2020

Лекции очень сжатые, но понятно куда копать. Другое дело, что копать и сроки сдачи курса не соотносятся от слова "совсем". Частично не адаптированные к питону 3.+ и новым параметрам в библиотеках задания, вместо даже минимального обзора TensorFlow мертвый pybrain. Недостаточно практики. Но при этом очень хороший обзор в целом, чтобы понимать что нужно для специализации.

創建者 Zamoshin P

Oct 04, 2019

Из-за вечного разгадывания ребусов в заданиях (а какие параметры они не указали на этот раз) пропадает всякое желание заниматься курсом. Боюсь, продлять еще раз его уже не буду. Тем не менее, спасибо.

創建者 Ilya D

Sep 23, 2017

Очень подробно рассмотрены линейная регрессия, решающие деревья, композиции алгоритмов, но нейронные сети, Байес и kNN "свалены" в одну неделю, хотя материала по ним хватит на отдельный курс.

創建者 Ablaikhan A

Jun 13, 2016

Great content, but there is no point to keep automated-grading closed for auditing students.

創建者 Попов В Б

Jan 31, 2019

Более формальный курс, чем предыдущий

創建者 Александр С Д

Aug 28, 2020

Последняя неделя была не оч...

創建者 Daria K

Jul 12, 2020

Курс был создан несколько лет назад, и с тех пор многие библиотеки поменялись. Например, обновились параметры по умолчанию. Из-за этого возникает масса геморроя со сдачей заданий, так как ответы, получаемые сейчас, не совпадают с получаемыми ранее при том же коде. Ну и некоторые лабы вообще не запускаются сейчас без танцев с бубном.

О вышеуказанных проблемах студенты курса сообщают уже очень давно, но создатели положили на это болт. Учитывая, что курс платный, ставлю оценку 2 за такое отношение.

創建者 Ruslan S

Apr 03, 2017

Условно-простые задания с непонятным объяснением

創建者 Колокольцев А М

Aug 19, 2020

Вы знаете, я прошел множество курсов, не могу сказать что сам курс плохой, но формулировка вопросов на уровне "делаем из вопроса философское рассуждение". Просто устал тратить время на попытки понять простейший вопрос. Преподаватели прямо таки стремятся объяснять как можно сложнее простые вещи.

創建者 Волынский А Н

Jun 28, 2017

Еще один пример неудачного курса от яндекса и мфти. Мало примеров, мало практики, слабые тесты, авторские неработающие функции в программных заданиях.

創建者 Kirill

Feb 16, 2017

Курс очень хороший, но поддержка отвратительная. На форуме получить ответ на вопрос можно только если сило повезёт

創建者 Козлов И А

Mar 01, 2019

достали эти проверки сокурсниками, эти задания уже 4 день висят