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
2,112 個評分
274 個審閱

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:

76 - Обучение на размеченных данных 的 100 個評論(共 257 個)

創建者 Роман

Apr 05, 2017

Отличный курс! Отличные преподаватели! Очень качественный материал оптимальный для начинающих. Преподаватели увлекательно, живо, доходчиво объясняют курс.

創建者 Anton S

Dec 27, 2016

Курс отличный. Доступное изложение материала. Рекомендуется к прохождению интересующимся темой.

創建者 Olena K

Aug 30, 2016

Спасибо, было очень интересно. Хотелось бы расширить его и сделать более подробным.

創建者 Roman P

Mar 31, 2018

Интересные задания, актуальные технологии. Отличный курс!

創建者 Emin Y

Apr 25, 2018

Хороший курс, мне понравился. Спасибо!

創建者 Kozlovtsev A

Jul 28, 2016

Хороший курс. Поначалу казалось, что темы освещаются слишком уж "по вершкам", но по окончании курса, понял, что глубже и не нужно - весь необходимый практический минимум курс дает, а за теорией лучше все же обратиться к соответствующей литературе (или к специализированным курсам).

Теперь придирки :) В некоторых практических заданиях и тестах куча времени уходит на вычитывание мелких нюансов в условии. То есть написанный код верен, но грейдер не принимает ответ, потому что, например, во всех заданиях ранее мы стандартно делили выборку случайно, а в этом задании нам нужны именно последние 25%, на мой взгляд это требование в задании нужно как минимум выделять жирным шрифтом. Таких мест в задачах мало, но именно в силу своей внезапности, они сильно портят настроение.

В целом же, все понравилось, огромное спасибо преподавателям и всей команде курса!

創建者 Aleksei P

Mar 09, 2017

Очень плотный и полезный курс:)

創建者 Evgeniy G

May 01, 2016

Молодцы. Отличный курс. Немного провисает вопрос с нейроными сетями, но, надеюсь, что эта тема еще будет раскрыта подробнее в других курсах специализации.

創建者 Ilnur G

Feb 05, 2018

Отличный курс!

創建者 Andrii D

Apr 29, 2018

Хороший курс, много времени уделено объяснению теории. На мой взгляд - лучше параллельно читать с "The elements of statistical learning", там некоторые моменты подробнее объясняются.

創建者 Sergey P

May 17, 2016

Курс неплохой, интересный. Много практики. Нагрузка, все же, довольно высокая, особенно для работающего человека, поэтому бывает тяжело. Особенно огорчают ошибки в грейдере (на третьей деле, если не ошибаюсь, столкнулся), из-за них убивается действительно гигантское количество времени. Еще один минус - некоторые моменты в лекциях освещаются очень поверхностно, а порой на слушателя просто вываливаются большие формулы, а пояснение дано к ним в двух словах. В этом плане классический ml class с Andrew Ng мне понравился больше, т.к. теория там дана была более подробно, но зато было меньше практики (а тут плюс текущему курсу).

Например, если в теоретическом материале преподаватель скажет почему функция потерь, например, log-loss получается именно такой, то этот материал станет интересней в квадрате! :)

Тем не менее спасибо, было интересно.

創建者 Катя

Jun 30, 2016

<3

創建者 Sergey B

Apr 19, 2016

Отличное продолжение вводного курса. Прекрасные лекции и интересные задания. Рекомендую!

創建者 Dremina A

May 29, 2017

Хороший курс, где все разложено по полочкам. Понятная теория, интересное изложение, хорошо подобранные задачи, справки по функциям и даже есть подсказки, если отправленный ответ не совпадает с правильным. Понравились лекторы, рассказывали с огоньком в глазах :)

創建者 Taranov G

Jun 13, 2016

Отличный курс по введению в обучение на размеченных данных.

Жалко что нет модуля по работе с признаками, их очисткой и дискретизацией

創建者 Marsel B

Dec 18, 2016

Подробно и понятно вводят в дисциплину, если не хватит чего-то в лекциях и практике, есть ссылки на литературу, где можно глубже погрузиться в тему.

創建者 Anton K

Dec 09, 2017

Good job!

創建者 Pyltsin M

Apr 09, 2016

Круто. Спасибо YANDEX!

創建者 Vitaly T

Nov 20, 2017

Отличный курс!

創建者 Roman M

Sep 19, 2016

Хороший понятный курс. Больше уклон на востребованную практику чем на теорию.

創建者 Yuriy V

Dec 10, 2016

Отличный курс, жаль, что в универе не все вещи объяснялись так же понятно и просто :)

創建者 Valeriia N

Jan 31, 2018

The course overall is very good, especially if to read all the additional materials and google things to know more.

The only thing I personally did not like is non-uniformness of different parts. For example, in my opinion, the neural network part was much weaker than others: nothing was easy to understand in the videos and the practical task was just boring. However I need to notice that gradient boosting part and methods review part were really good.

Also a little thing that I did not like is that some of the tasks were in ipynb, and the others were not. It was just a bit imperfect.

Thank you for the course very much! I really enjoyed it and learned the things I did not know before.

創建者 Alexander S

Sep 29, 2017

Great! The best you can find on Courser for introduction to ML. You have to know Russian for this course.

創建者 Vladislav G

Aug 01, 2017

Интересный курс с множеством прикладных задач. Сделайте по возможности курс, а лучше специализацию, по нейронным сетям в продолжение данной.

創建者 Adylzhan K

Feb 01, 2018

Хороший курс