課程信息
58,217 次近期查看

第 3 門課程(共 6 門)

100% 在線

立即開始,按照自己的計劃學習。

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25 小時

建議:4 недели обучения, через 3-5 часа / неделю...

俄語(Russian)

字幕:俄語(Russian)

您將獲得的技能

Topic ModelData Clustering AlgorithmsMachine LearningData Visualization (DataViz)

第 3 門課程(共 6 門)

100% 在線

立即開始,按照自己的計劃學習。

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25 小時

建議:4 недели обучения, через 3-5 часа / неделю...

俄語(Russian)

字幕:俄語(Russian)

教學大綱 - 您將從這門課程中學到什麼

1
完成時間為 7 小時

Кластеризация

15 個視頻 (總計 109 分鐘), 8 個閱讀材料, 5 個測驗
15 個視頻
Как устроена специализация, и зачем ее проходить3分鐘
Структура уроков1分鐘
Задача кластеризации4分鐘
Примеры задач кластеризации5分鐘
Знакомство с методами кластеризации9分鐘
Пример: кластеризация текстов по теме13分鐘
Выбор метода кластеризации7分鐘
МФТИ1分鐘
Метод K средних (K-Means)10分鐘
Expectation Maximization (EM-алгоритм)9分鐘
Агломеративная иерархическая кластеризация12分鐘
Графовые методы кластеризации4分鐘
Методы, основанные на плотности6分鐘
Оценка качества и рекомендации по решению задачи кластеризации13分鐘
8 個閱讀材料
Блокнот из примера кластеризации текстов20分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
Немного о Yandex10分鐘
МФТИ10分鐘
Forum&Chat10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
4 個練習
Знакомство с кластеризацией6分鐘
Введение в кластеризацию8分鐘
Некоторые методы кластеризации8分鐘
Подробнее о методах кластеризации12分鐘
2
完成時間為 6 小時

Понижение размерности и матричные разложения

15 個視頻 (總計 108 分鐘), 4 個閱讀材料, 5 個測驗
15 個視頻
Одномерный отбор признаков8分鐘
Жадные методы отбора признаков6分鐘
Отбор признаков на основе моделей6分鐘
Понижение размерности4分鐘
Метод главных компонент: постановка задачи7分鐘
Метод главных компонент: решение6分鐘
Матричные разложения13分鐘
SGD и ALS5分鐘
Прогнозирование неизвестных значений в матрице6分鐘
Проблема отсутствия негативных примеров и implicit методы6分鐘
Вероятностный взгляд на матричные разложения5分鐘
Неотрицательные матричные разложения: постановка и решение10分鐘
Неотрицательные матричные разложения: функционалы и инициализация5分鐘
Обработка пропусков8分鐘
4 個閱讀材料
Слайды к лекциям10分鐘
Конспект10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
4 個練習
Отбор признаков6分鐘
Понижение размерности и отбор признаков14分鐘
Матричные разложения8分鐘
Неотрицательные матричные разложения10分鐘
3
完成時間為 4 小時

Визуализация и поиск аномалий

8 個視頻 (總計 57 分鐘), 5 個閱讀材料, 5 個測驗
8 個視頻
Параметрическое восстановление плотности9分鐘
Непараметрическое восстановление плотности8分鐘
Одноклассовый SVM5分鐘
Задача визуализации5分鐘
Многомерное шкалирование4分鐘
Метод t-SNE6分鐘
Визуализация данных в sklearn12分鐘
5 個閱讀材料
Слайды к лекциям10分鐘
Конспект10分鐘
Визуализация данных в sklearn10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
4 個練習
Восстановление плотности6分鐘
Поиск аномалий4分鐘
Методы SNE и t-SNE6分鐘
Визуализация14分鐘
4
完成時間為 10 小時

Тематическое моделирование

14 個視頻 (總計 151 分鐘), 8 個閱讀材料, 6 個測驗
14 個視頻
Постановка задачи тематического моделирования12分鐘
Базовые тематические модели и EM-алгоритм14分鐘
Регуляризация тематических моделей10分鐘
Мультимодальные тематические модели9分鐘
Внутренние критерии качества тематических моделей9分鐘
Внешние критерии качества тематических моделей16分鐘
Визуализация тематических моделей10分鐘
Тематические модели на практике11分鐘
Пример использования библиотеки gensim для построения тематической модели10分鐘
Установка BigARTM в Windows3分鐘
Установка BigARTM в Linux Mint2分鐘
Установка BigARTM в Mac OS-X3分鐘
Пример использования библиотеки BigARTM для построения тематической модели19分鐘
8 個閱讀材料
Слайды к лекциям10分鐘
Конспект10分鐘
Ноутбук из демонстрации использования gensim10分鐘
Ноутбук из демонстрации использования BigARTM10分鐘
Слайды к лекциям10分鐘
Конспект10分鐘
Финальные титры10分鐘
Стань ментором специализации10分鐘
4 個練習
Постановка задачи и базовые понятия6分鐘
Тематическое моделирование-18分鐘
Критерии качества тематических моделей6分鐘
Тематическое моделирование-26分鐘
4.7
124 個審閱Chevron Right

50%

完成這些課程後已開始新的職業生涯

45%

通過此課程獲得實實在在的工作福利

40%

加薪或升職

來自Поиск структуры в данных的熱門評論

創建者 PKMay 4th 2018

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

創建者 AAJan 9th 2017

Интересный курс, замечательные преподаватели. Есть моменты когда лекция довольно сложная, а тест простой, это оставляет тревожное ощущение недоученности :)

講師

Avatar

Константин Воронцов

доктор физико-математических наук, профессор
Кафедра интеллектуальных систем

關於 莫斯科物理科学与技术学院

Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой. Основой образования в МФТИ является уникальная «система Физтеха», сформулированная Петром Капицей: кропотливый отбор одаренных и склонных к творческой работе абитуриентов; участие в обучении ведущих научных работников; индивидуальный подход к отдельным студентам с целью развития их творческих задатков; воспитание с первых шагов в атмосфере технических исследований и конструктивного творчества с использованием потенциала лучших лабораторий страны. Среди выпускников МФТИ — нобелевские лауреаты Андрей Гейм и Константин Новоселов, основатель компании ABBYY Давид Ян, один из авторов архитектурных принципов построения вычислительных комплексов Борис Бабаян и др....

關於 Yandex

Yandex is a technology company that builds intelligent products and services powered by machine learning. Our goal is to help consumers and businesses better navigate the online and offline world....

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

  • 注册以便获得证书后,您将有权访问所有视频、测验和编程作业(如果适用)。只有在您的班次开课之后,才可以提交和审阅同学互评作业。如果您选择在不购买的情况下浏览课程,可能无法访问某些作业。

  • 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。

還有其他問題嗎?請訪問 學生幫助中心