Chevron Left
返回到 Введение в машинное обучение

學生對 国立高等经济大学 提供的 Введение в машинное обучение 的評價和反饋

4.6
2,207 個評分
436 條評論

課程概述

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше. С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать. Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности. На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. Вы изучите основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Узнаете об основных методах машинного обучения и их особенностях, научитесь оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Наконец, познакомитесь с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. Для работы мы будем использовать реальные данные из реальных задач. Краткая программа курса: Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса. Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент. Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации. Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент. Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети. Неделя 6. Кластеризация и визуализация. Частичное обучение. Неделя 7. Прикладные задачи анализа данных: постановки и методы решения. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования. Очень желательно знать Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn. Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных. Мы уверены, что этот курс будет полезен каждому, кто хочет постичь искусство предсказательного моделирования и освоить интеллектуальный анализ данных. Появились технические трудности? Обращайтесь на адрес: coursera@hse.ru...

熱門審閱

AA

Jun 15, 2016

Хороший курс без лишнего. Некоторые методы, предлагаемые в заданиях не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста, но, надеюсь, с новыми сессиями будет развитие курса.

AL

Sep 25, 2018

Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.

篩選依據:

201 - Введение в машинное обучение 的 225 個評論(共 421 個)

創建者 Евгений

Mar 29, 2016

Отличный курс!

Введение в Python не было бы лишним.

創建者 Eugene M

Jul 07, 2017

Отличный курс, дает хорошее понимание что такое ML

創建者 Konstantin T

Mar 11, 2016

Отличный курс. Очень хорошие практические задания.

創建者 Трегубов А В

Mar 17, 2019

все должны пройти этот курс, прекрасно для начала

創建者 Alexey P

Feb 14, 2016

Сложно и интересно. Мне важно видео со субтитрами

創建者 Ваганов Н

Jun 03, 2019

Спасибо Константину Воронцову за чудесные лекции

創建者 Лунёв А Ю

Dec 02, 2017

Спасибо большое, особенно за практическую часть!

創建者 Дубинич А И

May 31, 2017

Прекрасный курс дающий базовые понятия и навыки!

創建者 Орлов А В

Apr 29, 2019

Отличный курс для введения в Машинное обучение.

創建者 Alexey T

Apr 04, 2016

Классный курс, отлично дополняет курс Andrew Ng

創建者 Valentin

Mar 12, 2016

Очень хороший вводный курс в машинное обучение.

創建者 Винокуров М В

Feb 09, 2016

У преподавателя речь очень грамотно поставлена.

創建者 Шаланкин М Д

Apr 08, 2019

Отличный курс для введения в основные понятия.

創建者 Рычков А Ф

Oct 14, 2018

Спасибо. Насыщенный курс, даже для "введения".

創建者 Daniel

Jul 27, 2017

Хорошее введение в основы машинного обучения.

創建者 Фатуллаева А В к

Oct 05, 2019

Спасибо за такое замечательное приложение!!!

創建者 Vladimir Y

Mar 20, 2019

Понравилось делать руками градиентный спуск.

創建者 Anton K

Nov 26, 2018

для начала - очень неплохой курс, рекомендую

創建者 Albina S

Jan 29, 2018

Хорошие курс по введению в машинное обучение

創建者 Alexander O

Oct 19, 2017

Отличный курс! Он познакомил меня с Kaggle!

創建者 Starukhin Y A

Nov 27, 2016

Highly recommend this course for beginners!

創建者 Anton P

Sep 14, 2017

Excellent course with lot of practice. 5/5

創建者 Oksana D

Jan 19, 2017

Спасибо за замечательные домашние задания.

創建者 Антипин И Н

Apr 05, 2018

Интересный курс. Много практики. Годно.

創建者 Ганиев Т

Mar 04, 2018

Прекрасный курс, хорошие преподаватели.