We may earn an affiliate commission when you visit our partners.
Course image
Coursera logo

Машинное обучение

от статистики до нейросетей

Evgeny Sokolov, Анастасия Рысьмятова, Артем Филатов, Евгений Ковалев, Вадим Кохтев, Зимовнов Андрей Вадимович, and Ульянкин Филипп Валерьевич
Современные науки о данных — это огромная область, которая включает себя много методов, технологий и трюков. Всё это быстро развивается, постоянно возникают новые направления и результаты. На нашей специализации вы познакомитесь со всеми ключевыми разделами...
Read more
Современные науки о данных — это огромная область, которая включает себя много методов, технологий и трюков. Всё это быстро развивается, постоянно возникают новые направления и результаты. На нашей специализации вы познакомитесь со всеми ключевыми разделами машинного обучения и анализа данных, освоите самые важные концепции и получите базу, с которой сможете углубляться дальше в любом направлении — будь то рекомендательные системы, машинное зрение или обучение с подкреплением. Мы начнём с изучения инструментария Python для анализа данных: разберёмся, как с его помощью можно собирать данные из разнообразных источников, искать и устранять в них проблемы, делать первичную аналитику. В следующих курсах мы познакомимся с классическим машинным обучением (и дойдём до композиций моделей, которые являются стандартом для работы с табличными данными) и статистическими методами и их приложениями для анализа моделей, работы с временными данными и A/B-тестирования. Наконец, мы изучим ключевые разделы глубинного обучения: узнаем, как обучаются современные нейронные сети и как именно они позволяют добиваться мощных результатов при анализе изображений и текстов.
Enroll now

Share

Help others find this collection page by sharing it with your friends and followers:

What's inside

Five courses

Продвинутые методы машинного обучения

(0 hours)
“Продвинутые методы машинного обучения” — продолжение специализации “Машинное обучение: от статистики до нейросетей” от НИУ ВШЭ. Курс охватывает три темы: решающие деревья, обучение без учителя и рекомендательные системы.

Математическая статистика и А/В тестирование

(0 hours)
В этом курсе мы рассмотрим данные через призму математической статистики. Научимся переводить задачи на язык статистики и выбирать методы для работы с ними.

Основы машинного обучения

(0 hours)
Сейчас термины “машинное обучение” или даже “искусственный интеллект” у всех на слуху. Это действительно важная и полезная область, с которой вы сталкиваетесь каждый день: поисковики, боты в службах поддержки, умные часы. В этом онлайн-курсе НИУ ВШЭ вы разберетесь с принципами работы методов машинного обучения с учителем.

Сбор и анализ данных в Python

(0 hours)
In this online course, we will cover the basics of statistics, data collection, processing, and visualization. We will also discuss the fundamental theorems of mathematical statistics: the Law of Large Numbers and the Central Limit Theorem.

Статистические методы анализа данных

(0 hours)
В этом онлайн-курсе НИУ ВШЭ мы поговорим о статистических методах анализа данных. Мы обсудим их связь с машинным обучением и место среди наук о данных. Рассмотрим два вопроса: "Как устроен мир?" и "Что будет дальше?". От ответа на них зависит выбор методов.

Save this collection

Save Машинное обучение: от статистики до нейросетей to your list so you can find it easily later:
Save
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2024 OpenCourser