Save for later

Введение в машинное обучение

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: [email protected]

Get Details and Enroll Now

OpenCourser is an affiliate partner of Coursera.

Get a Reminder

Not ready to enroll yet? We'll send you an email reminder for this course

Send to:

Coursera

&

Higher School of Economics

Rating 4.3 based on 281 ratings
Length 8 weeks
Effort 7 недель исследования, 3-5 часов / неделю
Starts Jul 6 (last week)
Cost $49
From Higher School of Economics, National Research University Higher School of Economics, Yandex School of Data Analysis via Coursera
Instructors Константин Вячеславович Воронцов, Евгений Соколов, Evgeny Sokolov
Download Videos On all desktop and mobile devices
Language Russian
Subjects Data Science Programming
Tags Data Science Machine Learning

Get a Reminder

Get an email reminder about this course

Send to:

Similar Courses

What people are saying

According to other learners, here's what you need to know

машинного обучения in 22 reviews

Курс охватывает изучение не только методов машинного обучения(SVM, логистическая регрессия, градиентный бустинг и т.д.

Хороший курс, позволяет понять азы машинного обучения.

Позволяет освоить и изучить основные методы машинного обучения.

Хороший вводный курс по методам машинного обучения.

Весьма полезный курс, в котором можно ознакомиться с основными алгоритмами машинного обучения.

Задание с последней недели оказалось очень интересным и наглядно демонстрирующим актуальность и востребованность машинного обучения в наши дни.

Рекомендую как одну из удачных точек входа в тематику машинного обучения.

Read more

практические задания in 13 reviews

Сложно для новичка и очень много сухой теории достаточно практических занятий Практические задания просто шик.

И практические задания интересные.

Теория тяжела без высшего математического/опыта в индустрии, но практические задания хорошие.

Теории невероятно больше чем практического Отличный курс, иногда сложно из-за слишком формальной постановки задач, но практические задания разбавляют избыточную формальность и на выходе мы имеет, математический фундамент в теории и разработанные руки на практике) Дошел до третьей недели курса.

Именно слушать такие лекции смысла не много, с тем же успехом их можно было просто выложить в виде мини-учебника вместе со слайдами, эффект был бы тот же.По практике - в лекциях не ни слова по практике на Python, выполняя практические задания придется ориентироваться только на не всегда полные текстовые описания и все время читать документацию по библиотекам языка (sklear, pandas, numpy).

Практические задания же часто слишком простые и глубокого понимания теории и не требуют - для их выполнения достаточно научиться пользоваться готовыми библиотеками.Кроме того, небрежно оценено время прохождения - на все практические задания якобы надо по 3 часа (хотя многие из них достаточно простые и у меня уходило намного меньше времени), а вот финальное задание, самое сложное и объемное, оценено в 2 часа.

Можно конечно пояснять теоретический материал со всей математической строгостью но тогда и задания должны быть соответствующие, для того чтобы эти знания закрепить.Плюс - практические задания довольно простые, но само описание заставляет подумать и вникнуть в суть задачи а не делать всё по пунктам, по окончанию курса остается хороший навык пользования pandas и sci-kit.В качестве введения - отличный курс, расслабится не получится.

Read more

andrew ng in 11 reviews

Нужно было установить требования к уровню знаний до начала курса.По сравнению с Andrew Ng, мало что понимаю сразу.

Одновременно проходил курс Andrew Ng из Стэнфорда.

Лучше пройдите курс от Andrew Ng Real good Highly recommend this course for beginners!

Ну не поленитесь - посмотрите курсы своих коллег - того же Andrew Ng.

Несмотря на то, что я носитель русского языка, мне намного понятнее и яснее дались лекции Andrew Ng.

Super Хорошое наполнение математикой (в отличие от Andrew Ng).

-- Ernest Rutherford Классный курс, отлично дополняет курс Andrew Ng Огромное спасибо за этот курс!

Read more

этом курсе in 7 reviews

Больше бы практики в этом курсе и была бы оценка 5.

Так же лично для меня в этом курсе было много математики, в которой я сейчас слаб, но за счет того, что она была на подавляющем большинстве слайдов я смог получить дополнительную мотивацию и сейчас активно занимаюсь её изучением.

Не хочу никого обидеть, но по моему в этом курсе все объяснялось максимально непонятным способом.

Я не спорю, что материал в этом курсе возможно лучше всех возможных на свете, мне не удалось этого узнать, так как манера подачи материала отбила желание продолжать учебу.Кстати, почти все теории, изложенные в первой лекции, используются мной на практике.

Но новичкам этой области в этом курсе не место.

Read more

практических заданий in 7 reviews

К сожалению нет практических заданий на глубинное обучение.Great course!

Для выполнения практических заданий потребуются базовые навыки программирования."

Можно сделать больше практических заданий, на закрепление материала; добавить задания без общих инструкций.Не удобно сдавать задания(из-за форматирования файла в конце).

Очень полезно Отличный курс, но для не математиков теория воспринимается сложновато, зато есть возможность прикоснуться к "Машинному обучению" при выполнение практических заданий.

Ко второй неделе вы рискуете потерять понимание происходящего при выполнении практических заданий, однако в погоне за "Зачетом" сделать вы их все же сможете, но лучше иметь знания программирования на Python Хороший курс, но требует мат.

Read more

на мой взгляд in 6 reviews

Практическая часть в этом курсе отличная, а вот с теорией, на мой взгляд, получилось не очень.

С его помощью мне удалось познакомится с широким ассортиментом алгоритмов, некоторые из них (например семейство neural networks) выходят за рамки курса по объему и сложности, однако хотя бы поверхностно были освещены и на мой взгляд это очень хорошо.

На мой взгляд, эта часть могла бы быть интереснее и сложнее.

Слишком, на мой взгляд, много математической информации, которую можно обобщить до смысла параметров оптимизации и регуляризации и способа работы моделей.

Лекции, на мой взгляд, недостаточно систематизированны.

Отличный курс, на мой взгляд.

Из всех англоязычных и русскоязычных курсов "всё в одном" по машинному обучению, которые я видел, этот - лучший.На мой взгляд, курс рассчитан на слушателей с некоторой математической культурой (в этом принципиальное отличие от известного курса Эндрю Ына) и представляет собой значительно упрощённую версию ШАДовской дисциплины "Машинное обучение".Задания разнообразные и интересные, охватывающие все ключевые понятия из лекций.

Read more

Careers

An overview of related careers and their average salaries in the US. Bars indicate income percentile.

Write a review

Your opinion matters. Tell us what you think.

Coursera

&

Higher School of Economics

Rating 4.3 based on 281 ratings
Length 8 weeks
Effort 7 недель исследования, 3-5 часов / неделю
Starts Jul 6 (last week)
Cost $49
From Higher School of Economics, National Research University Higher School of Economics, Yandex School of Data Analysis via Coursera
Instructors Константин Вячеславович Воронцов, Евгений Соколов, Evgeny Sokolov
Download Videos On all desktop and mobile devices
Language Russian
Subjects Data Science Programming
Tags Data Science Machine Learning

Similar Courses

Sorted by relevance

Like this course?

Here's what to do next:

  • Save this course for later
  • Get more details from the course provider
  • Enroll in this course
Enroll Now