Об этом курсе
4.4
Оценки: 503
Рецензии: 80

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 26 часа на выполнение

Предполагаемая нагрузка: 10 hours/week...

Русский

Субтитры: Русский

Приобретаемые навыки

Data ScienceTime SeriesSentiment AnalysisRecommender Systems

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 26 часа на выполнение

Предполагаемая нагрузка: 10 hours/week...

Русский

Субтитры: Русский

Программа курса: что вы изучите

Неделя
1
5 ч. на завершение

Бизнес-задачи

На этой неделе мы разберём две крупные задачи, часто возникающие в бизнес-аналитике. Первая связана с прогнозированием временных рядов; задачи такого типа часто возникают, когда необходимо оценить значение показателя в будущем, основываясь на истории его изменения в прошлом. Такими показателями могут быть спрос на товар, аудитория рекламного баннера, цена акций и т.д. Вторя задача — это анализ поведения пользователей. Класс задач, связанных с анализом пользовательских данных, неизбежно появляется практически в любой сфере бизнеса, подразумевающей работу с клиентами. Как правило, это такие задачи, как привлечение пользователей, работа с аудиторией, прогнозирование оттока и удержание клиентов. ...
19 видео ((всего 152 мин.)), 6 материалов для самостоятельного изучения, 7 тестов
19 видео
Как устроена специализация, и зачем ее проходить3мин
МФТИ1мин
Временные ряды9мин
Автокорреляция6мин
Стационарность6мин
ARMA5мин
ARIMA5мин
Выбор ARIMA и прогнозирование10мин
Анализ остатков8мин
Пример построения прогноза11мин
Регрессионный подход к прогнозированию8мин
Анализ поведения пользователей8мин
Аудиторные метрики: привлечение7мин
Аудиторные метрики: активность9мин
Аудиторные метрики: монетизация6мин
Аудиторные метрики: удержание3мин
Прогнозирование оттока пользователей: Постановка задачи18мин
Прогнозирование оттока пользователей: Построение и оценка модели16мин
6 материала для самостоятельного изучения
МФТИ10мин
Forum&Chat10мин
Пример построения прогноза [ipython notebook]10мин
Слайды к лекциям10мин
Конспект10мин
Слайды к лекциям10мин
6 практического упражнения
Автокорреляция и стационарность10мин
p, q, P, Q18мин
Прогнозирование временных рядов18мин
Аудиторные показатели: привлечение и активность8мин
Аудиторные показатели: монетизация и удержание6мин
Анализ поведения пользователей10мин
Неделя
2
6 ч. на завершение

Анализ медиа

Вторая неделя посвящена вопросам компьютерного зрения. Мы обсудим базовые методы обработки изображений и поговорим про такие задачи, как классификация изображений, распознавание лиц, детекция объектов и семантическая сегментация. Благодаря развитию глубоких нейронных сетей, за последние несколько лет во всех этих задачах достигнут огромный прогресс. Вы узнаете, как на практике пользоваться нейросетевыми библиотеками, и научитесь быстро собирать и размечать большие коллекции изображений....
11 видео ((всего 106 мин.)), 7 материалов для самостоятельного изучения, 3 тестов
11 видео
Задачи компьютерного зрения5мин
"Низкоуровневое" зрение14мин
Линейная фильтрация изображений4мин
Классификация изображений9мин
Задача классификации изображений на практике14мин
Распознавание лиц17мин
Детекция объектов13мин
Стилизация изображений3мин
Распознавание китов5мин
Сбор больших коллекций изображений10мин
7 материала для самостоятельного изучения
Дополнительные материалы10мин
Слайды к лекциям10мин
Конспект10мин
Слайды к лекциям10мин
Конспект10мин
Слайды к лекциям10мин
Конспект10мин
2 практического упражнения
Компьютерное зрение16мин
Практические задачи компьютерного зрения14мин
Неделя
3
6 ч. на завершение

Анализ текстов

Данная неделя посвящена работе с особым видом данных — текстами. Тексты встречаются во многих задачах, и при этом свести их к стандартной матрице с объектами и признаками не так просто. В этом модуле мы изучим основы работы с текстовыми данными, способы генерации признаков на их основе, поговорим о нейросетевых подходах (в частности, word2vec и рекуррентные сети). Также мы обсудим несколько конкретных прикладных задач анализа текстов, среди которых будут анализ тональности и аннотирование....
13 видео ((всего 80 мин.)), 6 материалов для самостоятельного изучения, 5 тестов
13 видео
Предобработка текста6мин
Извлечение признаков из текста5мин
Извлечение признаков из текста - 25мин
Обучение моделей на текстах3мин
word2vec5мин
Рекуррентные сети7мин
Выделение коллокаций5мин
Языковые модели4мин
Анализ тональности текста13мин
Анализ тональности отзывов4мин
Анализ тональности отзывов: продолжение5мин
Аннотирование7мин
6 материала для самостоятельного изучения
Слайды к лекциям10мин
Конспекты к лекциям10мин
Слайды к лекциям10мин
Конспекты к лекциям10мин
Анализ тональности отзывов [ipython notebook]10мин
Слайды к лекциям10мин
4 практического упражнения
Первичная обработка текстов6мин
Текстовые данные и работа с ними6мин
word2vec и рекуррентные сети6мин
Примеры задач анализа текстов6мин
Неделя
4
5 ч. на завершение

Рекомендации и ранжирование

На этой неделе вы познакомитесь с задачами, в которых нужно оценивать "интересность" различных объектов для пользователя - задачей ранжирования, актуальной при построении поиска, и задачей построения рекомендательных систем, возникающей при необходимости посоветовать пользователю некоторый контент (фильмы, музыку, статьи) или товары в интернет-магазине....
10 видео ((всего 57 мин.)), 5 материалов для самостоятельного изучения, 4 тестов
10 видео
Метрики качества ранжирования6мин
Методы ранжирования4мин
Рекомендательные системы4мин
kNN и матричные разложения2мин
Подходы к построению рекомендательных систем11мин
Гибридные рекомендательные системы6мин
Оффлайн оценка качества3мин
Онлайновая оценка качества5мин
Максимизация прибыли магазина7мин
5 материала для самостоятельного изучения
Слайды к лекциям10мин
Конспекты к лекциям10мин
Слайды к лекциям10мин
Финальные титры10мин
Стань ментором специализации10мин
3 практического упражнения
Ранжирование6мин
Рекомендательные системы-16мин
Рекомендательные системы-210мин
4.4
Рецензии: 80Chevron Right

71%

начал новую карьеру, пройдя эти курсы

80%

получил значимые преимущества в карьере благодаря этому курсу

50%

стал больше зарабатывать или получил повышение

Лучшие рецензии

автор: PKMay 24th 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.

автор: ISJan 21st 2019

Замечательный курс, полный примеров из реальной жизни для получения опыта. Очень полезные и понятные лекции, конспекты. Очень рад, что смог пройти этот курс.

Преподаватели

Avatar

Антон Слесарев

руководитель группы распознавания образов Яндекс

О Московский физико-технический институт

Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Львом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры....

О Яндекс

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....

О специализации ''Машинное обучение и анализ данных'

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....
Машинное обучение и анализ данных

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.