Chevron Left
Вернуться к Прикладные задачи анализа данных

Прикладные задачи анализа данных, Московский физико-технический институт

4.4
Оценки: 476
Рецензии: 78

Об этом курсе

Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалисты по анализу данных редко оказываются в такой идеальной ситуации. Обычно перед ними ставят задачи, которые нуждаются в уточнении формулировки, выборе метрики качества и протокола тестирования итоговой модели. Данные, с которыми нужно работать, часто представлены в непригодном виде: они зашумлены, содержат ошибки и выбросы, хранятся в неудобном формате и т. д. В этом курсе мы разберем прикладные задачи из различных областей анализа данных: анализ текста и информационный поиск, коллаборативная фильтрация и рекомендательные системы, бизнес-аналитика, прогнозирование временных рядов. На их примере вы узнаете, как извлекать признаки из разнородных данных, какие при этом возникают проблемы и как их решать. Вы научитесь сводить задачу заказчика к формальной постановке задачи машинного обучения и поймёте, как проверять качество построенной модели на исторических данных и в онлайн-эксперименте. На каждой задаче мы изучим плюсы и минусы пройденных алгоритмов машинного обучения. Прослушав этот курс, вы познакомитесь с распространенными типами прикладных задач и будете понимать схемы их решения....

Лучшие рецензии

автор: KV

Jul 09, 2017

Курс интересен тем, что в нем рассматриваются примеры реальных задач, которые решаются в индустрии. Но мне он показался слишком простым по сравнению с 2,3 и 4 курсами. Можно усложнить его немного :)

автор: PK

May 24, 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.

Фильтр по:

Рецензии: 76

автор: Гридасов Илья Игоревич

Feb 05, 2019

Курс даёт широкий взгляд на то, какие бывают задачи в анализе данных, с подробными pipelin-ами решений. В целом курс не сложный, но крайне полезный.

автор: Artem Drofa

Jan 21, 2019

Финальный проект очень понравился (делал "Идентификация интернет-пользователей")! Реальная практика применения моделей, а также сабмишна на Каггле.

Если ваши заания длительное время не проверяют, не переживайте, к концу сессии народ точно появится.

Еще раз: проект очень классный и инересный! Не без шероховатостей, но все решаемо, в т.ч. с помощью форума.

автор: Ivan Smirnov

Jan 21, 2019

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

автор: Alexander Prokofyev

Jan 20, 2019

It would be nice to have more practice with neuronets. Anyway it's very interesting course. Thanks!

автор: YaMolekula

Jan 08, 2019

Совет по курсу: слушать со скоростью 2х

Мое мнение по курсу:

1) Первая неделя интересная, про временные ряды маловато. Хотелось услышать про (G)ARCH и другие методы анализа временных рядо

2) Вторая неделя - мрак, все испортила

автор: Vadim Kirilchuk

Jan 04, 2019

Один из самых лёгких курсов программы. Понравилась обзорность курса, но вот полезность с точки зрения практики около нулевая. Первая неделя рассказала про прогнозирование временных рядов конкретными моделями, но не рассказано насколько эти модели приближены к реальности, даже с заработной платой оказалось, что прогноз далёк от реальности, не рассказано и про регрессию на основе каких-то базовых показателей типо ВВП, инфляции итд итп. Вторая неделя про компьютерная зрения раскрывает интересную тему, но задания оторваны от лекций, а сами лекции толком ничего не рассказывают, опять таки годится в качестве обзора, но не годится в качестве обучения. Третья неделя выделяется в положительную сторону. Четвертая неделя оставила двоякое впечатление, квиз на 3 задание которого все жалуются, и последнее задание, в котором из-за порядка данных решение не принимается. В последнем задании так же неясна практическая ценность. В общем, хотелось бы, чтобы над этим курсом ещё поработали, он выглядит очень сырым.

автор: Поздняков Юрий Олегович

Dec 29, 2018

Тесты очень напрягают. Хотелось бы иметь больше примеров задач и разборов решений с цифрами от а до я.

автор: Рядовиков Антон Васильевич

Nov 09, 2018

побольше бы ссылок на исследования врем рядов (я пока на 1й неделе)

автор: Любовь Соина

Aug 30, 2018

Очень уж галопом по Европам прошлись по нейросетям - отсюда ценность 2-й недели сомнительна. В остальном - хорошо.

автор: Somov Oleg

Jul 25, 2018

Самый легкий курс за всю специализацию, самое полезное на мой взгляд - анализ временных рядов