Об этом курсе

Недавно просмотрено: 14,082

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 75 часа на выполнение

Предполагаемая нагрузка: 5 weeks of study, 6-8 hours/week...

Английский

Субтитры: Английский

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 75 часа на выполнение

Предполагаемая нагрузка: 5 weeks of study, 6-8 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1

Неделя 1

7 минуты на завершение

Welcome

7 минуты на завершение
5 видео ((всего 7 мин.))
5 видео
Course Structure1мин
Meet Alexey2мин
Meet Pavel37
Meet Ilya1мин
1 ч. на завершение

(Optional) Machine Learning: Introduction

1 ч. на завершение
6 видео ((всего 43 мин.)), 1 материал для самостоятельного изучения
6 видео
(Optional) Basic concepts11мин
(Optional) Types of problems and tasks5мин
(Optional) Supervised learning7мин
(Optional) Unsupervised learning6мин
(Optional) Business applications of the machine learning4мин
1 материал для самостоятельного изучения
Slack Channel is the quickest way to get answer to your question10мин
5 ч. на завершение

Spark MLLib and Linear Models

5 ч. на завершение
11 видео ((всего 94 мин.)), 3 материалов для самостоятельного изучения, 5 тестов
11 видео
First example. Linear regression10мин
How MLlib library is arranged10мин
How to train algorithms. Gradient descent method9мин
How to train algorithms. Second order methods8мин
Large scale classification. Logistic regression12мин
Regularization8мин
PCA decomposition9мин
K-means clustering7мин
How to submit your first assignment3мин
How to Install Docker on Windows 7, 8, 104мин
3 материала для самостоятельного изучения
Grading System: Instructions and Common Problems10мин
Docker Installation Guide10мин
Assignments. General requirements10мин
4 практического упражнения
Large scale machine learning. The beginning14мин
Large scale regression and classification. Detailed analysis10мин
Regularization and Unsupervised Techniques10мин
Spark MLLib and Linear Models18мин
Неделя
2

Неделя 2

2 ч. на завершение

Machine Learning with Texts & Feature Engineering

2 ч. на завершение
12 видео ((всего 70 мин.)), 5 тестов
12 видео
Welcome1мин
Feature Engineering for Texts, part 17мин
Feature Engineering for Texts, part 25мин
N-grams4мин
Hashing trick6мин
Categorical Features6мин
Feature Interactions2мин
Spark ML. Feature Engineering for Texts, part 17мин
Spark ML. Feature Engineering for Texts, part 25мин
Spark ML. Categorical Features3мин
Topic Modeling. LDA.7мин
Word2Vec11мин
5 практического упражнения
Feature Enginering for Texts16мин
Categorical Features & Feature Interactions6мин
Spark ML Tutorial: Text Processing6мин
Advanced Machine Learning with Texts8мин
Machine Learning with Texts & Feature Engineering20мин
Неделя
3

Неделя 3

6 ч. на завершение

Decision Trees & Ensemble Learning

6 ч. на завершение
13 видео ((всего 64 мин.)), 6 тестов
13 видео
Welcome1мин
Decision Trees Basics4мин
Decision Trees for Regression6мин
Decision Trees for Classification3мин
Decision Trees: Summary1мин
Bootstrap & Bagging8мин
Random Forest6мин
Gradient Boosted Decision Trees: Intro & Regression7мин
Gradient Boosted Decision Trees: Classification6мин
Stochastic Boosting1мин
Gradient Boosted Decision Trees: Usage Tips & Summary3мин
Spark ML. Decision Trees & Ensembles6мин
Spark ML. Cross-validation3мин
5 практического упражнения
Decision Trees16мин
Bootstrap, Bagging and Random Forest6мин
Gradient Boosted Decision Trees10мин
Spark ML Programming Tutorial: Decision Trees & CV6мин
Decision Trees & Ensemble Learning16мин
Неделя
4

Неделя 4

3 ч. на завершение

Recommender Systems

3 ч. на завершение
15 видео ((всего 118 мин.)), 1 материал для самостоятельного изучения, 4 тестов
15 видео
Recommender Systems, Introduction. Part II4мин
Non-Personalized Recommender Systems9мин
Content-Based Recommender Systems8мин
Recommender System Evaluation10мин
Collaborative Filtering RecSys: User-User and Item-Item10мин
RecSys: SVD I7мин
RecSys: SVD II8мин
RecSys: SVD III5мин
RecSys: MF I7мин
RecSys: MF II6мин
RecSys: iALS I6мин
RecSys: iALS II11мин
RecSys: Hybrid I7мин
RecSys: Hybrid II7мин
1 материал для самостоятельного изучения
Recommender Systems. Spark Assignment10мин
4 практического упражнения
Basic RecSys for Data Engineers14мин
Moderate RecSys for Data Engineers10мин
Advanced RecSys for Data Engineers4мин
Recommender Systems16мин

Преподаватели

Image of instructor, Alexey A. Dral

Alexey A. Dral

Founder and Chief Executive Officer
BigData Team
Image of instructor, Evgeny Frolov

Evgeny Frolov

Data Scientist, PhD Student @Skoltech
Computational and Data Intensive Science and Engineering
Image of instructor, Ilya Trofimov

Ilya Trofimov

Principal Data Scientist
Yandex

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....

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.

  • Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. 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.