Об этом курсе

Недавно просмотрено: 17,917
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень

З​нание Python и основ высшей математики (матрицы и операции с ними, производные и градиенты)

Прибл. 48 часов на выполнение
Русский

Приобретаемые навыки

python for data analysisData AnalysisMachine Learning
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень

З​нание Python и основ высшей математики (матрицы и операции с ними, производные и градиенты)

Прибл. 48 часов на выполнение
Русский

от партнера

Placeholder

НИУ ВШЭ

Программа курса: что вы изучите

Неделя
1

Неделя 1

6 ч. на завершение

Основные понятия и задачи в машинном обучении

6 ч. на завершение
11 видео ((всего 96 мин.)), 1 материал для самостоятельного изучения, 4 тестов
11 видео
Что такое машинное обучение?16мин
Основные определения13мин
Постановки задач10мин
Виды признаков4мин
Загрузка данных, базовый анализ6мин
Работа с таблицей на примере удаления столбца9мин
Пропущенные значения, описание данных10мин
Значения признаков, выбор ячеек с помощью условий5мин
Извлечение новых признаков, распределение значений, среднее10мин
Группировка и агрегирование5мин
1 материал для самостоятельного изучения
Дополнительные лекции10мин
3 практических упражнения
Задания на понимание30мин
Задание на понимание30мин
Тест по основным понятиям в машинном обучении30мин
Неделя
2

Неделя 2

8 ч. на завершение

Метод k ближайших соседей

8 ч. на завершение
9 видео ((всего 93 мин.))
9 видео
Сравнение объектов и метрики15мин
Измерение ошибки модели9мин
Оценка обобщающей способности10мин
kNN с весами7мин
kNN для регрессии9мин
Знакомство с библиотекой sklearn9мин
Поиск оптимальных гиперпараметров8мин
Классификация методом ближайших соседей12мин
5 практических упражнений
Задания на понимание30мин
Задания на понимание30мин
Задания на понимание30мин
Задания на понимание30мин
Тест по методу k ближайших соседей30мин
Неделя
3

Неделя 3

7 ч. на завершение

Линейная регрессия

7 ч. на завершение
12 видео ((всего 127 мин.))
12 видео
Применения линейной регрессии10мин
Линейная регрессия в векторном виде11мин
Обучение линейной регрессии11мин
Переобучение и регуляризация 13мин
Почему L1-регуляризация отбирает признаки?9мин
Интерпретация линейных моделей6мин
Библиотека numpy13мин
Линейная регрессия11мин
Визуализация11мин
Запуск алгоритма14мин
Регуляризация6мин
6 практических упражнений
Задание на понимание5мин
Задания на понимание3мин
Задания на понимание3мин
Задания на понимание3мин
Задания на понимание3мин
Тест по линейной регрессии30мин
Неделя
4

Неделя 4

8 ч. на завершение

Обучение моделей градиентными методами

8 ч. на завершение
13 видео ((всего 129 мин.))
13 видео
Градиентный спуск7мин
Градиентный спуск: продолжение9мин
Стохастический градиентный спуск7мин
Продвинутые методы градиентного спуска15мин
Функции потерь в задачах регрессии9мин
Вывод градиента для MSE14мин
Векторное дифференцирование12мин
Регрессия в матричной форме11мин
Градиентный спуск в матричной форме5мин
Реализация градиентного спуска16мин
Настройка градиентного спуска7мин
Реализация градиентного спуска в матричной форме7мин
4 практических упражнения
Задания на понимание30мин
Задания на понимание30мин
Задания на понимание30мин
Тест по градиентному спуску30мин

Специализация Машинное обучение: от статистики до нейросетей: общие сведения

 Машинное обучение: от статистики до нейросетей

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.