И исследователи в лабораториях, и инженеры в больших корпорациях бьются над одной задачей — получить наиболее точную предсказательную модель по имеющимся данным. Эту задачу можно решить, используя современные методы из области машинного обучения. К сожалению, когда данных становится слишком много, классические алгоритмы становятся неэффективными или перестают работать вовсе.
Этот курс входит в специализацию ''Специализация Промышленное машинное обучение'
от партнера
Об этом курсе
Недавно просмотрено: 2,706
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 2 из 3 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Основы программирования на Python и SQL,
Основы Unix,
Основы высшей математики,
Основы компьютерных сетей,
Базовые знания о машинном обучении.
Прибл. 48 часов на выполнение
Русский
Субтитры: Русский
Чему вы научитесь
Организация процесса разметки собранных данных
Базовые приемы для масштабирования моделей машинного обучения
Специальные приемы для построения рекомендательных моделей и моделей обработки естественного языка
Подходы для масштабирования нейронных сетей
Приобретаемые навыки
Data LabelingMachine LearningPython ProgrammingBig DataScaling Computations
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 2 из 3 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Основы программирования на Python и SQL,
Основы Unix,
Основы высшей математики,
Основы компьютерных сетей,
Базовые знания о машинном обучении.
Прибл. 48 часов на выполнение
Русский
Субтитры: Русский
от партнера
НИУ ВШЭ
HSE University is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more.
Программа курса: что вы изучите
10 ч. на завершение
Подготовка данных к обучению
Сегодня машинное обучение в основном хорошо работает, когда у нас есть большие массивы размеченных данных. На этой неделе мы разберемся, какие форматы данных и разметки существуют и как эту разметку можно собирать.
10 ч. на завершение
12 видео ((всего 66 мин.)), 1 материал для самостоятельного изучения, 11 тестов
14 ч. на завершение
Обучение классических моделей на больших данных
На этой неделе мы разберемся как обучать классические алгоритмы (линейные модели и деревья решений) на больших данных.
14 ч. на завершение
14 видео ((всего 152 мин.)), 1 материал для самостоятельного изучения, 10 тестов
5 ч. на завершение
Построение рекомендательных систем
На этой неделе мы посмотрим, как можно распараллелить классические алгоритмы, применяемые в рекомендательных системах.
5 ч. на завершение
10 видео ((всего 89 мин.)), 1 материал для самостоятельного изучения, 2 тестов
12 ч. на завершение
Анализ больших объемов текстовой информации
На этой неделе рассмотрим задачи машинного обучения на текстах. Поговорим про важный этап - предобработку текста, и то, как получить структурированное представление текстовых данных с помощью таких моделей как word2vec и BERT.
12 ч. на завершение
6 видео ((всего 66 мин.)), 1 материал для самостоятельного изучения, 8 тестов
Специализация Промышленное машинное обучение: общие сведения
Программа состоит из трех курсов, позволяющих освоить методы обработки больших данных и получить представление о процессе проектирования, реализации и поддержки полноценного решения на базе интеллектуального анализа данных.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Is financial aid available?
Остались вопросы? Посетите Центр поддержки учащихся.
