Об этом курсе

Недавно просмотрено: 1,960
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

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

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.
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

от партнера

Placeholder

Национальный исследовательский университет "Высшая школа экономики"

Программа курса: что вы изучите

Неделя
1

Неделя 1

10 ч. на завершение

Подготовка данных к обучению

10 ч. на завершение
12 видео ((всего 66 мин.)), 1 материал для самостоятельного изучения, 11 тестов
12 видео
Вводное занятие2мин
Форматы хранения табличных данных3мин
Практическое занятие: Обработка сырых данных7мин
Форматы хранения разметки для задач компьютерного зрения6мин
Практическое занятие: Набор данных COCO4мин
Инструменты для разметки данных4мин
Практическое занятие: Разметка данных7мин
Тренды при разметке данных5мин
Краудсорсинг3мин
Масштабируемый краудсорсинг. Часть 19мин
Масштабируемый краудсорсинг. Часть 28мин
1 материал для самостоятельного изучения
Презентация: Подготовка данных к обучению10мин
8 практических упражнений
Вводное занятие5мин
Форматы хранения табличных данных5мин
Форматы хранения данных для задач компьютерного зрения10мин
Инструменты для разметки данных5мин
Хитрости для разметки данных5мин
Краудсорсинг5мин
Масштабируемый краудсорсинг. Часть 110мин
Масштабируемый краудсорсинг. Часть 210мин
Неделя
2

Неделя 2

14 ч. на завершение

Обучение классических моделей на больших данных

14 ч. на завершение
14 видео ((всего 152 мин.)), 1 материал для самостоятельного изучения, 10 тестов
14 видео
Широкие данные и проблемы с ними11мин
Снижение размерности6мин
Практическое занятие: Метод главных компонент для уменьшения размерности13мин
Хеширование признаков9мин
Практическое занятие: Хеширование признаков14мин
Практическое занятие: Vowpal Wabbit14мин
Нативная работа с категориальными признаками8мин
Практическое занятие: Деревья решений и их ансамбли10мин
Высокие данные и проблемы с ними4мин
Оптимизация методом градиентного спуска10мин
Практическое занятие: Высокие данные13мин
Распределенное обучение деревьев12мин
Практическое занятие: Распределенное обучение деревьев14мин
1 материал для самостоятельного изучения
Презентация: Обучение классических моделей на больших данных10мин
6 практических упражнений
Признаковое пространство30мин
Хеширование признаков20мин
Деревья решений10мин
Высокие данные15мин
Распределенное обучение15мин
Распределенное обучение деревьев15мин
Неделя
3

Неделя 3

5 ч. на завершение

Построение рекомендательных систем

5 ч. на завершение
10 видео ((всего 89 мин.)), 1 материал для самостоятельного изучения, 2 тестов
10 видео
Коллаборативная фильтрация5мин
Похожесть товаров13мин
Матричные факторизации10мин
ALS и iALS10мин
Масштабированиe ALS/iALS9мин
Метрики качества рекомендаций11мин
Практическое занятие: Рекомендации музыки5мин
Практическое занятие: Рекомендации музыки (iALS)8мин
Практическое занятие: Рекомендации музыки (NDCG)9мин
1 материал для самостоятельного изучения
Презентация: Построение рекомендательных систем10мин
1 практическое упражнение
Рекомендательные системы15мин
Неделя
4

Неделя 4

12 ч. на завершение

Анализ больших объемов текстовой информации

12 ч. на завершение
6 видео ((всего 66 мин.)), 1 материал для самостоятельного изучения, 8 тестов
6 видео
Векторные модели представления текста11мин
Дистрибутивные и контекстуализированные модели14мин
Практическое занятие: Предобработка текстовых данных13мин
Практическое занятие: Векторные представления текста6мин
Практическое занятие: Дистрибутивные модели 12мин
1 материал для самостоятельного изучения
Презентация: Анализ больших объемов текстовой информации10мин
4 практических упражнения
Задачи NLP15мин
Векторные модели30мин
Дистрибутивные модели30мин
Контекстуализированные модели30мин

Специализация Промышленное машинное обучение: общие сведения

Промышленное машинное обучение

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.