About this course: Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина. В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества.
Who is this class for: Этот курс предназначен для тех, кто хочет начать знакомство с машинным обучением и уже владеет необходимой математической базой: математическим анализом, линейной алгеброй, теорией вероятностей. Мы объясним основные методы обучения с учителем, разберём постановки задач и способы оценивания качества решения. Курс может быть интересен как для тех, кто изучает анализ данных и хочет профессионально применять его на практике, так и для тех, кто хочет разобраться для себя, в чём заключается машинное обучение.
Taught by: Евгений Рябенко, кандидат физико-математических наук, доцент
факультет управления и прикладной математики
Taught by: Evgeny Sokolov
Taught by: Victor Kantor
Taught by: Emeli Dral
Taught by: Константин Воронцов, доктор физико-математических наук, профессор
Кафедра интеллектуальных систем
| Basic Info |
Course 2 of 6 in the
Машинное обучение и анализ данных Specialization.
|
| Level | Intermediate |
| Language | Russian |
| How To Pass | Pass all graded assignments to complete the course. |
| User Ratings |
Each course is like an interactive textbook, featuring pre-recorded videos, quizzes and projects.
Connect with thousands of other learners and debate ideas, discuss course material, and get help mastering concepts.
Earn official recognition for your work, and share your success with friends, colleagues, and employers.
| Audit | Purchase Course | |
|---|---|---|
| Access to course materials | Available | Available |
| Access to graded materials | Not available | Available |
| Receive a final grade | Not available | Available |
| Earn a shareable Course Certificate | Not available | Available |
Каждый раз, когда приходилось заниматься подгонкой ответа под грейдер, у меня неистово бомбило. :(
Без отличного математического бэкграунда (или просто отличного понимания всех понятий из первого курса - особенно, теория вероятности, операции в векторных пространствах и пр.), а также не понимая математики первых недель курса, всю математику курса понять вряд ли получится. Если такого бэкграунда нет - это будет неплохой обзорный курс, но его в любом случае нужно будет углублять уже самостоятельно. Для меня по содержанию - отлично.
Что не понравилось - урок "линейные модели: статистический взгляд" на 3-й неделе. Очень много времени "убил" на попытки понять, очень не хватало "мостиков" между понятиями, данными в уроке. В итоге остался неприятный осадок от этого урока. Урок по нейросетям я бы сделал поподробнее и несколько проще. Также, касается большинства тем курса, очень мало ответов от наставников по существу преподаваемого материала - в основном, по моим наблюдениям, отвечают на вопросы по задачам и тестам.
В принципе, если даже не получится усвоить всю математику, курс отлично показывает механики работы методов обучения с учителем и через интересные задания (но тоже не без огрехов) даёт углубленное понимание этих методов. Думаю, другие прошедшие курс согласятся, что он не сделает вас Data Scientist, но даст определённый понятийный набор и некоторый опыт для дальнейшего углубления.
По интенсивности - 5 недель, сложность возрастает с каждой неделей. Значительно сложнее 1-го курса. С полной занятостью на работе по 8-10 часов, окончив технический ВУЗ лет 10 назад и повторив основы в рамках первого курса специализации - тяжеловато, но подъёмно.
Коллективу желаю не бросать этот курс, а развивать его дальше. Есть к чему стремиться, но в целом очень неплохо уже сейчас.
Интересный курс с множеством прикладных задач. Сделайте по возможности курс, а лучше специализацию, по нейронным сетям в продолжение данной.
Coursera provides universal access to the world’s best education, partnering with top universities and organizations to offer courses online.
Огромное спасибо!
Легко небыло. Пришлось помучаться и понапрягать процессор мозга :) изрядно.