Chevron Left
Вернуться к Обучение на размеченных данных

Обучение на размеченных данных, Moscow Institute of Physics and Technology

4.8
Оценки: 1,516
Рецензии: 221

Об этом курсе

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....

Лучшие рецензии

автор: ZA

Jul 21, 2017

Курс просто фантастика. Отличное преподавание, много нового. Столько что еще переваривать и переваривать. Немного сжата последняя неделя и на нейронные сети нужно больше времени. Спасибо.

автор: AD

Apr 29, 2018

Хороший курс, много времени уделено объяснению теории. На мой взгляд - лучше параллельно читать с "The elements of statistical learning", там некоторые моменты подробнее объясняются.

Фильтр по:

Рецензии: 203

автор: Petr Kuderov

Dec 11, 2018

Отличный курс по соотношению глубины погружения и скорости продвижения. Живо, подробно, с практикой, позволяющей немного набить руку в sklearn и numpy. Чрезмерного разжевывания тоже нет - это все-таки все еще начало пути в Машинном Обучении.

автор: Красовский Игорь Владимирович

Dec 05, 2018

Все необходимые навыки были получены, материал подаётся интересно

автор: Антюфриева Любовь Александровна

Dec 03, 2018

Очень неравномерное распределение нагрузки по неделям

автор: Artem Drofa

Dec 02, 2018

Курс очень живой и интересный, очень доволен. Продолжу проходить специализацию.

5-ая неделя этого курса, как известно, не очень удачная, так что, просто примите ее такой, какая она есть :)

автор: Denis Unzhakov

Nov 28, 2018

great!

автор: Vladislav Kalachev

Nov 17, 2018

Хороший курс для введения в машинное обучение. Знакомит с основными понятиями и со множеством алгоритмов машинного обучения, как и простых, так и не очень. Хочется отметить, что в курсе соблюдается баланс между теорией и практикой. Конечно, для получения более детального представления о некоторых алгоритмах придется воспользоваться другими источниками, но всю информацию в 5-ти недельный курс не уместить. Из минусов могу отметить только уж очень беглое рассмотрение нейронных сетей, оно явно носит лишь ознакомительный характер.

автор: Dmitry Demidov

Nov 09, 2018

Курс отличный! В меру теории и практики. Только 5я неделя подкачала - очень скомканно.

автор: Антон Голубев

Oct 24, 2018

Отличный курс, но хотелось бы больше про нейросети

автор: Alex Zaytsev

Oct 23, 2018

Отличный курс, спасибо!

автор: Данил Абрамов

Oct 13, 2018

Почему так мало Байеса? Очень надеюсь, что в практике его будет достаточно.