Chevron Left
Вернуться к Обучение на размеченных данных

Отзывы учащихся о курсе Обучение на размеченных данных от партнера Московский физико-технический институт

4.8
звезд
Оценки: 2,456
Рецензии: 329

О 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. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Лучшие рецензии

RN
20 янв. 2017 г.

Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.

AG
14 нояб. 2019 г.

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

Фильтр по:

176–200 из 311 отзывов о курсе Обучение на размеченных данных

автор: Булыгин М В

7 мар. 2019 г.

Действительно понятно и интересно! Спасибо!)

автор: Dmitrii P

15 окт. 2017 г.

Великолепный курс! Спасибо огромное авторам.

автор: Сотников Г Д

7 мая 2017 г.

Спасибо авторам! Интересно и информативно! )

автор: Роман Ч

17 янв. 2019 г.

Жалею, что уже прошел. Очень полезный курс!

автор: Нехорошев Д А

15 нояб. 2016 г.

Отличный курс, очень интересно и доходчиво.

автор: Яков Ч

4 мая 2017 г.

отличный с практической точки зрения курс

автор: Dmitry K

2 нояб. 2016 г.

Отличная популяризация сложных вопросов!

автор: Петрашень Н И

25 июля 2018 г.

Отличный курс для ознакомления с темой.

автор: Юрасик Г А

10 мая 2019 г.

Отличный курс! Спасибо его создателям!

автор: Vsevolod K

16 янв. 2019 г.

Great course from great professionals!

автор: Emin Y

24 апр. 2018 г.

Хороший курс, мне понравился. Спасибо!

автор: Борисихин А Н

3 мар. 2018 г.

Very intensive and interestign course

автор: Alexey K

2 февр. 2018 г.

Про нейронные сети было очень мало :(

автор: Ахметов А И

22 сент. 2019 г.

Отличный, сложный и интересный курс!

автор: Журавлёв М

13 авг. 2020 г.

прекрасный курс, узнал много нового

автор: Аверин А В

24 окт. 2019 г.

Добрый день! Курс очень понравился!

автор: Maria I

2 сент. 2017 г.

очень насыщенный и интересный курс

автор: Chesnokov M

30 апр. 2016 г.

Отличный курс, широкий охват тем.

автор: Лазарев А В

25 февр. 2018 г.

Все по полочкам! XGBoost освоен)

автор: Nikolay E

10 янв. 2018 г.

Основной курс всей специализации

автор: Aleksei P

9 мар. 2017 г.

Очень плотный и полезный курс:)

автор: Sergei S

20 апр. 2016 г.

XGBoost lab... No comments

автор: Жильцов Д А

14 июня 2017 г.

Курс понравился. Спасибо.

автор: Надежда З

27 окт. 2016 г.

Отличный прикладной курс

автор: Михаил П

20 июня 2019 г.

Очень качественный курс