Об этом курсе

Недавно просмотрено: 56,414

Карьерные результаты учащихся

20%

начал новую карьеру, пройдя эти курсы

25%

получил значимые преимущества в карьере благодаря этому курсу

27%

стал больше зарабатывать или получил повышение
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
Прибл. 31 час на выполнение
Русский

Приобретаемые навыки

Topic ModelData Clustering AlgorithmsMachine LearningData Visualization (DataViz)

Карьерные результаты учащихся

20%

начал новую карьеру, пройдя эти курсы

25%

получил значимые преимущества в карьере благодаря этому курсу

27%

стал больше зарабатывать или получил повышение
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
Прибл. 31 час на выполнение
Русский

от партнера

Placeholder

Московский физико-технический институт

Placeholder

Яндекс

Placeholder

E-Learning Development Fund

Программа курса: что вы изучите

Оценка контентаThumbs Up87%(10,815 оценки)Info
Неделя
1

Неделя 1

9 ч. на завершение

Кластеризация

9 ч. на завершение
15 видео ((всего 109 мин.)), 8 материалов для самостоятельного изучения, 5 тестов
15 видео
Как устроена специализация, и зачем ее проходить3мин
Структура уроков1мин
Задача кластеризации4мин
Примеры задач кластеризации5мин
Знакомство с методами кластеризации9мин
Пример: кластеризация текстов по теме13мин
Выбор метода кластеризации7мин
МФТИ1мин
Метод K средних (K-Means)10мин
Expectation Maximization (EM-алгоритм)9мин
Агломеративная иерархическая кластеризация12мин
Графовые методы кластеризации4мин
Методы, основанные на плотности6мин
Оценка качества и рекомендации по решению задачи кластеризации13мин
8 материалов для самостоятельного изучения
Блокнот из примера кластеризации текстов20мин
Слайды к лекциям10мин
Конспект10мин
Немного о Yandex10мин
МФТИ10мин
Forum&Chat10мин
Слайды к лекциям10мин
Конспект10мин
4 практических упражнения
Знакомство с кластеризацией30мин
Введение в кластеризацию30мин
Некоторые методы кластеризации30мин
Подробнее о методах кластеризации30мин
Неделя
2

Неделя 2

7 ч. на завершение

Понижение размерности и матричные разложения

7 ч. на завершение
15 видео ((всего 108 мин.)), 4 материалов для самостоятельного изучения, 5 тестов
15 видео
Одномерный отбор признаков8мин
Жадные методы отбора признаков6мин
Отбор признаков на основе моделей6мин
Понижение размерности4мин
Метод главных компонент: постановка задачи7мин
Метод главных компонент: решение6мин
Матричные разложения13мин
SGD и ALS5мин
Прогнозирование неизвестных значений в матрице6мин
Проблема отсутствия негативных примеров и implicit методы6мин
Вероятностный взгляд на матричные разложения5мин
Неотрицательные матричные разложения: постановка и решение10мин
Неотрицательные матричные разложения: функционалы и инициализация5мин
Обработка пропусков8мин
4 материала для самостоятельного изучения
Слайды к лекциям10мин
Конспект10мин
Слайды к лекциям10мин
Конспект10мин
4 практических упражнения
Отбор признаков30мин
Понижение размерности и отбор признаков30мин
Матричные разложения30мин
Неотрицательные матричные разложения30мин
Неделя
3

Неделя 3

5 ч. на завершение

Визуализация и поиск аномалий

5 ч. на завершение
8 видео ((всего 57 мин.)), 5 материалов для самостоятельного изучения, 5 тестов
8 видео
Параметрическое восстановление плотности9мин
Непараметрическое восстановление плотности8мин
Одноклассовый SVM5мин
Задача визуализации5мин
Многомерное шкалирование4мин
Метод t-SNE6мин
Визуализация данных в sklearn12мин
5 материалов для самостоятельного изучения
Слайды к лекциям10мин
Конспект10мин
Визуализация данных в sklearn10мин
Слайды к лекциям10мин
Конспект10мин
4 практических упражнения
Восстановление плотности30мин
Поиск аномалий30мин
Методы SNE и t-SNE30мин
Визуализация30мин
Неделя
4

Неделя 4

10 ч. на завершение

Тематическое моделирование

10 ч. на завершение
14 видео ((всего 151 мин.)), 8 материалов для самостоятельного изучения, 6 тестов
14 видео
Постановка задачи тематического моделирования12мин
Базовые тематические модели и EM-алгоритм14мин
Регуляризация тематических моделей10мин
Мультимодальные тематические модели9мин
Внутренние критерии качества тематических моделей9мин
Внешние критерии качества тематических моделей16мин
Визуализация тематических моделей10мин
Тематические модели на практике11мин
Пример использования библиотеки gensim для построения тематической модели10мин
Установка BigARTM в Windows3мин
Установка BigARTM в Linux Mint2мин
Установка BigARTM в Mac OS-X3мин
Пример использования библиотеки BigARTM для построения тематической модели19мин
8 материалов для самостоятельного изучения
Слайды к лекциям10мин
Конспект10мин
Ноутбук из демонстрации использования gensim10мин
Ноутбук из демонстрации использования BigARTM10мин
Слайды к лекциям10мин
Конспект10мин
Финальные титры10мин
Стань ментором специализации10мин
4 практических упражнения
Постановка задачи и базовые понятия30мин
Тематическое моделирование-130мин
Критерии качества тематических моделей30мин
Тематическое моделирование-230мин

Рецензии

Лучшие отзывы о курсе ПОИСК СТРУКТУРЫ В ДАННЫХ

Посмотреть все отзывы

Специализация Машинное обучение и анализ данных: общие сведения

Машинное обучение и анализ данных

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.