Chevron Left
Вернуться к введение в машинное обучение

Отзывы учащихся о курсе введение в машинное обучение от партнера НИУ ВШЭ

4.6
звезд
Оценки: 2,408
Рецензии: 493

О курсе

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше. С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать. Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности. На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. В онлайн курсе вы изучите основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Узнаете об основных методах машинного обучения и их особенностях, научитесь оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Наконец, познакомитесь с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. Для работы мы будем использовать реальные данные из реальных задач. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования на языке Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn. Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных. Мы уверены, что этот курс будет полезен каждому, кто хочет постичь искусство предсказательного моделирования и освоить интеллектуальный анализ данных. Появились технические трудности? Обращайтесь на адрес: coursera@hse.ru...

Лучшие рецензии

AA
14 июня 2016 г.

Хороший курс без лишнего. Некоторые методы, предлагаемые в заданиях не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста, но, надеюсь, с новыми сессиями будет развитие курса.

AL
24 сент. 2018 г.

Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.

Фильтр по:

176–200 из 478 отзывов о курсе введение в машинное обучение

автор: Никифоров М

14 нояб. 2017 г.

Весьма полезный курс, в котором можно ознакомиться с основными алгоритмами машинного обучения.

автор: Кандрашев А

9 апр. 2020 г.

Для знакомства с ML и основами работы с пакетами pandas и skilearn достаточно хороший курс

автор: Воробьев И С

20 нояб. 2017 г.

Отличный курс. Идеально подходит для введения в такую сложную тему, как машинное обучение.

автор: Mikhail U

12 мар. 2016 г.

Очень хороший курс для практики, если у вас уже есть некоторые знания в машинном обучении.

автор: Mike K

29 янв. 2018 г.

Отличный курс для начинающих - доступное изложение теории и полезные практические задания

автор: Vladimir Y

16 нояб. 2017 г.

Это очень хороший курс, для меня он оказался лучшим в качестве старта в этой дисциплине.

автор: Abramov A

20 нояб. 2016 г.

Большое спасибо за курс.

Это отличное начало для погружения в область машинного обучения.

автор: Andrey T

13 дек. 2016 г.

Хороший курс, позволит начинающему ознакомится с базовыми алгоритмами работы с данными

автор: Манс Н

21 июня 2016 г.

Спасибо за данный курс. Давно искал информацию по данной сфере. Это то, что мне нужно!

автор: Buzikov M

20 окт. 2018 г.

Отличный вводный курс. Вполне можно пройти за 2 недели. Интересный финальный проект.

автор: Родин М С

20 июня 2018 г.

Хороший курс, быстро дает представление о направлении, темы для дальнейшего изучения

автор: Konstantin V

25 окт. 2020 г.

Отлично, прекрасный баланс между "все объяснили для практики" и "найди в интернете"

автор: Ерден Ж

19 сент. 2017 г.

Спасибо, очень интересно и познавательно. Большое спасибо лекторам и сокурсникам!

автор: Дмитрий

23 февр. 2016 г.

Отличный курс, систематизирующий обрывочные знания, полученные на других курсах.

автор: Andrei B

18 апр. 2018 г.

Отличный курс. Все подробно объяснено, но при этом дан простор для размышлений.

автор: Fedor K

29 нояб. 2017 г.

Хороший баланс теоритической и практической части курса. Реалистичные задания.

автор: rinat

11 дек. 2016 г.

Очень интересный курс. Нет углубления в теорию (ненужного). Акцент на практику

автор: Евгений

28 нояб. 2017 г.

Отлично. И не думал что существуют настолько интересно организованные курсы.

автор: Сергей Т

8 июля 2017 г.

Отличный курс для начала знакомства с миром машинного обучения и нейросетей.

автор: Victor S

4 апр. 2018 г.

Отличный старт в машинном обучении. Пришлось повспоминать линейную алгебру.

автор: Dmitry S

28 июня 2017 г.

Интересные материалы, отличные преподаватели, хорошее начало для новичков.

автор: Павел М

19 нояб. 2017 г.

Практическая часть просто великолепная. Теория, честно говоря, скучновата

автор: Никита К

3 мая 2017 г.

Большое спасибо!

Курс больше всего интересен благодаря интересным задачам.

автор: Abitov D

15 мар. 2017 г.

Отличный курс.

Сильная теория и практика.

Развивает навыки работы в Python.

автор: Vlad L

27 окт. 2016 г.

Everything is great! Sometimes lectures were apart from seminars and labs